PROCESSAMENTO DE IMAGENS DIGITAIS. Universidade Estadual de Maringá

Transcrição

1 PROCESSAMENTO DE IMAGENS DIGITAIS Airton Marco Polidorio Universidade Estadual de Maringá

2 PROCESSAMENTO DE IMAGENS DIGITAIS Introdução Realce Convolução Segmentação Reconhecimento de Padrões

3 PROCESSAMENTO DE IMAGENS DIGITAIS Introdução Airton Marco Polidorio Universidade Estadual de Maringá

4 PROCESSAMENTO DE IMAGENS DIGITAIS Processamento de dados DADOS Computação Gráfica Visão Computacional IMAGENS Processamento de Imagens

5 IMAGEM DIGITAL (teoria) IMAGEM: é uma função definida em uma superfície bidimensional cujo contradomínio é composto de valores originados de um espaço de cor i:u C onde: i é a função imagem U R 3 é uma superfície (reticulado), geralmente um subconjunto plano, chamado suporte da imagem. C é um espaço vetorial (espaço de cor). Quando a dimensão de C é 1, C é um espaço vetorial (espaço de cor). Quando a dimensão de C é 1, diz-se que a imagem é monocromática

6 IMAGEM DIGITAL (teoria) U R 3 dim(c) > 1 imagem colorida dim(c) = 1 imagem monocromática

7 IMAGEM DIGITAL (prática) d x c a b y [ ] [ ] ( ) { 2 } U = a, b c, d = x, y / a x b e c y d Cada retângulo do reticulado bidimensional pode ser discretizado U Pode ser discretizado por x, y { ( x, ) ;, ;, / ; } j yk U j k x y x j j x yk k y = = =

8 IMAGEM DIGITAL monocromática PICTURE ELEMENT OU PIXEL

9 IMAGEM DIGITAL

10 IMAGEM DIGITAL composição colorida

11 IMAGEM DIGITAL composição colorida

12 IMAGEM DIGITAL dimensões d x c a b y

13 IMAGEM DIGITAL resoluções RESOLUÇÃO TEMPORAL

14 IMAGEM DIGITAL resoluções RESOLUÇÃO RADIOMÉTRICA 8 bits 7 bits 6 bits 3 bits n = 8 Q = 255 n = 11 Q = 2047 Q = 2 n 1 Imagem colorida n = 8 bits 256 x 256 x 256 = de cores

15 RESOLUÇÃO ESPECTRAL IMAGEM DIGITAL resoluções

16 IMAGEM DIGITAL resoluções RESOLUÇÃO ESPECTRAL 0,45 0,52 µm 1,55 1,75 µm 0,52 0,60 µm 10,4 12,5 µm 0,63 0,69 µm 2,08 2,35 µm 0,76 0,79 µm

17 IMAGEM DIGITAL RESOLUÇÃO ESPACIAL resoluções IKONOS 4m IKONOS PSM 1m LandSat 30m SPOT 5m ULTRACAM 0.2m (20cm)

18 PROCESSAMENTO DE IMAGENS DIGITAIS Realce Airton Marco Polidorio Universidade Estadual de Maringá

19 IMAGEM DIGITAL Operações pontuais: realce original alargamento equalização ( ( ) ) ( ) mn = min f x, y ( ) mx = max f x, y g x y 255 f x y mx mn (, ) = (, )

20 IMAGEM DIGITAL Operações pontuais: realce

21 PROCESSAMENTO DE IMAGENS DIGITAIS Convolução Airton Marco Polidorio Universidade Estadual de Maringá

22 IMAGEM DIGITAL Convolução Discreta 2D f x, y g x, y = f α, β g x α, y β d α d β ( ) ( ) ( ) ( ) M 1 N 1 f x, y g x, y = 1 f m, n g x m, y n ( ) ( ) ( ) ( ) MN m = 0 n = 0 f g 1

23 IMAGEM DIGITAL Convolução Discreta 2D g f f*g

24 IMAGEM DIGITAL

25 IMAGEM DIGITAL operações de filtragem FILTRO MÁXIMO MEDIANA MÍNIMO MÉDIA 3X3 3X

26 IMAGEM DIGITAL operações de filtragem

27 IMAGEM DIGITAL Operadores de Gradiente f f G x x f = = G y f y ( 2 2 ) f = mag( f) = Gx + Gy Gx = Gy =

28 IMAGEM DIGITAL Operadores de Gradiente

29 PROCESSAMENTO DE IMAGENS DIGITAIS Segmentação Airton Marco Polidorio Universidade Estadual de Maringá

30 Segmentação É uma operação usada para diminuir a complexidade de uma imagem que consiste em DESCARTAR a maioria dos elementos presentes na imagem, mas que NÃO representam especial interesse no contexto do problema estudado. É necessário ter amplo conhecimento do contexto do problema. iluminação da cena (constante? Variável?) Qual o padrão do elemento de interesse: Tem radiometria constante? Tem forma geométrica constante? Tem dimensões constante? Tem dados auxiliares? Cor (ou dados multiespectrais). Tem dados auxiliares? Cor (ou dados multiespectrais). Modelos matemáticos ou de conhecimento.

31 Segmentação Atributos (comuns) usados para imagens monocromáticas Nível de cinza Descontinuidade (mudanças bruscas na radiometria) linhas do gradiente e fatores de forma Similaridade Limiarização Busca de regiões homogêneas

32 Segmentação limiarização g x, y ( ) 1 se f ( x, y ) > T = 0 se f ( x, y ) T f (, ) g x y ( x y) ( x y ) 1 se f, > 8 = 0 se f, g

33 Segmentação limiarização

34 Segmentação problema exemplo: árvores Sempre tem árvore? Iluminação? Tipo da folhagem? ATRIBUTO cor verde

35 Segmentação problema exemplo: Placas

36

37

38

39 PROCESSAMENTO DE IMAGENS DIGITAIS Reconhecimento de Padrões Airton Marco Polidorio Universidade Estadual de Maringá

40 Reconhecimento de Padrões Reconhecimento de Padrões l h 4 q l h x P x = = = 4 q c P x P x P π = = 4 4 q P x x x = = 3.1 c P x x x π π = = x x

41 Reconhecimento de Padrões H W