Abstract. 1. Introdução
|
|
- Maria Luiza Oliveira Santos
- 7 Há anos
- Visualizações:
Transcrição
1 Registro de Imagens por Correlação de Fase para Geração de Imagens Coloridas em Retinógrafos Digitais Utilizando Câmera CCD Monocromática de Alta Resolução José A. Stuchi Marcelo A.C. Vieira Evandro L. L. Rodrigues Departamento de Engenharia Elétrica - Escola de Engenharia de São Carlos Universidade de São Paulo - USP jose.stuchi@.usp.br mvieira@sc.usp.br evandro@sc.usp.br Abstract The analysis of retina allows the diagnostic of several pathologies related to the human eye. Image quality is an important factor since the physician often examines the retina small vessels and its color. Thus, aiming at improving image quality, a fundus camera can be developed using a high resolution monochromatic CCD camera, where RGB color images are acquired by switching the eye illumination with chromatic light: red, green and blue. However, the short period between the flashes may cause misalignment among the channels because of the small movements of the eye. Thus, this work presents a image registration technique, based on phase correlation, to acquire high resolution color images of the retina by aligning monochromatic channels R, G and B. Results using 50 misaligned images of an ocular imaging eye model showed that the registration method proposed in this work can produce high quality color images of the retina. 1. Introdução Várias doenças oculares podem ser diagnosticadas através da observação das imagens da retina, tais como retinopatia diabética, glaucoma, retinose pigmentar e degeneração macular relacionada à idade. Além dessas doenças, a análise dos vasos sanguíneos (artérias e veias da retina) possibilita a detecção de outras patologias, como hipertensão, toxoplasmose, diabetes, câncer e leucemia [1]. Isto se deve ao fato da retina ser a única região do corpo humano em que a condição vascular do paciente pode ser observada ao vivo [2], de maneira não invasiva, e as características dos vasos podem revelar bastante informação a respeito da saúde do paciente. Dentre os equipamentos para observação do fundo do olho, destaca-se o retinógrafo digital. Esse equipamento é composto por um conjunto de lentes, espelhos, filtros e câmeras que têm por objetivo aplicar uma iluminação homogênea na retina e, após o alinhamento, realizar a captura de uma imagem ou vídeo da região iluminada [3]. Na maior parte dos casos, o retinógrafo permite a realização de dois tipos de exame: as angiografias e as retinografias [3]. Como as estruturas do olho são muito pequenas e um minúsculo vazamento em algum vaso, se não detectado a tempo, pode provocar graves lesões e até mesmo a perda da visão, existe a necessidade de aumentar a resolução e qualidade das imagens capturadas, permitindo ao médico visualizar pequenas estruturas com mais detalhes e zoom e, dessa forma, melhorar o tratamento e evitar que as lesões atinjam estados mais graves. Assim, um dos desafios no desenvolvimento de um retinógrafo é o aumento da resolução espacial das imagens capturadas, o que está bastante relacionado à qualidade óptica e ao tipo de sensor utilizado [3]. Dentre os retinógrafos digitais, destacam-se os retinógrafos com CCDs coloridos e com CCDs monocromáticos. Nos CCDs coloridos, normalmente a imagem é formada a partir de uma técnica conhecida como filtro de Bayer [4]. Neste caso, um filtro espectral é depositado de modo que apenas uma faixa específica do espectro visível atinja cada elemento sensível do CCD. Dessa forma, cada pixel do CCD recebe apenas a informação de um canal de cor e, para a formação da imagem colorida final, é necessário um processo de interpolação matemática, o que causa perda de resolução espacial. No caso de retinógrafos que utilizam CCDs monocromáticos, a imagem é capturada diretamente sem a utilização do filtro de Bayer e, dessa forma, o processo de interpolação não é necessário. Nesse caso, as imagens apresentam maior resolução espacial. Para se obter imagens coloridas utilizando esse tipo de sensor, duas técnicas podem ser empregadas: uso de três sensores e flash branco ou uso de um único sensor e chaveamento de flashes coloridos RGB. Na primeira solução, utilizam-se três CCDs monocromáticos, um para cada canal de cor, e o objeto é iluminado com um único flash branco, cujo sinal refletido é filtrado em três componentes (vermelha,
2 verde e azul) que é capturado por seu respectivo CCD. Nesse caso, o custo deve ser levado em conta, uma vez que os sensores de alta resolução e grande sensibilidade, normalmente utilizados em retinografia, apresentam alto custo. Já para a segunda solução, utiliza-se apenas um CCD e, nesse caso, é necessária a captura de três imagens iluminadas com flash vermelho, verde e azul, espaçados por um pequeno intervalo de tempo (Figura 1). A grande vantagem do CCD monocromático em relação ao colorido é o fato do primeiro não utilizar o filtro de Bayer e, nesse caso, não há perda de resolução espacial por interpolação na obtenção das imagens [5]. Além disso, no contexto dos principais exames da retina, apenas um exame necessita da imagem colorida, sendo que os outros são realizados usando imagens em níveis de cinza. Dessa forma, o uso de sensores monocromáticos torna-se uma solução bastante viável para reduzir os custos e melhorar a qualidade das imagens produzidas por retinógrafos digitais. No entanto, existem várias dificuldades ao se utilizar um único sensor monocromático para a obtenção de imagens coloridas da retina. Os principais problemas observados se resumem na calibração da potência da iluminação, normalmente realizada com LEDs, e no fato do olho movimentar-se durante os três flashes. Figura 1: Captura usando CCD monocromático para composição de imagem colorida O tempo entre cada flash depende, na maioria dos casos, da taxa de aquisição da câmera. Como, normalmente, câmeras de alta resolução são utilizadas nos equipamentos para aumentar a qualidade da imagem, a quantidade de quadros por segundo que ela pode capturar é baixa, o que faz com que o tempo entre os flashes seja, comumente, maior que 100 ms. Nesse intervalo, o olho pode movimentar-se, voluntária ou involuntariamente, e desalinhamentos entre os canais podem ser observados. Para resolver problemas deste tipo, existem vários métodos de registro de imagens, que consistem na sobreposição de duas ou mais imagens capturadas em tempos diferentes da mesma cena, de pontos de vista diferentes e, ainda, podendo ser de diferentes sensores ou com iluminação diferente. Esses métodos são cruciais em sistemas em que a informação final depende da combinação de várias fontes de dados, como é o caso de fusão e mosaico de imagens, detecção de movimento, criação de imagens com super-resolução e restauração de imagens multicanal [6], na qual se concentra o tema desse trabalho. A maioria das técnicas de registro de imagens consiste em quatro fases: detecção de características, busca e localização das características, estimativa do modelo de transformação e formação da nova imagem. Na detecção das características, objetos salientes e distintos, como bordas, contornos e cantos, são detectados na imagem referência, formando o conjunto de características consideradas razoáveis para a busca nas próximas imagens. Obtido esse conjunto, inicia-se o processo de localização das características. Nessa fase, a correspondência entre as características da imagem referência e a imagem a ser sobreposta são estabelecidas. Tendo sido feita a correspondência, inicia-se a fase que estima o modelo de transformação, que consiste na estimativa dos tipos e parâmetros da função de mapeamento que faz a imagem referência ser alinhada com a nova imagem. Por fim, tendo sido estimado o modelo de transformação, a nova imagem é transformada e alinhada em relação à referência utilizando as funções de mapeamento e as técnicas de interpolação apropriadas [6]. No entanto, o método de alinhamento das imagens da retina obtidas com diferentes fontes iluminadoras, como é o caso desse trabalho, apresenta certos problemas e deve ser robusto a alguns fatores, tais como: mudanças de intensidade introduzidas por ruídos, a não-uniformidade da imagem, à variação da iluminação e também ao borramento da imagem pela perda de foco. Tais fatores devem ser considerados, uma vez que as imagens, por serem iluminadas com fontes de diferentes comprimentos de onda (vermelho, verde e azul), possuem informações e intensidades diferentes, conforme pode ser observado na Figura 2, na qual a diferença de informação entre os três canais é nítida, principalmente do canal vermelho em relação aos demais. Dessa forma, se tais fatores não forem levados em conta no desenvolvimento do método, a eficiência do mesmo pode ser baixa no processo de alinhamento entre os canais. Figura 2: Imagens da retina iluminadas com R (à esquerda), G (no centro) e B (à direita)
3 Assim, métodos clássicos como o de correlação cruzada (cross correlation) que exploram a busca direta das intensidades da imagem, sem análise estrutural, estão muito sujeitos aos fatores citados [6] e apresentam baixa eficiência no processo de alinhamento dos canais da retina. Além disso, esses métodos dependem de um alto poder computacional, principalmente se as imagens são grandes, uma vez que se baseiam na busca exaustiva e por comparação pixel a pixel de um template pré-definido da imagem referência na imagem a ser alinhada. Nesse contexto, o método de correlação de fase (phase correlation) apresenta-se como uma boa solução ao problema de alinhamento dos canais da retina. Este método explora as características da imagem no domínio da frequência e, além de possuir um menor custo computacional, possui forte robustez contra ruídos dependentes da frequência, não uniformidade e alterações na iluminação com o tempo [6]. O método de correlação de fase já foi utilizado em trabalho recente [7] para o registro de duas imagens da retina obtidas com a mesma fonte de luz (infravermelha). No entanto, a abordagem de realizar o registro de três imagens provenientes de diferentes fontes de luz (vermelho, verde e azul), é inédita, uma vez que as imagens a serem alinhadas apresentam diferenças significativas, conforme pode ser visualizado na Figura 2. Dessa forma, o objetivo deste trabalho é apresentar um método para registro de imagens da retina, iluminadas com luz vermelha, verde e azul em diferentes e pequenos intervalos de tempo entre os flashes, utilizando correlação de fase. Isso possibilita tanto a realização dos exames monocromáticos citados quantos os coloridos, utilizando apenas um sensor monocromático. Como esses intervalos são pequenos, neste trabalho está sendo proposto um método para corrigir a translação causada pelo movimento do olho durante a captura das três imagens, sendo que a rotação e escala serão tratados em trabalho futuro. 2. Metodologia O método de registro por correlação de fase é aplicado no domínio da frequência e se baseia no Teorema do Deslocamento de Fourier [7]. Basicamente, calcula-se o produto espectral cruzado entre a imagem de referência e a imagem a ser alinhada e procura-se pela localização de picos na matriz resultante no domínio do espaço. Considere o par de imagens F 1 (imagem referência) e F 2 (imagem a ser alinhada), sendo que F 2 é caracterizada pela translação de F 1 por um offset de (x 0, y 0 ) [8]:, =, (1) A propriedade do deslocamento de Fourier afirma que um deslocamento da imagem do espaço resulta em um deslocamento na fase do sinal na frequência:, F, e (2) Dessa forma, temos no domínio da frequência: F, =F, e (3) O fator de deslocamento de fase exponencial pode ser computado pelo produto espectral cruzado, que é dado por:, = F, F, F, F, =e (4) Fazendo a transformada inversa de Fourier do produto espectral cruzado, chega-se na matriz de offset espacial:, =, (5) Com a matriz do produto espectral no espaço,,, basta localizar o ponto máximo da matriz, que caracteriza o pico de correlação. Para remover problemas causados por imperfeições no CCD ou no conjunto de lentes, como pequenos pontos de poeira, o qual caracteriza concentração de pontos na origem do produto espectral calculado, um filtro notch foi aplicado suprimindo uma região de raio 2 em torno da origem do espaço,. O desenvolvimento das rotinas presentes no método proposto foi realizado utilizando a IDE C++ Builder 2010 e a biblioteca de processamento de imagens OpenCV 1.0. As imagens utilizadas para o alinhamento são obtidas por um retinógrafo Opto com CCD monocromático de 11 Megapixels aproximadamente (4008 x 2672 pixels), sendo que imagens coloridas são formadas pelo chaveamento e captura de três imagens monocromáticas distintas, iluminadas com LEDs com comprimentos de onda 626 nm (vermelho), 528 nm (verde) e 463 nm (azul). 3. Resultados A seguir segue um exemplo da aplicação do método proposto. A Figura 3 mostra a imagem original do olho humano obtida pelo retinógrafo, sem o alinhamento proposto nesse trabalho. Nessa figura, pode-se observar o desalinhamento entre os canais, que forma um efeito de sombra nos vasos retinianos e degrada a qualidade da imagem.
4 Figura 5: Canal G (à esquerda) e B (ao centro) antes da correção e a representação espacial do produto espectral cruzado entre eles (à direita) Figura 3: Imagem original com canais desalinhados A imagem capturada é, então, separada nos canais vermelho, verde e azul. Como, geralmente, o canal verde possui maior contraste para imagens do fundo do olho, esse foi considerado como canal base e o canal vermelho e azul são alinhados em relação a ele. Na Figura 4, podem-se visualizar os canais G e R extraídos da imagem. Também é notável a diferença de informação e intensidade entre as duas imagens, sendo que no canal vermelho existe pouca informação dos vasos retinianos se comparado ao verde. Com os dois canais, o produto espectral cruzado entre eles é calculado e é também exibido na Figura 4 (à direita). Nessa representação, o ponto vermelho foi introduzido apenas como referência para indicar o centro da imagem, local em que o deslocamento horizontal e vertical é zero. O produto espectral foi normalizado de 0 a 255 e um threshold foi aplicado para remover pontos inferiores ao nível de cinza 200, facilitando, dessa forma, a visualização dos picos, que indicam o deslocamento entre os canais. Nessa representação do produto espectral, pode-se visualizar um ponto branco à esquerda do centro e, depois de calculado o deslocamento usando o método proposto, conclui-se que o canal vermelho está deslocado 95 pixels na horizontal e 4 pixels na vertical em relação ao canal verde. Figura 4: Canal G (à esquerda) e R (no centro) antes da correção e a representação espacial do produto espectral cruzado entre eles (à direita) Na Figura 5, os canais G e B são exibidos. Diferentemente do canal vermelho, o canal azul apresenta informação bastante parecida com o canal verde, o que melhora o resultado da correlação de fase. Ao calcular o produto espectral cruzado entre ambos, temos o resultado exibido à direita da Figura 5. Nessa, observa-se o ponto de pico também à esquerda do centro, indicando que o canal azul está deslocado 77 pixels na horizontal e 11 pixels na vertical em relação ao canal verde. Tendo sido obtidos os deslocamentos entre os canais, a imagem é corrigida aplicando translação. Na Figura 6, a imagem com os canais alinhados é exibida. Nota-se, nessa imagem, que o efeito de sombra criado pelo desalinhamento não está mais presente, além da imagem apresentar uma maior definição dos vasos. Figura 6: Imagem corrigida com canais alinhados Na Figura 7 é apresentada uma comparação entre duas imagens de uma região do nervo óptico; uma obtida em um retinógrafo Canon CX-1 com câmera CCD colorida de 16 Megapixels e outra obtida no sistema proposto nesse trabalho. A figura tem apenas caráter ilustrativo, uma vez que não são imagens do mesmo olho. Além disso, a definição da imagem não depende apenas da característica do sensor, mas também do projeto e qualidade dos componentes ópticos dos dois equipamentos, além da quantidade de iluminação e acoplamento no paciente.
5 Figura 7: Imagens do nervo óptico. À esquerda: obtida com uma câmera colorida de 16 Megapixels no equipamento Canon CX-1; à direita: obtida com uma câmera monocromática de 11 Megapixels considerando a arquitetura proposta nesse trabalho. 4. Avaliação dos Resultados Para a avaliação do método proposto, foi utilizado um modelo de olho mecânico da Ocular Instruments Inc. Não foi possível utilizar o olho humano paraa essa avaliação, uma vez que se torna impossível conseguir duas imagens da retina na mesma condição, sendo uma obtida com o sistema proposto e a outra com a arquitetura tradicional (câmera colorida e flash branco). Como o olho mecânico está fixo e não apresenta movimentação entre os flashes, como ocorre no olho humano, não houve desalinhamento entre os canais e uma imagem referência (ground-truth) pôde ser gerada para a avaliação do desempenho do método. Para a avaliação, foram obtidos 50 conjuntos de imagens do olho mecânico com diferentes configurações de iluminação, foco e posicionamento. Cada conjunto contêm duas imagens: uma imagem colorida obtida com o olho parado (referência) e outra obtida com a movimentação feita manualmente entree os flashes. A imagem do olho desalinhada é então corrigida pelo método proposto e comparada com a imagem referência. Figura 8: Imagem referência do olho mecânico (esquerda), imagem desalinhada (centro) e imagem corrigida (direita) Na Figura 8 é apresentada uma imagem original do olho mecânico, a imagem com o desalinhamento entre os canais e a imagem corrigida após a aplicação do método proposto. Com o conjunto de imagens, o métodoo de correção foi aplicado a cada imagem desalinhada e o resultado obtido foi comparado com a imagem original. Nessa comparação, um quadrado de lado 1200 pixels do centro de cada uma das imagens foi tomado para o cálculo do erro. Esse quadrado foi utilizado para remover a região da máscara circular preta (visível nas imagens da Figura 8) inserida via software na imagem que, depois da correção, é diminuída para remover o efeito do desalinhamento fora da região útil da imagem. Para a avaliação dos resultados, a imagem colorida foi convertida para grayscale, uma vez que a informação de cor não é relevante para o cálculo do erro do desalinhamento. Métodos objetivos de avaliação de qualidade da imagem foram calculados considerando medidas de similaridade entre as imagens de referência e as corrigidas. Nesse trabalho, foram considerados os seguintes parâmetros: o NMSE (Normalized Mean Square Error) [9], o PSNR (Peak Signal-to-Noise Ratio) [9] e o MSSIM (Mean Structural Similarity Index) [10]. Para o conjunto mostrado na Figura 8, o NMSE encontrado foi 0,00123, o PSNR foi 45,60 db e o MSSIM foi 0,9880, mostrando grande similaridade entre elas. Da mesma forma, os cálculos acima foram realizados para todos os 50 conjuntos de imagens e o valor médio e o desvio padrão obtidos foram: é =0,00175 ã = 0,00304 é =42,69 ã = 3,91 é =0,9823 ã = 0,0050 Considerando os valores encontrados, nota-se que o método foi bastante eficiente para a correção do desalinhamento entre os canais das imagens do olho mecânico. O valor médio de NMSE e o PSNR mostraram que o erro entre as imagens foi bastante baixo. Além disso, a medida do MSSIM com valor médio próximo de 1 mostra que as imagens corrigidas são bastante similares às imagens de referência, comprovando à eficiência do método de alinhamento proposto. Em relação ao tempo de processamento do método, ao ser executado em uma máquina Intel Core 2 Duo de 2.2 GHz com 2 Gb de memória RAM, a média foi de 1,2 s, o que permite que a foto seja alinhada e exibida durante o exame, sendo, dessa forma, um processo transparente ao usuário devido ao pequeno tempo de processamento para o alinhamento. 5. Conclusão O método proposto se caracteriza como uma ferramenta automática e bastante robusta para o alinhamento de imagens coloridas da retina formadas através de três imagens monocromáticas do olho, iluminado com vermelho, verde e azul.
6 Um fator bastante interessante do método é a capacidade de alinhar imagens com diferenças significativas de informação, como é o caso do canal vermelho que apresenta bastante diferença em relação ao azul e verde. Tal fato ocorre devido à robustez do método de correlação de fase em relação a diferenças de iluminação nas imagens a serem alinhadas. Os resultados obtidos foram bastante satisfatórios. Quando testado para corrigir desalinhamento no olho mecânico, o método resultou em uma taxa de erro baixa, conforme apresentado na seção anterior, o que o caracteriza como bastante confiável para o alinhamento. Para casos clínicos reais, o mesmo se comporta da mesma forma e casos de erro de alinhamento não foram detectados por análise visual de três especialistas em mais de 500 imagens obtidas. Outro importante fator dessa nova arquitetura usando um sensor monocromático e LEDs cromáticos para a obtenção da imagem colorida é o fato de que uma única imagem colorida possibilita disponibilizar para o médico, além da imagem original, os três canais RGB separadamente. Como o exame de red free é realizado iluminando a retina com iluminação verde, esse não é mais necessário de ser realizado, dado que basta obter da imagem colorida o frame que representa o canal verde, diminuindo assim o tempo de exame e desgaste do paciente. Devido às características apresentadas, o método de correção proposto viabiliza o projeto de utilizar apenas um CCD monocromático para a obtenção de imagens coloridas da retina, uma vez que consegue, satisfatoriamente, corrigir os pequenos movimentos do olho entre os flashes em um tempo aceitável. Tal fato propicia benefícios quanto à qualidade da imagem, uma vez que o uso do sensor monocromático possibilita o aumento da resolução espacial em relação a equipamentos com CCDs coloridos que utilizam o filtro de Bayer. Outro fator bastante interessante é o fato de que, a maioria dos exames da retina utiliza imagens em níveis de cinza e, conforme apresentado na validação e no trabalho de Yotam [5], o sensor colorido apresenta perda significativa de resolução espacial em relação ao monocromático. Dessa forma, consegue-se uma imagem com maior resolução espacial, tanto para imagens coloridas quanto para imagens em níveis de cinza. Outro fator que se deve levar em consideração é a redução no custo, uma vez que o preço dos sensores de alta resolução é geralmente muito alto, sendo, dessa forma, responsável por uma parcela significativa no valor final do produto. Ao se utilizar apenas um CCD monocromático, há uma economia significativa em relação ao uso de um sensor colorido ou três sensores monocromáticos para o mesmo fim. Tal fato possibilita maior acesso ao equipamento pela comunidade oftalmológica e, consequentemente, melhor detecção e tratamento de doenças. 6. Referências [1] T. B. Oliveira, L. C. Trevelin, F. M. A. Moreira, V. S. Bagnato, P. Schor e L. A. V. Carvalho, Desenvolvimento e resultados preliminares de um sistema cromático de iluminação para oftalmoscópios indiretos, Arquivos Brasileiros de Oftalmologia, pp , Março [2] J. Chen e J. Tian, Retina Vessel Enhancement Based on Directional Field, Proceedings of SPIE Medical Imaging 6914, , [3] F. P. Viera e E. L. Rodrigues, Influência do Uso de Sensores Coloridos em Retinógrafos, VII Workshop de Visão Computacional, pp , [4] R. G. Modugno, Uma Contribuição ao Projeto de Retinógrafos Digitais (Mestrado), São Carlos: EESC-USP, [5] E. Yotam, P. Ephi e Y. Ami, MTF for color Bayer pattern detector, Proceedings of SPIE 6567, [6] B. Zitová e J. Flusser, Image registration methods: a survey, Image and Vision Computing 21, pp , [7] L. Schardosim, J. Scharcanski, D. Santos e J. A. Stuchi, Motion Detection in Infrared Retinal Image Sequences, Instrumentation and Measurement Technology Conference 10, pp. 1-5, 12 Maio [8] R. C. Gonzales, R. E. Woods e S. L. Eddins, Digital Image Processing Using Matlab, Prentice Hall, [9] W. K. Pratt, Digital Image Processing, Los Altos - California: Wiley, [10] Z. Wang e A. C. Bovik, Mean squared error: Love it or leave it? A new look at Signal Fidelity Measures, IEEE Signal Processing Mag, vol. 26, n. 1, pp , [11] Z. Wang, A. C. Bovik, H. R. Sheikh e E. P. Simoncelli, Image Quality Assessment: From Error Visibility to Structural Similarity, IEEE Transactions on Image Processing, vol. 13, n. 4, pp , 2004.
Influência do Uso de Sensores Coloridos em Retinógrafos Digitais
Influência do Uso de Sensores Coloridos em Retinógrafos Digitais Flávio Pascoal Vieira Opto Eletrônica S.A. Departamento de Pesquisa e Desenvolvimento Rua Joaquim A. R. de Souza, 1071 CEP: 13563-330 São
Leia maisDetecção e Correção Automáticas de Olhos Vermelhos
Setor de Tecnologia da Universidade Federal do Paraná Curso de Engenharia Elétrica TE 072 Processamento Digital de Sinais Detecção e Correção Automáticas de Olhos Vermelhos Trabalho elaborado pelo aluno
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 3 Processamento de Imagens Coloridas
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 3 Processamento de Imagens Coloridas Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga mvieira@sc.usp.br
Leia maisSegmentação de Exsudatos em Imagens de Fundo de Olho para Detecção de Retinopatia Diabética
Segmentação de Exsudatos em Imagens de Fundo de Olho para Detecção de Retinopatia Diabética Nigel da Silva Lima 1, Geraldo Braz Júnior 1 1 Universidade Federal do Maranhão (UFMA) Av. dos Portugueses, 1966
Leia maisSegmentação de Exsudatos em Imagens de Fundo de Olho para Detecção de Retinopatia Diabética
Segmentação de Exsudatos em Imagens de Fundo de Olho para Detecção de Retinopatia Diabética Nigel da Silva Lima 1, Lucas Bezerra Maia 1, Geraldo Braz Júnior 1, João Dallyson Sousa de Almeida 1 1 Universidade
Leia maisProcessamento de Imagem. A Imagem digital Professora Sheila Cáceres
Processamento de Imagem A Imagem digital Professora Sheila Cáceres Visão Humana Processamento de Imagens 2 Semelhança entre o sistema visual humano e uma câmera fotográfica Várias semelhanças podem ser
Leia maisIntrodução ao Processamento de Imagens Digitais Aula 01
Introdução ao Processamento de Imagens Digitais Aula 01 Douglas Farias Cordeiro Universidade Federal de Goiás 06 de julho de 2015 Mini-currículo Professor do curso Gestão da Informação Formação: Graduação
Leia maisCapítulo II Imagem Digital
Capítulo II Imagem Digital Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Formação de uma imagem 2. Representação digital de uma imagem 3. Cor 4. Histogramas 5. Ruído
Leia maisDermanostic: um método para normalização da iluminação em imagens de lesões cutâneas
Departamento de Sistemas e Computação FURB Curso de Ciência da Computação Trabalho de Conclusão de Curso 2016/2 Dermanostic: um método para normalização da iluminação em imagens de lesões cutâneas Acadêmico:
Leia maisAVALIAÇÃO QUALITATIVA DE DETECÇÃO DE BORDAS EM IMAGENS DE RADIOGRAFIA PERIAPICAIS
AVALIAÇÃO QUALITATIVA DE DETECÇÃO DE BORDAS EM IMAGENS DE RADIOGRAFIA PERIAPICAIS Hedlund Erik Martins Távora 1, John Hebert Da Silva Felix 2, Darleison Rodrigues Barros Filho 3, Fausta Joaquim Faustino
Leia maisT4.1 Processamento de Imagem
T4.1 Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas 4.
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Transformações de Intensidade Transformações Logarítmicas Comparação entre Diversas Técnicas 2 Transformações de Intensidade
Leia maisQualidade Radiométrica das Imagens Sensor ADS40
Qualidade Radiométrica das Imagens Sensor ADS40 O sensor ADS40 (Airborne Digital Sensor) é um Sensor Digital Linear de alta resolução geométrica e radiométrica desenvolvido pela Leica Geosystems. O sensor
Leia maisCapítulo III Processamento de Imagem
Capítulo III Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas
Leia maisMouseCam: aplicação de controle do mouse via câmera
MouseCam: aplicação de controle do mouse via câmera Introdução ao Processamento de Imagens COS756 PESC/COPPE/UFRJ 2013 1 Renan Garrot garrot@cos.ufrj.br 1. Introdução O processo de tracking por vídeo consiste
Leia maisFundamentos sobre. Universidade Federal do Rio de Janeiro - IM/DCC & NCE. Antonio G. Thomé Sala AEP/1033. Processamento de Imagens
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Fundamentos sobre Processamento de Imagens Antonio G. Thomé thome@nce.ufrj.br Sala AEP/1033 Sumário do Curso Introdução Ambientação com o MatLab Aquisição
Leia maisVideo Quality Assessment in Java
Video Quality Assessment in Java Pós-graduação strictu sensu em Ciência da Computação PROCESSAMENTO DE IMAGENS, Prof. Tsang Ing Ren Estêvão Monteiro Ricardo Scholz Junho de 2014 Introdução Fidelidade de
Leia maisProcessamento de Imagens
Processamento de Imagens Prof. Julio Arakaki Ciência da Computação 1 Imagem Digital Full Color Image (Matriz de Pixels) RGB (24 bits): Red (8 bits) Green (8 bits) Blue (8 bits) 2 Imagem Digital Um modelo
Leia maisRastreamento de objeto e estimativa de movimento
Hiroito Watanabe Rastreamento de objeto e estimativa de movimento Brasil 2015 Hiroito Watanabe Rastreamento de objeto e estimativa de movimento Relatório do trabalho 2 da disciplina de Processamento Digital
Leia maisProcessamento Digital de Imagens
1 Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Introdução Espectro Eletromagnético Aquisição e de Imagens Sensoriamento Remoto 2 Introdução Espectro Eletromagnético
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Introdução Espectro Eletromagnético Aquisição e Digitalização de Imagens Efeitos da Digitalização Digitalização Sensoriamento
Leia maisREGISTRO AUTOMÁTICO DE IMAGENS
REGISTRO AUTOMÁTICO DE IMAGENS Dmitry Fedorov Dr. Leila M. G. Fonseca INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS, São José dos Campos, 2003. Motivação Estudos multi-temporais (Landsat-TM) Motivação Estudos
Leia maisProcessamento Digital de Imagens. Cor
Processamento Digital de Imagens Cor Em uma descrição física a cor está associada ao seu comprimento de onda. Ao se analisar o espectro eletromagnético na região do visível, os menores comprimentos de
Leia maisCores em Imagens e Vídeo
Aula 05 Cores em Imagens e Vídeo Diogo Pinheiro Fernandes Pedrosa Universidade Federal Rural do Semiárido Departamento de Ciências Exatas e Naturais Ciência da Computação Ciência das Cores A cor é fundamentada
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 5 Segmentação de Imagens
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 5 Segmentação de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga Segmentação de
Leia maisProcessamento de Imagens Digitais
Processamento de Imagens Digitais Antonio Cesar Germano Martins 2º semestre de 2018 Apresentações Nascido em Sorocaba. Graduado em Bacharelado em Física pela UNICAMP em 1989, tendo participado de pesquisas
Leia maisSEL Visão Computacional. Aula 2 Processamento Espacial
Departamento de Engenharia Elétrica - EESC-USP SEL-5895 - Visão Computacional Aula 2 Processamento Espacial Prof. Dr. Adilson Gonzaga Prof. Dr. Evandro Linhari Rodrigues Prof. Dr. Marcelo Andrade da Costa
Leia maisMETODOLOGIA PARA A QUANTIZAÇÃO DE CORES PELO MÉTODO SMCb: INTRODUÇÃO E EXEMPLOS DE RESULTADOS
METODOLOGIA PARA A QUANTIZAÇÃO DE CORES PELO MÉTODO SMCb: INTRODUÇÃO E EXEMPLOS DE RESULTADOS Marcelo Zaniboni 1, Osvaldo Severino Junior 2 1: Universitário do curso de Ciência da Computação, Faculdade
Leia maisDETECÇÃO E CORREÇÃO AUTOMÁTICA DE OLHOS VERMELHOS EM FOTOGRAFIAS
UNIVERSIDADE FEDERAL DO PARANÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA TE 810 PROCESSAMENTO DIGITAL DE SINAIS DETECÇÃO E CORREÇÃO AUTOMÁTICA DE OLHOS VERMELHOS EM FOTOGRAFIAS Trabalho apresentado
Leia maisUm Estudo das Técnicas de Obtenção de Forma a partir de Estéreo e Luz Estruturada para Engenharia
Um Estudo das Técnicas de Obtenção de Forma a partir de Estéreo e Luz Estruturada para Engenharia Aluno: Gabriel Malizia Orientador: Professor Marcelo Gattass Co-Orientador: Professor Paulo Cezar Carvalho
Leia maisParâmetros importantes de um Analisador de Espectros: Faixa de frequência. Exatidão (frequência e amplitude) Sensibilidade. Resolução.
Parâmetros importantes de um Analisador de Espectros: Faixa de frequência Exatidão (frequência e amplitude) Sensibilidade Resolução Distorção Faixa dinâmica Faixa de frequência: Determina as frequências
Leia maisINVESTIGATING THE USE OF BLOCK-MATCHING 3D DENOISING ALGORITHM TO REDUCE RADIATION DOSE IN DIGITAL MAMMOGRAPHY
INVESTIGATING THE USE OF BLOCK-MATCHING 3D DENOISING ALGORITHM TO REDUCE RADIATION DOSE IN DIGITAL MAMMOGRAPHY HELDER C. R. DE OLIVEIRA POLYANA F. NUNES LUCAS R. BORGES MARCELO A. C. VIEIRA 2 MOTIVAÇÃO
Leia maisProcessamento de Imagens Coloridas. Prof. Adilson Gonzaga
Processamento de Imagens Coloridas Prof. Adilson Gonzaga 1 Aparência de um Objeto A aparência de um objeto é o resultado de uma complexa interação da luz incidente sobre este objeto, suas características
Leia maisALGORITMOS PARA ALINHAMENTO DE IMAGENS MÉDICAS: PRÍNCIPIOS E APLICAÇÃO EM IMAGENS DE ESCLEROSE MÚLTIPLA
ALGORITMOS PARA ALINHAMENTO DE IMAGENS MÉDICAS: PRÍNCIPIOS E APLICAÇÃO EM IMAGENS DE ESCLEROSE MÚLTIPLA Frederico L. Jacob, João Manuel R. S. Tavares, Ana Mafalda Reis Problemática Desenvolver metodologias
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 2 Processamento Espacial (Parte 2)
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 2 Processamento Espacial (Parte 2) Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga mvieira@sc.usp.br
Leia maisFigura. 5.1 Resposta do LED de 5 mm de diâmetro em função da corrente elétrica aplicada.
56 5 Resultados Neste capítulo serão apresentados os resultados das medidas experimentais feitas no presente trabalho. Para facilitar a compreensão, o texto procura seguir a mesma seqüência que aquela
Leia maisCâmera Retinal Não Midiátrica TRC-NW8F CONECTANDO VISÕES
Câmera Retinal Não Midiátrica TRC-NW8F CONECTANDO VISÕES NOVA CÂMERA RETINAL COMBO TRCNW8F Câmera Retinal Midiátrica / Não Midiátrica com Angiografia de Fluoresceína A TRC-NW8F oferece uma câmera verdadeiramente
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Tópicos Detecção de Pontos Isolados Detecção de Linhas Prof. Sergio Ribeiro 2 Operações lógicas e aritméticas orientadas a vizinhança utilizam o conceito
Leia maisEstudo de técnica óptica para visualização de escoamento
Estudo de técnica óptica para visualização de escoamento Aluno: Carlos Eduardo Rodrigues Correia Orientador: Luiz Fernando A. Azevedo Introdução Métodos ópticos são técnicas não intrusivas amplamente utilizadas
Leia maisAnálise óptica de sistemas eletro-ópticos por meio do cálculo da MTF
Análise óptica de sistemas eletro-ópticos por meio do cálculo da MTF Elisa Signoreto Barbarini, Evandro Luís Linhari Rodrigues Laboratório de Visão Computacional, Departamento de Engenharia Elétrica, Escola
Leia maisProjeto de Mestrado desenvolvido pela aluna Eveline Batista Rodrigues, no Departamento de Engenharia Elétrica da Universidade de São Paulo São
Projeto de Mestrado desenvolvido pela aluna Eveline Batista Rodrigues, no Departamento de Engenharia Elétrica da Universidade de São Paulo São Carlos, sob orientação do Prof Dr Homero Schiabel. SUMÁRIO
Leia maisProcessamento de Imagens. Processamento de Imagens. Universidade Federal do Rio de Janeiro - IM/DCC & NCE. Fundamentos sobre. Antonio Carlos Gay Thomé
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Fundamentos sobre Processamento de Imagens Antonio Carlos Gay Thomé Meus dados: Sala 1033 / AEP thome@nce.ufrj.br equipe.nce.ufrj.br/thome Laboratório
Leia maisRESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS. Nielsen Castelo Damasceno
RESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS Nielsen Castelo Damasceno Restauração de imagem Procura recuperar uma imagem corrompida com base em um conhecimento a priori do fenômeno de degradação. Restauração
Leia maisVisão Computacional. Alessandro L. Koerich. Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR)
Visão Computacional Alessandro L. Koerich Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR) Análise da Imagem Análise da Imagem O algoritmo opera sobre a imagem e extrai
Leia maisSEL Introdução ao Processamento Digital de Imagens. Aula 9 Restauração de Imagens Parte 2
SEL5895 - Introdução ao Processamento Digital de Imagens Aula 9 Restauração de Imagens Parte 2 Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Modelo de Degradação e Restauração g(x,y) = h(x,y)
Leia maisExtração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV
Extração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV Izadora Aparecida RAMOS 1,3,4 ; Servílio Souza de ASSIS 1,3,4 ; Bruno Alberto Soares OLIVEIRA
Leia maisMétodo para a Obtenção de Imagens Coloridas com o Uso de Sensores Monocromáticos
Capítulo 6 Método para a Obtenção de Imagens Coloridas com o Uso de Sensores Monocromáticos Flávio Pascoal Vieira e Evandro Luis Linhari Rodrigues Resumo: Este capítulo apresenta uma comparação entre sensores
Leia maisProcessamento de Imagem. Convolução Filtragem no Domínio da Frequência (Fourier) Professora Sheila Cáceres
Processamento de Imagem Convolução Filtragem no Domínio da Frequência (Fourier) Professora Sheila Cáceres Lembrando Filtragem Correlação A correlação e a convolução sãos dois conceitos relacionados a filtragem.
Leia maisTE073 PDS II Programa de Graduação em Engenharia Elétrica
TE073 PDS II Programa de Graduação em Engenharia Elétrica Prof. Alessandro Zimmer zimmer@eletrica.ufpr.br www.eletrica.ufpr.br/~zimmer/te073 Processamento Digital de Imagens PDI: Segmentação Os algoritmos
Leia maisT4 Processamento de Imagem
T4 Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Hélder Filipe Pinto de Oliveira Resumo 1. Manipulação ponto a ponto 2. Conetividade 3. Filtros espaciais 4. Extração de estruturas
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Filtragem de Imagens A utilização de filtros tem como objetivo melhorar a qualidade das imagens através da: ampliação
Leia maisReconhecimento de texturas utilizando padrão binário local e classificador knn.
Reconhecimento de texturas utilizando padrão binário local e classificador knn. Vinicius Santos Andrade 1 Resumo. Através de uma imagem é possível obter inúmeras informações. Portanto, é cada vez mais
Leia mais27/03/2017 OPERAÇÕES ARITMÉTICAS NDVI E RAZÃO DE BANDAS AULA 04 RAZÃO DE BANDAS. Ex: Realce de minerais de Ferro = ρ v / ρ A
OPERAÇÕES ARITMÉTICAS NDVI E AULA 04 Daniel C. Zanotta 27/03/2017 Dividir uma banda por outra (pixel a pixel) pode trazer diversas informações a respeitos dos alvos contidos na cena. Dependendo dos canais
Leia maisTELEVISÃO DIGITAL LEEC 2006/2007
TELEVISÃO DIGITAL LEEC 2006/2007 DETECÇÃO DE CONTORNOS GRUPO 6: Hugo Miguel Rodrigues Gonçalves Dinis Guedes Afonso ee01171 ee01148 Introdução Este trabalho tem como objectivo a implementação de métodos
Leia maisCor SCC0251 Processamento de Imagens
Cor SCC0251 Processamento de Imagens Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2012/1 Moacir Ponti Jr. (ICMCUSP) Cor 2012/1 1 / 39 Sumário 1 Introdução
Leia maisMétodos de Extração de Características
1. Introdução Métodos de Extração de Características A Interpretação ou entendimento de uma cena demanda o reconhecimento de seus objetos. Reconhecimento de objetos ou padrões contidos em uma cena -> é
Leia maisUniversidade do Estado de Minas Gerais Curso de Sistemas de Informações. Multimídia. A Imagem (Parte I)
Universidade do Estado de Minas Gerais Curso de Sistemas de Informações Multimídia A Imagem (Parte I) Prof Sérgio Carlos Portari Júnior portari.uemgituiutaba@gmail.com Multimídia A imagem Tópico: Representação
Leia maisRECONHECIMENTO FACIAL UTILIZANDO EIGENFACES
Universidade Federal do Rio de Janeiro Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia Programa de Engenharia de Sistemas e Computação Rio de Janeiro, RJ Brasil RECONHECIMENTO
Leia maisReconhecimento de Tipos de Movimento Humano baseados no método GMM.
Reconhecimento de Tipos de Movimento Humano baseados no método GMM. C.Gonçalves 1 ; L.A.Pereira; J.C.Pizolato, Jr.; A.Gonzaga. Escola de Engenharia de São Carlos-EESC-USP Av. Trab. São-Carlense, 400 CP
Leia maisProcessamento Digital de Imagens - PDI
Processamento Digital de Imagens - PDI x Definição: x Manipulação da imagem por computador x Área Multidisciplinar: x Ótica x Engenharia Elétrica x Colorimetria x Neurofisiologia x Ciência da Computação
Leia maisIDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS. André Zuconelli 1 ; Manassés Ribeiro 2
IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS André Zuconelli 1 ; Manassés Ribeiro 2 INTRODUÇÃO As tecnologias assistivas têm a finalidade de auxiliar pessoas com deficiência a alcançar
Leia mais4 Multiplexação TDM/WDM
4 Multiplexação TDM/WDM A multiplexação de sensores utilizando a técnica de TDM possibilita a interrogação de vários sensores por fibra. No entanto, o número de sensores a serem interrogados é limitado
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 2 Processamento Espacial
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 2 Processamento Espacial Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga mvieira@sc.usp.br
Leia maisINFORMAÇÕES DO ACADÊMICO PLANO DE TRABALHO. 1. Justificativa
INFORMAÇÕES DO ACADÊMICO Nome: Kleber Padovani de Souza Curso: Engenharia de Computação Semestre: R.A.: Título do plano de trabalho: Extração de atributos da imagem através de momentos de imagem. Nome
Leia maisRECONHECIMENTO FACIAL 2D
RECONHECIMENTO FACIAL 2D PARA SISTEMAS DE AUTENTICAÇÃO EM DISPOSITIVOS MÓVEIS Luciano Pamplona Sobrinho Orientador: Paulo César Rodacki Gomes ROTEIRO Introdução Objetivos Fundamentação Teórica Conceitos
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Filtragem de Imagens A utilização de filtros tem como objetivo melhorar a qualidade das imagens através da: ampliação
Leia maisProcessamento Digital de Imagens SER Prática de Laboratório
Processamento Digital de Imagens SER 413-4 - Prática de Laboratório Bruna Virginia Neves João Arthur Pompeu Pavanelli Vanessa Camphora Relatório Parcial da prática de laboratório da disciplina de Processamento
Leia maisSEGMENTAÇÃO E RECONHECIMENTO DA ÍRIS
SEGMENTAÇÃO E RECONHECIMENTO DA ÍRIS Edno José Bozoli Junior¹, Osvaldo Severino Junior². 1. Universitário do curso de Ciências da Computação Rodovia Vicinal Raul Galvani nº. 831, Centro, CEP: 15.845-000
Leia maisAnálise óptica de sistemas eletro-ópticos por meio do cálculo da MTF
Análise óptica de sistemas eletro-ópticos por meio do cálculo da MTF Elisa Signoreto Barbarini, Evandro Luís Linhari Rodrigues Laboratório de Visão Computacional, Departamento de Engenharia Elétrica, Escola
Leia mais4 as Jornadas Politécnicas de Engenharia
4 as Jornadas Politécnicas de Engenharia Imagens de Faces: Exemplos de Metodologias e Aplicações Fernando Carvalho, João Manuel R. S. Tavares Aplicação Metodologias Modelos Conclusões Trabalho Futuro Introdução:
Leia mais4 Resultados Exemplo 1 Reprodução da Opacidade 2D
Resultados 47 4 Resultados Neste capítulo serão apresentados os testes feitos com a opacidade 3D. Nestes testes reproduzimos, inicialmente, os resultados obtidos pela opacidade 2D em Silva[30]. Serão apresentados
Leia mais2º ANO - FOTOGRAFIA. Rui Gonçalves
2º ANO - FOTOGRAFIA Rui Gonçalves Características do sensor CCD - tamanho físico do CCD/CMOS e dos elementos sensores (pixeis) - CCD/CMOS a cores - performance do sensor Características da Imagem - tamanho
Leia mais3 TÉCNICAS ÓPTICAS NA MECÂNICA EXPERIMENTAL
3 TÉCNICAS ÓPTICAS NA MECÂNICA EXPERIMENTAL Neste capítulo, são apresentados alguns fundamentos de visão computacional, e as principais técnicas ópticas utilizadas na medição de deformações. 3.1. Técnicas
Leia maisEFEITOS DA FUMAÇA SOBRE A DETERMINAÇÃO DO NDVI MARCELO LIMA DE MOURA LÊNIO SOARES GALVÃO
EFEITOS DA FUMAÇA SOBRE A DETERMINAÇÃO DO NDVI MARCELO LIMA DE MOURA LÊNIO SOARES GALVÃO INPE - Instituto Nacional de Pesquisas Espaciais Caixa Postal 515-12245-970 - São José dos Campos - SP, Brasil {moura,lenio}@ltid.inpe.br
Leia maisReconstrução 3D. Métodos
Reconstrução 3D Prof. Dr. Márcio Sarroglia Pinho Material elaborado a partir de TCs dos alunos Fernando Muraro Witzke Lucas Scheibler de Carvalho Otávio Basso Gomes Métodos w Com Contato Físico w Máquinas
Leia maisPROCESSAMENTO DE IMAGENS. Eduardo Ribeiro
PROCESSAMENTO DE IMAGENS Eduardo Ribeiro Brilho Em uma imagem em tons de cinza, cada valor de pixel representa um brilho. Brilho é definido formalmente como o atributo de uma sensação visual segundo o
Leia maisVISÃO COMPUTACIONAL. Marcelo Henrique dos Santos
VISÃO COMPUTACIONAL Marcelo Henrique dos Santos marcelosantos@outlook.com São Paulo SP, Agosto/2013 INTRODUÇÃO Processamento de imagens é um processo onde a entrada do sistema é uma imagem e a saída é
Leia maisREVISÃO SENSORIAMENTO REMOTO AULA ZERO. Daniel C. Zanotta 14/03/2018
REVISÃO SENSORIAMENTO REMOTO AULA ZERO Daniel C. Zanotta 14/03/2018 O que é Sensoriamento Remoto? Arte e ciência da obtenção de informações sobre um objeto, através de radiação eletromagnética, sem contato
Leia mais09/03/2017. O que é Sensoriamento Remoto? Tipos de Sensoriamento Remoto REVISÃO SENSORIAMENTO REMOTO AULA ZERO. Satélites.
REVISÃO SENSORIAMENTO REMOTO AULA ZERO Daniel C. Zanotta 09/03/2017 O que é Sensoriamento Remoto? Arte e ciência da obtenção de informações sobre um objeto, através de radiação eletromagnética, sem contato
Leia mais25/05/2017. Técnicas ópticas na Mecânica Experimental. Interferometria de Speckle. Fotoelasticidade
Técnicas ópticas na Mecânica Experimental DIC - DIGITAL IMAGE CORRELATION Fotoelasticidade Interferometria de Speckle Interferometria de Moiré Correlação de Imagens Digitais DIC do inglês Digital Image
Leia maisAPLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS DIGITAIS EM IMAGENS GERADAS POR ULTRA-SOM
VIII ERMAC 8 o Encontro Regional de Matemática Aplicada e Computacional 0- de Novembro de 008 Universidade Federal do Rio Grande do Norte Natal/RN APLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS DIGITAIS
Leia maisVERSÁTIL A TODA SITUAÇÃO
From Eye to Insight Câmeras para microscópios de pesquisas em ciências da vida VERSÁTIL A TODA SITUAÇÃO Câmeras 20 MP CMOS DMC5400 e DMC6200 EM UMA IMAGEM DMC5400 VS. DMC6200 Escolher a câmera que melhor
Leia maisPROCESSAMENTO DE IMAGENS DIGITAIS PARA VISÃO ROBÓTICA. Digital Image Processing for Robotic Vision
PROCESSAMENTO DE IMAGENS DIGITAIS PARA VISÃO ROBÓTICA Digital Image Processing for Robotic Vision Luiz Ferreira MENEZES Jr. Faculdade de Jaguariúna Resumo: Este trabalho descreve quatro métodos para converter
Leia maisTratamento da Imagem Transformações (cont.)
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Tratamento da Imagem Transformações (cont.) Antonio G. Thomé thome@nce.ufrj.br Sala AEP/33 Transformações Geométricas 3 Transformações Geométricas
Leia mais5 Análise Experimental
5 Análise Experimental 5.1. Base de dados para testes Foram gravados diversos vídeos que serviram para realizar os testes realizados nesta dissertação. Cada um dos vídeos gerados para medir qualidade da
Leia maisEXTRAÇÃO SEMI - AUTOMÁTICA DE FEIÇÕES LINEARES E A CALIBRAÇÃO DOS PARÂMETROS INTRÍNSECOS DE CÂMERAS Projeto de Pesquisa PIBIC/CNPq ( )
USP UNIVERSIDADE DE SÃO PAULO EP ESCOLA POLITÉCNICA EXTRAÇÃO SEMI - AUTOMÁTICA DE FEIÇÕES LINEARES E A CALIBRAÇÃO DOS PARÂMETROS INTRÍNSECOS DE CÂMERAS Projeto de Pesquisa PIBIC/CNPq (2000-2001) LEONARDO
Leia maisSistema de Localização Visual da Equipe de Futebol de Robôs POTI-UFRN (versão 2008) na Categoria Very Small Size
Sistema de Localização Visual da Equipe de Futebol de Robôs POTI-UFRN versão 2008) na Categoria Very Small Size Ellon P Mendes, Adelardo AD Medeiros UFRN-CT-DCA 59072-900 Natal RN Email: [ellonpaiva,adelardo]@dcaufrnbr
Leia maisDETECÇÃO DE CORES DE SOLUÇÕES QUÍMICAS PARA PESSOAS COM NENHUMA OU BAIXA VISÃO UTILIZANDO OPENCV
DETECÇÃO DE CORES DE SOLUÇÕES QUÍMICAS PARA PESSOAS COM NENHUMA OU BAIXA VISÃO UTILIZANDO OPENCV Autor (1) Jéssica Fernandes Alves; Orientador (4) Suzete Élida Nóbrega Correia (1) Instituto Federal de
Leia maisImagens digitais. Armando J. Pinho. Introdução à Análise e Processamento de Sinal Universidade de Aveiro.
Imagens digitais Armando J. Pinho Introdução à Análise e Processamento de Sinal Universidade de Aveiro ap@ua.pt http://www.ieeta.pt/~ap IAPS (DETI-UA 2013/14) Armando J. Pinho 1 / 55 Sumário 1 Formação
Leia maisCLASSIFICAÇÃO AUTOMÁTICA DE FRAÇÕES DE FASE EM UM AÇO BIFÁSICO
CLASSIFICAÇÃO AUTOMÁTICA DE FRAÇÕES DE FASE EM UM AÇO BIFÁSICO Aluno: Mayara Guilherme Marzano Orientadores: Sidnei Paciornik e Marcos Henrique de Pinho Maurício Resumo Desenvolver procedimentos automáticos,
Leia maisINTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO
INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO PROCESSAMENTO DE IMAGENS Introdução Conceitos básicos Pré-processamento Realce Classificação PROCESSAMENTO DE IMAGENS Extração de Informações
Leia maisPROCESSAMENTO DE IMAGENS COLORIDAS. Nielsen Castelo Damasceno
PROCESSAMENTO DE IMAGENS COLORIDAS Nielsen Castelo Damasceno Definições A cor é um poderoso descritor que muitas vezes simplifica a identificação do objeto e sua extração de uma cena. Os seres humanos
Leia maisEstudo comparativo de métodos de segmentação das bordas de lesões em imagens dermatoscópicas
Estudo parativo de métodos de segmentação das bordas de lesões em imagens dermatoscópicas Pedro Vinícius Macêdo de Araújo, Geraldo Braz Junior Curso de Ciência da Computação Universidade Federal do Maranhão
Leia maisProcessamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
Processamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores António M. Gonçalves Pinheiro Departamento de Física Universidade da Beira Interior Covilhã - Portugal pinheiro@ubi.pt Bibliografia
Leia maisDiego Martin Mancini Orientador: Prof. Paulo A. V. de Miranda Instituto de Matemática e Estatística Universidade de São Paulo
Estudo de comparação do descritor de imagens coloridas BIC empregando diferentes abordagens de classificação de detecção de bordas: Canny e Operador Laplaciano Diego Martin Mancini Orientador: Prof. Paulo
Leia mais5 Protótipo e Resultados Obtidos
5 Protótipo e Resultados Obtidos 5.1. Introdução Este capítulo apresenta de forma minuciosa o protótipo desenvolvido durante este trabalho, que é uma ferramenta capaz de realizar o treinamento e a detecção
Leia mais4 Resultados e Discussão 4.1. Efeito da Resolução
4 Resultados e Discussão 4.1. Efeito da Resolução As imagens a 20X tem a vantagem de oferecer um melhor detalhe na quantificação das fases, mas tem a desvantagem de precisar analisar um número grande de
Leia mais- lnteligência Artificial. Seminário sobre o artigo: Beans quality inspection using correlationbased granulometry
PCS - 5689 - lnteligência Artificial Seminário sobre o artigo: Beans quality inspection using correlationbased granulometry Autores: Sidnei Alves de Araújo, Jorge Henrique Pessota, Hae Yong Kim Aluno:
Leia mais