Instituto de Ensino Superior COC Engenharia de Computação

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Instituto de Ensino Superior COC Engenharia de Computação"

Transcrição

1 Instituto de Ensino Superior COC Engenharia de Computação Diego Rafael Moraes DIAGNÓSTICO E CLASSIFICAÇÃO DE DEFEITOS NA SUPERFÍCIE DO CASQUILHO DE BRONZE POR MEIO DE PROCESSAMENTO DIGITAL DE IMAGENS Orientador: Prof. Dr. Jean-Jacques Georges Soares De Groote Ribeirão Preto 2009

2 Diego Rafael Moraes DIAGNÓSTICO E CLASSIFICAÇÃO DE DEFEITOS NA SUPERFÍCIE DO CASQUILHO DE BRONZE POR MEIO DE PROCESSAMENTO DIGITAL DE IMAGENS Trabalho de Conclusão de Curso apresentado ao Instituto de Ensino Superior COC, para obtenção do diploma profissional em Engenharia de Computação. Prof. Dr. Jean-Jacques Georges Soares De Groote Orientador Profa. Dra. Neide Bertoldi Franco Membro da banca examinadora Prof. Msc. Lúcio André de Castro Jorge Membro da banca examinadora Ribeirão Preto 2009

3 M827d MORAES, DIEGO RAFAEL. Diagnóstico e classificação de defeitos na superfície do casquilho de bronze por meio de processamento digital de imagens. / Diego Rafael Moraes f. il. Trabalho de conclusão de curso apresentado às Faculdades COC de Ribeirão Preto, sob orientação do Professor Dr. Jean-Jacques Georges Soares de Groote como parte dos requisitos para a obtenção do grau de Bacharel em Engenharia da computação. 1.Diagnóstico 2. Classificação 3. Processamento 4.Digital 5.Imagem 6. PDI 7. Inspeção 8.Qualidade 9.Superfície I. Título. II. GROOTE, Jean-Jacques Georges Soares de. CDD 620

4 Dedico este trabalho aos meus pais, Lúcio e Vera, por estarem sempre presentes nos meus momentos de derrotas e conquistas, e por toda educação e conselhos fornecidos, formando assim meu caráter.

5 AGRADECIMENTOS Ao Prof. Dr. Jean-Jacques Georges Soares De Groote, meu orientador, por toda atenção, dedicação e incentivo no projeto e na área de pesquisa científica. Ao Prof. Ms. Lúcio Andre de Castro Jorge, grande incentivador na escolha da área de PDI do projeto. Á Prof.ª Dr.ª Neide Maria Bertoldi Franco, pela participação na banca de qualificação e por toda dedicação nas correções e sugestões. Á Prof.ª Ms.ª Iara Romeiro Silva Santiago, pela disponibilidade e dedicação nas correções ortográficas. A todo corpo docente que ministrou as minhas disciplinas ao longo do curso, fornecendo conhecimento, que somados, resultaram no profissional que sou hoje. Ao Prof. Ms. Paulo César de Carvalho Dias, coordenador do meu curso, que em todo momento esteve presente e disposto a ajudar em qualquer tipo de problema. A todos os inspetores de qualidade do grupo Dedini unidade Sertãozinho, que de alguma forma contribuiu no desenvolvimento deste projeto, em especial ao Francisco Iscaião Filho, que se dispôs ao longo de todo o projeto a tirar dúvidas e disponibilizar imagens para os testes do aplicativo. Por último, mas não menos importantes, a todos os meus amigos e colegas pessoais, profissionais e da minha graduação, que sempre estiveram disponíveis a me ajudar em qualquer tipo de problema, os quais sabem que não é necessário listar os seus nomes aqui, porque verdadeiramente conhecem a sua importância para mim.

6 LISTA DE ABREVIATURAS E SIGLAS DPI: Dots per Inch. END: Ensaio Não Destrutivo. LP: Líquido Penetrante. Pixel: Picture Element. PDI: Processamento Digital de Imagem. RGB: Red, Green e Blue. TCC: Trabalho de Conclusão de Curso. i

7 LISTA DE FIGURAS Figura A: Análise de dimensões realizada manualmente... 2 Figura B: Casquilho (bucha) acoplando eixo... 3 Figura 1.1: Indicação de Linearidade: a 3 * b... 7 Figura 1.2: Indicação de Arredondamento: a < 3 * b... 8 Figura 1.3: Indicação de Alinhamento: d 2 mm Figura 2.1: Passos fundamentais em processamento de imagens digitais Figura 2.2: Diminuição da taxa de amostragem Figura 2.3: Diminuição do número de bits Figura 2.4: Conectividades de um pixel Figura 2.5: Imagem original colorida à esquerda e o seu negativo à direita Figura 2.6: Imagem original em tons de cinza à esquerda e o seu negativo à direita Figura 2.7: Alargamento de contraste Figura 2.8: Imagem original (esquerda) e após a aplicação do filtro passa-baixa (direita) Figura 2.9: Imagem original (esquerda) e após a aplicação do filtro Passa-Alta (direita) Figura 2.10: Máscara 3 x 3 genérica Figura 2.11: Máscara utilizada na detecção de pontos isolados Figura 2.12: Máscaras para linhas Figura 2.13: Detecção de bordas por operadores de derivação Figura 2.14: Aplicação dos filtros de Prewitt Figura 2.15: Aplicação dos filtros de Sobel Figura 2.16: Aplicação do filtro Laplaciano Figura 2.17: Aplicação do filtro Passa-Alta Básico Figura 2.18: Aplicação da limiarização com limiar de Figura 2.19: Crescimento de regiões Figura 3.1: Interface inicial do aplicativo Figura 3.2: Abertura de imagens no aplicativo Figura 3.3: Utilização da função Tons de Cinza Figura 3.4: Utilização da função Negativo para imagem colorida e para imagem em tons de cinza Figura 3.5: Utilização da função Preto e Branco com limiares de 60, 129 e Figura 3.6: Utilização da função Freqüência de Corte removendo todo R e B da imagem Figura 3.7: Utilização da função Contraste Figura 3.8: Utilização da função Borda dos Defeitos Figura 3.9: Utilização da função Subtração Figura 3.10: Utilização dos Filtros ii

8 Figura 3.11: Utilização da função Histograma Figura 3.12: Processo de definição de escala (pixel/mm) Figura 3.13: Processo de segmentação dos defeitos Figura 3.14: Processo de binarização dos defeitos Figura 3.15: Processo de segmentação por meio da opção Calibração Manual Figura 3.16: Visualização do Relatório Controle de Qualidade Figura 3.17: Utilização da função de Zoom com fator 4x Figura 3.18: Utilização da função Shape Figura 3.19: Utilização das funções de rotação Figura 3.20: Utilização da função Mapa de Pixel Figura 3.21: Visualização da Barra de Status Figura 3.22: Clique duplo, marcação da área do defeito Figura 3.23: Dois Cliques simples, marcação da melhor reta Figura 4.1: Estimativa de precisão (primeira imagem) Figura 4.2: Estimativa de precisão (segunda imagem) Figura 4.3: Precisão final definida como a média das duas precisões encontradas iii

9 RESUMO Neste trabalho propõe-se o estudo de técnicas de processamento digital de imagens e, posteriormente, o desenvolvimento de um aplicativo baseado nessas técnicas, para auxiliar no processo de diagnóstico e classificação de defeitos da superfície do casquilho de bronze, conforme a norma PT 70-3, referente à inspeção com líquido penetrante. Hoje, este processo é realizado manualmente pelos inspetores de qualidade, de modo que este aplicativo poderá ser utilizado para aumentar a eficiência das inspeções. ABSTRACT This work aims the study of digital image processing techniques and, subsequently, the development of an application based on these techniques, to assist the diagnosis and classification of defects on the bronze liner surface, according to standard PT 70-3, concerning the penetrant liquid inspection. Today, this process is manually performed by quality inspectors, so this application will be used to increase the inspections efficiency. iv

10 SUMÁRIO CAPÍTULO 1 INSPEÇÃO DE QUALIDADE Considerações Iniciais Qualidade Inspeção Industrial Líquido Penetrante Norma PT Indicações Critérios de Aceitação Considerações Finais... 9 CAPÍTULO 2 PROCESSAMENTO DIGITAL DE IMAGENS Considerações Iniciais Passos Fundamentais para Processamento de Imagens Fundamentos de Imagens Digitais Amostragem e Quantização Pixel e sua Conectividade Realce de Imagens Realce por Processamento Ponto a Ponto Negativo Alargamento de Contraste Realce por Processamento por Máscara Filtros Passa-Baixa Filtros Passa-Alta Segmentação Detecção de Descontinuidade Detecção de Pontos Detecção de Linhas Detecção de Bordas Limiarização Segmentação Orientada a Regiões Formulação Básica Crescimento de Regiões por Agregação de Pixel Considerações Finais CAPÍTULO 3 APLICATIVO Considerações Iniciais Interface Inicial do Aplicativo Menu Superior v

11 Procurar Imagem Salvando uma Imagem Restaurar (Colorido) Restaurar (Cinza) Desfazer Tons de Cinza Negativo Preto e Branco Freqüência de Corte Contraste Borda dos Defeitos Subtração Filtros Histograma Parametrização Calibração Manual Relatório Barra Lateral Zoom Shape Vertical e Horizontal Mapa de Pixels Classe e Comparar Barra de Status Aquisição de Dimensões Considerações Finais CAPÍTULO 4 RESULTADOS Considerações Iniciais Tempo para Análise e Registro Área do Defeito Agilidade na Comparação com as Classes da Norma Estimativa de Precisão Considerações Finais CONCLUSÃO REFERÊNCIAS BIBLIOGRÁFICAS BIBLIOGRAFIA vi

12 INTRODUÇÃO O uso da computação tornou-se de grande importância na solução de diversos problemas, tornando-se inviável ou traumática a execução de trabalhos sem a sua ajuda, como em pesquisas, compras, pagamentos, transações bancárias, comunicação à distância entre outros. Imagens têm cumprido diferentes papéis no dia-a-dia do ser humano, desde seus primórdios, com a representação gráfica da vida pré-histórica nas pinturas em cavernas, até os dias atuais, com aplicações práticas para automação de tarefas repetitivas. O interesse em métodos de processamento de imagens digitais decorre de duas áreas principais de aplicação: melhoria de informação visual para a interpretação humana e processamento de dados de cenas para a percepção automática através de máquinas. (GONZALEZ; WOODS, 2000, p. 1). A área de inspeção de qualidade tem muita importância nas empresas que cumprem normas nacionais e/ou internacionais. O não comprimento dessas normas, além de perdas financeiras futuras, dependendo da aplicação, pode causar graves acidentes. Este trabalho baseia-se na norma PT 70-3, referente à inspeção de qualidade com líquido penetrante, processo por meio do qual se identificam e classificam defeitos na superfície de peças industriais, sem limitações de tipo de material, tamanho ou forma da peça, exceto para materiais porosos. Uma vez classificados os defeitos, pode-se proceder conforme a necessidade, isto é, reparar os defeitos ou descartar a peça. O processo, hoje, é realizado manualmente pelos inspetores de qualidade e, considerando que a classificação da norma baseia-se em critérios de dimensões milimétricas, o processo torna-se vulnerável a erros, tais como o equívoco de inspetores ao analisarem as fotos com baixa qualidade da imagem, iluminação, brilho, distorção etc. A Figura A mostra um exemplo real da análise feita manualmente. 1

13 Figura A: Análise de dimensões realizada manualmente. Como o processo de análise das dimensões de defeitos na superfície exige muita precisão, pois segue uma norma de qualidade rígida (PT 70-3), e ainda é executado e analisado constantemente por diferentes inspetores de qualidade, tornase interessante a automatização de tal processo, de forma a auxiliar a classificação desses defeitos. Neste projeto de Trabalho de Conclusão de Curso (TCC), na área de Engenharia de Computação, propõe-se o desenvolvimento de um aplicativo baseado em técnicas de PDI, para o auxílio ao diagnóstico e à classificação de defeitos da superfície do casquilho de bronze, de acordo com a norma de qualidade PT O casquilho de bronze, também conhecido como bucha de bronze, é composto externamente de bronze e, em alguns casos, internamente, por uma serpentina com entrada e saída de água. Em geral, são corpos cilíndricos que envolvem os eixos (Figura B), permitindo-lhes uma melhor rotação. São utilizados em máquinas pesadas ou em equipamentos de baixa rotação, porque a baixa velocidade evita superaquecimento dos componentes expostos ao atrito. (BIGATON, 2007). O uso de casquilhos e de lubrificantes permite reduzir esse atrito e melhorar a rotação do eixo. Por isso, dá-se muita importância ao processo de inspeção de qualidade de sua fabricação, onde qualquer imperfeição pode aumentar o esforço que causa maior atrito e ocasiona um maior desgaste do eixo. 2

14 Figura B: Casquilho (bucha) acoplando eixo. (BIGATON, p. 37). Para o desenvolvimento do aplicativo, foi realizado o estudo de duas áreas de aplicação de PDI, pois primeiramente procurar-se-á melhorar a qualidade da imagem, por meio do controle do tom das cores, do brilho e do contraste. Posteriormente, será realizado o processamento das informações, pois, para diagnosticar e classificar defeitos de objetos a partir de sua imagem digital necessitase conhecer procedimentos de extração de informações, para que um subseqüente processamento computacional forneça informações relevantes. Para tal extração de informações, serão utilizadas técnicas de segmentação de imagens. Foi realizado também o estudo da norma de qualidade PT 70-3, que é dividida em cinco classes, sendo que, para diferi-las, é necessário analisar cinco critérios de dimensão com precisão milimétrica: limiaridade, arredondamento, linearidade, alinhamento e área total de defeitos na superfície. O trabalho está dividido em quatro capítulos. Os capítulos 1 e 2 são teóricos, sendo o primeiro sobre Inspeção de Qualidade e o segundo sobre Processamento Digital de Imagens. O capítulo 3 trata do desenvolvimento do aplicativo proposto, e o capítulo 4 apresenta uma discussão dos resultados obtidos. 3

15 CAPÍTULO 1 INSPEÇÃO DE QUALIDADE 1.1. Considerações Iniciais Neste capítulo serão apresentados os conceitos básicos sobre a importância da qualidade nas empresas, o objetivo da inspeção industrial, ensaios não destrutivos por meio de líquido penetrante e os critérios analisados pela norma PT O conhecimento destes assuntos será de grande valia para justificar a importância deste projeto e auxiliar na lógica dos algoritmos do aplicativo Qualidade A qualidade é um requisito básico para qualquer empresa competir e manterse no mercado atual, visto que existe uma grande quantidade de fabricantes e fornecedores de diversos produtos e serviços. Segundo Epaminondas (2007), antigamente as empresas criaram um departamento de qualidade que avaliava o produto no final de algum processo crítico. A avaliação era realizada por uma pessoa por meio de inspeções visuais, processo que se torna impreciso, pois, além de ser rotineiro, cansativo e estressante, conta com uma margem de erro humano. Se não existissem inconformidades, o produto seria aprovado e passado ao próximo processo produtivo até chegar ao seu estado final, caso contrário seria reprovado. A reprovação poderia causar perda financeira, pois, além do produto ter passado por algum processo produtivo, o que implica recursos investidos como matéria prima e mão de obra, tal produto não poderia avançar em seu processo de fabricação, para posteriormente tornar-se disponível para seus consumidores. Para amenizar essas perdas, as empresas adotaram uma metodologia, presente até os dias atuais. Trata-se de aplicar o controle de qualidade em todas as 4

16 áreas envolvidas para produzir e manter o produto no mercado, tais como: planejamento, projeto, desenvolvimento, produção, inspeção, expedição, marketing entre outras. (EPAMINONDAS, 2007). Como o mercado está em constante transformação, devido às novas tecnologias que surgem a cada dia, as empresas necessitam de novas ferramentas de gerenciamento Inspeção Industrial É a área responsável por analisar e avaliar algum tipo de equipamento, peça ou material que está em processo de produção e/ou confecção. Para isso, conta com a ajuda de normas, procurando padronizar formas, medidas, materiais etc., variando conforme o segmento e necessidade de aplicação, com o objetivo de aumentar a qualidade de algum produto final Líquido Penetrante O ensaio não destrutivo (END) por líquidos penetrantes (LP) é um método desenvolvido para a detecção de descontinuidades superficiais, como trincas, poros, dobras etc., de materiais isentos de porosidade, tais como metais ferrosos e não ferrosos, alumínio, cerâmicas, vidros e certos tipos de plásticos. Pode ser também utilizado para detecção de vazamento em tubos e soldas. (ANDREUCCI, 2008). Iniciou-se antes da Primeira Guerra Mundial com a inspeção de eixos pela indústria ferroviária, porém foi impulsionado em 1942, nos EUA, com o surgimento de penetrantes fluorescentes usados pela indústria aeronáutica, que necessitava de um método de detecção diferente do ensaio por partículas magnéticas, método não aplicado a materiais não magnéticos. A partir da Segunda Guerra Mundial, o método foi desenvolvendo-se através de pesquisas, chegando ao seu estágio atual. (ANDREUCCI, 2008). 5

17 O método pode ser descrito em seis etapas, que seguem listadas abaixo: - Preparação da superfície (limpeza inicial): a superfície deve ser limpa e seca, isenta de água, óleo ou outro contaminante, senão o ensaio torna-se não confiável. - Aplicação do penetrante: aplica-se o LP (geralmente de cor vermelha), formando uma camada sobre toda a superfície. A penetração na descontinuidade ocorre pelo fenômeno chamado capilaridade, que é o poder de penetração de um líquido devido a sua baixa tensão superficial. - Remoção do excesso do penetrante: remove-se todo o excesso de penetrante da superfície da peça ensaiada. - Revelação: aplica-se um revelador, usualmente um pó branco (talco), que absorve o penetrante das descontinuidades, assim, revelando-as. - Avaliação e inspeção: se o penetrante usado for do tipo visível, a avaliação deve ocorrer sob boas condições de luminosidade, caso contrário, se for do tipo fluorescente, deve ocorrer em áreas escuras com o auxílio de uma luz negra. A interpretação é realizada visualmente pelo inspetor, e pode ser baseada no código de fabricação da peça, ou por meio de normas, à escolha do cliente. Então, preparase um relatório indicativo das condições do ensaio, da identificação da peça e seu resultado (aprovado ou reprovado). - Limpeza pós ensaio: novamente se limpa toda a peça, visando não prejudicar uma próxima etapa de algum processo (usinagem ou soldagem). Como este processo dá-se por meio de reação química e física, existe um tempo limite para a avaliação ser considerada confiável, pois, após este tempo, o LP começa a espalhar-se pela superfície da peça, o que implica resultados falsos no ensaio. Portanto, na prática, acrescenta-se um passo na etapa de avaliação e inspeção, que ocorre quando o inspetor de qualidade posiciona uma trena (fita métrica), próxima à peça e tira fotos. Assim, posteriormente, poderá ser realizada a análise com o auxílio de um computador, obtendo resultados verdadeiros do ensaio. 6

18 Vantagens: É um método muito fácil de ser aplicado e avaliado, sem limitações de tipo de material, tamanho ou forma da peça, exceto para materiais porosos. Apesar da sua simplicidade, pode revelar descontinuidades da ordem de 0,001 mm. Desvantagens: Detecta apenas descontinuidades abertas para a superfície, visto que o penetrante tem que entrar em tal descontinuidade para poder ser revelado. Não pode ser aplicado em materiais porosos ou absorventes e ainda deve-se tomar cuidado com a temperatura da peça a ser aplicado o penetrante (informada pelo fabricante) Norma PT 70-3 Como toda norma, visa à padronização de métodos e processos, variando de acordo com a necessidade da área e a aplicação que essa norma abrange. O objetivo da norma PT 70-3 é classificar os erros identificados a partir do ensaio de líquido penetrante, e classificá-los de acordo com suas classes Indicações Indicações Lineares São indicações com comprimento maior ou igual a três vezes a largura. Figura 1.1: Indicação de Linearidade: a 3 * b. (ANDREUCCI, 2008, p. 39). 7

19 Indicações Arredondadas São Indicações com comprimento menor que três vezes a largura. Figura 1.2: Indicação de Arredondamento: a < 3 * b. (ANDREUCCI, 2008, p. 39). Indicações alinhadas São indicações com dimensões acima de 1,5 mm, arredondadas e separadas entre si de 2 mm ou menos. Figura 1.3: Indicação de Alinhamento: d 2 mm. (ANDREUCCI, 2008, p. 39) Critérios de Aceitação A norma PT 70-3 é dividida em cinco classes, mostrada na Tabela 1.1, traduzida da língua Inglesa para a Portuguesa (Brasil). Classes 1 Limiar de obrigação (mm) a = 0,5 Indicação arredondada (mm) a < 2 Indicação linear (mm) nenhuma Indicação alinhada (mm) nenhuma Superfície total de indicações (mm^2 ) 6 a 7 2 a = 1 a < 3 nenhuma nenhuma 16 3 a = 1,5 a < 4 nenhuma nenhuma ,5 < a < 2 a < 6 nenhuma L < ,5 < a < 2 a < 8 a < 7 L < Tabela 1.1: Critérios das classes da norma PT

20 1.6. Considerações Finais Os conhecimentos apresentados somados com as técnicas de PDI que serão abordadas no capítulo seguinte, serão de grande importância para o desenvolvimento do aplicativo, pois é neste ponto que ocorre a abstração de um problema do mundo real para a solução por meio de métodos computacionais. 9

21 CAPÍTULO 2 PROCESSAMENTO DIGITAL DE IMAGENS 2.1. Considerações Iniciais Segundo Gonzalez e Woods (2000), o interesse em métodos de processamento digital de imagens (PDI) decorre de duas áreas principais de aplicação: melhoria de informação visual para a interpretação humana e processamento de dados para a percepção automática por meio de máquinas. Uma das primeiras aplicações de PDI para a primeira área foi o melhoramento de imagens digitais para jornais, que eram transmitidas por cabos submarinos de Londres para New York. Com o passar dos anos, melhoramentos dos métodos foram surgindo, pelo avanço da computação. Assim, diversas áreas passaram a usufruir de tais métodos. Na área de medicina, por exemplo, são usados para melhorar o contraste de raios X. Similarmente, podem-se usar tais métodos nas áreas de astronomia, biologia, geografia, física, aplicações industriais entre outras. (GONZALEZ; WOODS, 2000). Para a segunda área, utiliza-se esse poder de extração de informações de imagens para o reconhecimento de caracteres e impressões digitais, por exemplo, contagem de células em amostras de sangue, processamento de imagens aéreas para plantio ou previsão de tempo, visão computacional industrial para inspeção de produtos etc. Este capítulo apresenta o estudo de conceitos, fundamentos, elementos e técnicas para o processamento de imagens digitais Passos Fundamentais para Processamento de Imagens Segundo Gonzalez e Woods (2000), os passos fundamentais para o processamento de imagens podem ser resumidos conforme ilustração da Figura

22 Figura : Passos fundamentais em processamento de imagens digitais. Para o melhor entendimento dos passos que serão citados, como exemplo de aplicação, pode-se pensar na leitura e reconhecimento automático dos caracteres de uma placa de um veículo automotor. Com esse exemplo, define-se domínio do problema como sendo a placa, e o resultado, como uma seqüência de caracteres. O primeiro passo é a aquisição de imagens; trata-se de adquirir uma imagem em formato digital. Para isso, utiliza-se um sensor de imageamento, como uma câmera de TV ou câmera de varredura por linha, dependendo da aplicação. Se a saída do sensor utilizado não for digital, faz-se necessário um conversor analógicodigital. Para o nosso exemplo, utiliza-se uma câmera de varredura por linha. Depois da aquisição, o próximo estágio é o pré-processamento que, usando técnicas como realce de contrastes e eliminação de ruído, torna-se responsável pelo melhoramento da imagem. A seguir, a segmentação, divide uma imagem de entrada em partes ou objetos constituintes; a quantidade de partes depende da aplicação. A segmentação autônoma é uma tarefa muito difícil, resulta diretamente no sucesso ou fracasso da análise. No nosso exemplo, seria responsável pela extração dos caracteres individuais da placa. 1 Disponível em: Acessado em: 07/06/

23 Após a segmentação, o passo seguinte é a representação e descrição, onde definimos se os dados serão representados como fronteiras, onde o interesse concentra-se em propriedades externas (cantos ou pontos de inflexão) ou propriedades internas (textura ou forma de esqueleto). Em algumas aplicações, fazse necessário as duas propriedades, como no nosso caso de reconhecimento de caracteres. Depois de definido a representação é necessária a descrição, que procura extrair informações quantitativas para um próximo processamento computacional. Para o nosso exemplo, características como buracos e concavidades seriam ótimos descritores. O último passo trata-se do reconhecimento e interpretação, onde o reconhecimento é o processo que rotula um objeto, por meio de características informadas pelo descritor. E a interpretação é responsável por atribuir significado a um conjunto de objetos. Um processo ainda não citado, mas de grande valia, é a base de conhecimento, pois é responsável por guiar a operação de cada módulo e também controlar a iteração entre eles. Pode conter desde informações simples, como uma região da imagem onde se tem o interesse por uma informação, até informações complexas, como uma lista inter-relacionada de todos os principais defeitos em um problema de inspeção de materiais Fundamentos de Imagens Digitais Para representação de uma imagem digital em um computador, faz-se necessário o conceito e definição de imagem; ou seja: O termo imagem monocromática, ou simplesmente imagem, refere-se à função bidimensional de intensidade da luz f(x,y), onde x e y denotam as coordenadas espaciais e o valor f em qualquer ponto (x, y) é proporcional ao brilho (ou níveis de cinza) da imagem naquele ponto. (GONZALEZ; WOODS, 2000, p. 4). 12

24 Sendo assim, pode-se representar uma imagem em um computador como uma matriz, em que seus índices (linhas e colunas) indicam um ponto da imagem e, seu valor, indica o nível de cinza em tal ponto. Para cada elemento dessa matriz dá-se o nome de pixel, abreviação de picture elements (elementos de figura) Amostragem e Quantização Para processar-se uma imagem computacionalmente ela precisa ser digitalizada tanto espacialmente quanto em amplitude, sendo tais processos definidos como amostragem e quantização, respectivamente. Como visto anteriormente, na computação pode-se representar uma imagem contínua f(x,y) de amostras igualmente espaçadas, em forma de uma matriz M x N, conforme a equação abaixo. (FILHO; NETO, 1999, p. 22). f (0,0) f (1,0) f ( x, y) = M f ( N 1,0) f (0,1) f (1,1) M f ( N 1,1) L L M L f (0, M 1) f (1, M 1). (2.1) M f ( N 1, M 1) Portanto, para o processo de digitalização, fazem-se necessárias decisões de alguns parâmetros, por exemplo, os valores para M, N e G (níveis de cinza; G=2 m ). Quanto maiores forem esses parâmetros, melhor será a resolução da imagem aproximada pela matriz digitalizada. Em contrapartida, quanto maiores forem os parâmetros, maior será o processamento e o espaço para armazenamento da imagem. O aumento do processamento ocorrerá devido as técnicas de PDI terem que percorrer uma matriz maior. O aumento de espaço para armazenamento dá-se devido à equação da quantidade de b (bits) necessários para armazenar a imagem, dada pela equação (2.2). 13

25 b = N x M x m. (2.2) É fácil notar o impacto desses parâmetros se observarmos a Figura 2.2, onde ocorre à diminuição da taxa de amostragem, e a Figura 2.3, diminuição do número de bits: Figura 2.2: Da esquerda para direita, de cima para baixo, ocorreu uma diminuição da taxa de amostragem de N = 1024 para N = (512,256,128,64,32) respectivamente. (GONZALEZ; WOODS, 2000, p. 24). 14

26 Figura 2.3: Da esquerda para direita, de cima para baixo, ocorreu uma diminuição do número de bits de b=8 para b=(6,5,4,3,2,1), respectivamente. Ou seja, a quantização (valor que o pixel pode assumir) variou de 256 até 2. (FILHO; NETO, 1999, p.24) Pixel e sua Conectividade Um pixel é o elemento básico em uma imagem. A forma mais comum para o pixel é a retangular ou quadrada. O pixel é um elemento de dimensões finitas na representação de uma imagem digital. (ESQUEF; ALBUQUERQUE, 2003, p. 1). Um pixel i, de coordenadas (x,y), possui quatro vizinhos laterais (adjacentes) e quatro vizinhos diagonais; assim, sua conectividade é definida de duas formas: - Conectividade-de-4: quando se consideram apenas os quatro vizinhos adjacentes do pixel, sendo eles (x+1, y), (x-1, y), (x, y+1) e (x, y-1). Portanto, pode-se definir a distância como 1 ao pixel central. 15

27 - Conectividade-de-8: quando, além dos quatro vizinhos adjacentes, consideram-se também os quatro vizinhos diagonais, sendo eles (x-1, y-1), (x-1, y+1), (x+1, y-1) e (x+1, y+1). Diferente da anterior, apresentam distância central. 2 do pixel Ambas as conectividades podem ser vistas de forma mais clara na Figura 2.4. i 1 i 3 i 0 i 2 i 4 i 1 i 2 i 3 i 4 i 0 i 5 i 6 i 7 i 8 Conectividade-de-4 Conectividade-de-8 Figura 2.4: Conectividades de um pixel. Para definir se dois pixels estão conectados, além do conceito de vizinhança, eles devem possuir alguma similaridade em relação ao seu nível de cinza. Por exemplo, em uma imagem binária (composta apenas com níveis 0 e 1), dois pixels mesmo sendo vizinhos adjacentes, apenas são ditos conectados se possuírem valores iguais. Essas definições são muito importantes para o estabelecimento de bordas e regiões de uma imagem Realce de Imagens Segundo Gonzalez e Woods (2000), realce de imagens consiste de técnicas de processamento para obtenção de uma imagem resultante, apropriada a um determinado uso específico. Específico, porque realmente depende da aplicação. Assim, uma técnica utilizada em uma aplicação pode não servir para outra e viceversa. 16

28 Tais técnicas dividem-se em duas categorias, métodos no domínio espacial e métodos no domínio da freqüência, melhor detalhadas a seguir. O domínio espacial refere-se ao próprio plano da imagem, e as abordagens nessa categoria são baseadas na manipulação direta dos pixels das imagens. Suas funções de processamento de imagens podem ser expressas como: g(x,y) = T [f(x,y)], (2.3) onde f(x,y) é a imagem de entrada, g(x,y) é a imagem processada e T é um operador sobre f, definido sobre alguma vizinhança de (x,y). O domínio da freqüência baseia-se na modificação das transformadas de Fourier das imagens (teorema da convolução). Sua função é expressa como: g(x,y) = h(x,y) * f(x,y), (2.4) onde g(x,y) é uma imagem formada pela convolução de uma imagem f(x,y) e um operador linear invariante com a posição h(x,y). Portanto, do teorema da convolução, a seguinte relação do domínio da freqüência é verificada: G(x,y) = H(x,y) * F(x,y), (2.5) onde G, H e F são as transformadas de Fourier de g, h e f, respectivamente. De acordo com Muniz (2007), quando a vizinhança considerada for apenas o próprio pixel, classificam-se as técnicas como Realce por Processamento Ponto a Ponto, em que a saída em cada ponto depende apenas do valor deste ponto. Em contrapartida, se for considerada uma vizinhança maior, classificam-se as técnicas como Realce por Processamento por Máscara, que são técnicas que calculam a 17

29 saída a partir dos valores do pixel (x,y) em questão e seus vizinhos, sendo a saída aplicada ao pixel (x, y) Realce por Processamento Ponto a Ponto Neste tópico serão estudados métodos baseados apenas na intensidade de pixels isolados, sendo as técnicas mais simples para realce de imagens Negativo Tem como objetivo obter o complemento de uma imagem digital, ou seja, a inversão de cores de tal imagem. Para melhor entendimento, considere uma imagem de 8 bits, possuindo valor de 0 a 255 para cada pixel. Para obter-se o negativo, o algoritmo executa, para cada pixel, a operação abaixo: g(x,y) = 255 f(x,y). (2.6) Essa técnica pode ser aplicada para imagens coloridas e para imagens em tons de cinza. Esta aplicação pode ser observada na Figura 2.5 e Figura 2.6. Figura : Imagem original colorida à esquerda e o seu negativo à direita. 2 Disponível em: Acessado em: 08/06/

30 Figura 2.6: Imagem original em tons de cinza à esquerda e o seu negativo à direita Alargamento de Contraste Baixo contraste pode decorrer de iluminação insuficiente, limitações da escala do sensor de imageamento, ou ainda, da abertura incorreta da lente durante a aquisição da imagem. Essa técnica consiste no aumento da escala dos níveis de cinza da imagem (Figura 2.7). Em geral, procura-se preservar a ordem dos níveis de cinza, impedindo a criação de artefatos na intensidade da imagem. Figura : Alargamento de contraste - (a) função de transformação; (b) imagem de baixo contraste; (c) resultado após o alargamento de contraste; (d) resultado da limiarização com limiar 128. (GONZALEZ; WOODS, 2000, p. 120). 3 Disponível em: image015.jpg; Acessado em: 12/06/09. 19

31 Realce por Processamento por Máscara Filtros Passa-Baixa São filtros que eliminam elementos de alta-freqüência em uma imagem e deixam passar os de baixa-freqüência, por meio da média da vizinhança de um pixel, definida pela máscara aplicada. Quanto maior o tamanho da máscara, menos nítidas as imagens resultantes ficarão, porque mais componentes de alta-freqüência são removidos ou atenuados. Elementos de baixa-freqüência são as mudanças graduais sobre um grande número de pixels, enquanto elementos de alta-freqüência são as transições abruptas (tal como ruído) nos níveis de cinza, ou seja, bordas ou pontos isolados da imagem. Assim, o efeito desse filtro é a suavização de detalhes (bordas) e diminuição do número de níveis de cinza (contraste). A suavização tende a minimizar ruídos e apresenta o efeito de borramento da imagem, como mostra a Figura 2.8. Figura : Imagem original (esquerda) e após a aplicação do filtro passa-baixa (direita) Filtros Passa-Alta São filtros que eliminam elementos de baixa freqüência em uma imagem e deixam passar os de alta-freqüência. Muito utilizados para realçar bordas, linhas ou curvas, porém podem causar efeitos indesejados, como o de enfatizar ruídos da imagem, o que pode ser observado na Figura Disponível em: Acessado em: 12/06/09. 20

32 Figura : Imagem original (esquerda) e após a aplicação do filtro Passa-Alta (direita) Segmentação Segundo Filho e Neto (1999), os principais métodos de segmentação de imagem são: limiarização, detecção de descontinuidade e segmentação por regiões. A segmentação subdivide uma imagem em suas partes ou objetos constituintes. O nível dessa subdivisão depende do problema a ser resolvido, sendo assim, o processo de segmentação pára quando os objetos de interesse são isolados. (GONZALEZ; WOODS, 2000). Os algoritmos de segmentação monocromática utilizam propriedades de valores de cinza, de descontinuidade e de similaridade. A descontinuidade idealiza particionar a imagem, baseada em mudanças bruscas nos níveis de cinza, detectando, assim, pontos isolados, linhas e bordas. A similaridade baseia-se em limiarização, crescimento de regiões e divisão, como também a fusão de regiões. Ambas podem ser aplicadas em imagens estáticas ou dinâmicas. 5 Disponível em: s400/gama_cores.gif; Acessado em: 08/06/

33 Detecção de Descontinuidade Apesar de existirem diversas técnicas para vários tipos de detecção de descontinuidade de imagens digitais, limitar-nos-emos a apenas três, as mais básicas: pontos, linhas e bordas. Para melhor entendê-las, faz-se necessário o conhecimento sobre máscaras, que nada mais é que uma matriz de tamanho e valores definidos conforme alguma técnica estipulada. A Figura 2.10 mostra uma máscara 3 x 3 genérica. w 1 w 2 w 3 w 4 w 5 w 6 w 7 w 8 w 9 Figura 2.10: Máscara 3 x 3 genérica. A idéia é varrer a imagem toda com essa máscara, fazendo, por exemplo, o cálculo da soma dos produtos dos coeficientes da máscara, pelos níveis de cinza da região coberta pela máscara. A equação (2.7) indica a resposta da máscara para um ponto qualquer da imagem, isto é: R = w 1 z 1 + w 2 z w 9 z 9 = w z i i, (2.7) 9 i= 1 onde z i é o nível de cinza do pixel, associado com o coeficiente w i da máscara Detecção de Pontos Pontos isolados podem ser detectados de forma direta por meio da aplicação da máscara vista na Figura 2.11, pois tem-se que um ponto isolado possui seu nível de cinza muito diferente dos seus vizinhos. 22

34 Figura 2.11: Máscara utilizada na detecção de pontos isolados. equação: Sendo assim, diz-se que um ponto foi identificado se o mesmo respeitar a R > T, (2.8) onde R é dado pela equação (2.7), e T é um limiar não-negativo Detecção de Linhas Do mesmo modo, quando se aplica uma das máscaras da Figura 2.12 por toda a imagem, obtêm-se uma resposta fortemente a linhas (largura do pixel), com direções orientadas conforme a máscara aplicada, ou ainda para todas as direções, se assim for o algoritmo implementado Horizontal + 45º Vertical - 45º Figura 2.12: Máscaras para linhas. Portanto, a primeira máscara responde melhor a linhas orientadas horizontalmente, já a segunda máscara, a linhas orientadas a + 45º, a terceira, a linhas verticais e a quarta, a linhas na direção -45º. 23

35 Detecção de Bordas Considera-se borda como o limite entre duas regiões com propriedades relativamente distintas de nível de cinza. Na maioria das técnicas, a idéia é a computação de um operador local diferencial, conforme a Figura 2.13 abaixo: Figura 2.13: Detecção de bordas por operadores de derivação. (GONZALEZ; WOODS, 2000, p. 298). A primeira derivada é utilizada na detecção da presença de uma borda, dada pelo vetor a seguir. f G = G x y f = f x. (2.9) y Em detecção de bordas, a magnitude desse vetor é chamada de gradiente e denotada a seguir: [ G x G ] 2 f = mag( f ) = + y. (2.10) 24

36 E aproximando a valores absolutos, é denotada como: f G x + G y. (2.11) A segunda derivada é utilizada para identificar se o pixel da borda localiza-se no lado claro ou escuro da imagem, obtida por meio do laplaciano, e definida como: f x f y f = +. (2.12) 2 2 Para exemplificar, a seguir apresenta-se alguns dos filtros mais comuns para detecção de bordas horizontais, verticais e em outros sentidos (+45º e -45º). Este processo é muito simples, pois quando uma linha ou coluna central de 0 s encontrarse entre duas regiões com diferentes níveis de cinza, esta linha será realçada. Figura 2.14: Aplicação dos filtros de Prewitt. 25

37 Figura 2.15: Aplicação dos filtros de Sobel. Figura 2.16: Aplicação do filtro Laplaciano. Figura 2.17: Aplicação do filtro Passa-Alta Básico. 26

38 Limiarização A limiarização, também conhecida como Thresholding, consiste em dividir uma imagem, em grupos, com níveis de cinzas distintos, usada para localizar uma região de interesse, por exemplo, para separar um objeto do seu fundo. Pelo histograma de uma imagem, pode-se analisar e identificar quantos grupos dominantes existe na imagem. Se forem identificados apenas dois grupos, dá-se o nome de limiar único, que é o mais utilizado e confiável. Do contrário, quando identificados mais de dois grupos, dá-se o nome de limiarização multiníveis. Entretanto, não é um método muito confiável, pela dificuldade de estabelecimento de múltiplos limiares. Uma aplicação comum é a binarização da imagem, cujo objetivo é atribuir apenas dois níveis à imagem: preto ou branco. Para isso, define-se um limiar T (tom de cinza) e percorre-se a imagem, comparando pixel a pixel com tal limiar. Se for menor ou igual ao limiar, o pixel assume o valor 0, do contrário, assume o valor 255. A equação matemática é dada pela por: 0 0 f ( x) T g ( x) =. (2.13) 255 T f ( x) 255 Conseqüentemente, o resultado será uma matriz de números inteiros 0 ou 255. (ou ainda, representado pelo valor 1). A Figura 2.18 representa essa técnica, utilizando um limiar de 128 em uma imagem em tons de cinza de 8 bits, ou seja, assumindo valores de 0 a

39 Figura 2.18: Aplicação da limiarização com limiar de Segmentação Orientada a Regiões Como dito anteriormente, o objetivo da segmentação é particionar a imagem em regiões. Diferentemente das técnicas anteriores, esta técnica baseia-se na descoberta das regiões diretamente Formulação Básica Segundo Gonzalez e Woods (2000), sendo R a região completa de uma imagem; imagina-se segmentação como o processo de particionar R em n regiões R 1, R 2,..., R n, tal que: a) U n R i = R i=1 Cada pixel deve pertencer a uma região. b) R i é uma região conexa, i = 1, 2,..., n Os pixels em uma região devem ser conexos. c) R i R j = ø para todo i e j, i j As regiões devem ser disjuntas (ø é o conjunto vazio). 28

40 d) P(R i ) = VERDADEIRO para i = 1, 2,..., n Propriedades dos pixels que satisfaçam uma região segmentada. e) P(R i R j ) = FALSO para i j As regiões R i e R j são diferentes no sentido do predicado P. Onde P(R i ) é um predicado lógico sobre os pontos do conjunto R i Crescimento de Regiões por Agregação de Pixel Segundo Gonzalez e Woods (2000), o crescimento de regiões é um procedimento que agrupa pixels ou sub-regiões em regiões maiores. A abordagem mais simples é a agregação por pixels, que começa com um conjunto de pontos, denominados semente. A partir deles crescem as regiões anexando a cada ponto semente aqueles pixels que possuam propriedades similares, como nível de cinza, textura ou cor. A seguir apresentamos um exemplo dessa técnica, onde a Figura 2.19 mostra uma seção de um mapa contendo um único ponto semente, indicado por um ponto preto. Foram utilizados dois critérios para o crescimento de região. - a diferença absoluta entre os níveis de cinza da semente e do ponto candidato não exceda 10% da diferença entre o menor e o maior nível de cinza. - todo e qualquer pixel acrescentado a região apresente uma conectividadede-8 com pelo menos um pixel incluído naquela região. 29

41 Figura : Crescimento de regiões - (a) imagem original com um ponto semente; (b) estágio primário de crescimento de uma região; (c) estágio intermediário; (d) região final. (GONZALEZ; WOODS, 2000, p. 328). Apesar dos pixels vizinhos da região crescida satisfazerem o critério de níveis de cinza admitidos, houve uma condição de parada no crescimento, pois os pixels não satisfizeram o critério de conectividade, devido à borda escura em torno da região crescida Considerações Finais Foram apresentados neste capítulo conceitos, fundamentos básicos e técnicas de processamento digital de imagens, juntamente com os resultados da aplicação de algumas dessas técnicas que serão utilizadas na próxima fase deste trabalho. 6 Disponível em: Acessado em: 08/06/

42 CAPÍTULO 3 APLICATIVO 3.1. Considerações Iniciais Neste capítulo serão abordadas as funcionalidades do aplicativo por meio das técnicas estudadas anteriormente. O desenvolvimento foi dividido em duas fases, a primeira foi a implementação de técnicas de PDI de forma geral, por meio delas foi possível executar análises e testar algoritmos de segmentação, onde algumas delas serão utilizadas como entrada para a segunda fase, responsável pela identificação e classificação dos defeitos do casquilho de bronze Interface Inicial do Aplicativo Para o aplicativo foi desenvolvido uma interface simples e intuitiva, composta por um menu superior, responsável pela execução dos algoritmos mais complexos e importantes; barra lateral (a esquerda) com botões de ação auxiliares; barra de status (rodapé), com informações do pixel marcado pela posição atual do ponteiro do mouse sobre a imagem, como a posição X e Y, valores de RGB, tom de cinza, R/G e B/G; visualização da imagem a ser processada (a direita). A Figura 3.1 mostra a interface inicial do aplicativo. 31

43 Figura 3.1: Interface inicial do aplicativo Menu Superior É composto por sub-menus que foram divididos por categorias, o que otimiza a interface e facilita a interatividade e/ou operação do aplicativo. Oferecem acesso as funcionalidades mais importantes do aplicativo. Abaixo segue uma breve explicação sobre cada sub-menu Procurar Imagem Para abrir uma imagem acessa-se o menu Arquivo Procurar Imagem, uma caixa será exibida solicitando o arquivo a ser aberto, depois de selecionado, clique no botão Abrir, como é ilustrado na Figura

44 Figura 3.2: Abertura de imagens no aplicativo. Para visualização da imagem foi utilizado o componente TImage, nativo do Delphi, capaz de carregar imagens do tipo BMP (bitmap). Como geralmente as imagens obtidas a partir de câmeras digitais são geradas e armazenas no formato JPEG, foi elaborado um algoritmo que aceita tais imagens e as convertem para BMP, permitindo assim serem reconhecidas pelo componente TImage. Todas as imagens quando abertas, são formatadas para 24 bits, o que permite o valor do pixel variar de 0 a 255. Para acessar os valores de RGB, foi utilizada uma propriedade do componente TBitmap chamada ScanLine, que fornece acesso indexado a cada linha de pixels. Processo que tem melhor desempenho do que a função GetRValue (onde R pode ser G ou B também), que utiliza uma API do Windows para retornar um byte correspondente ao valor do pixel. 33

45 Salvando uma Imagem A opção Salvar Imagem, também disponível no menu Arquivo, permite que a imagem seja salva a qualquer momento, mesmo depois de editada pelos algoritmos Restaurar (Colorido) Acessível pelo menu Editar Restaurar (Colorido), tem o objetivo de desfazer todas as transformações dos algoritmos aplicadas às imagens. Foi criada uma função que recarrega a imagem original sem a necessidade de reabrir a imagem, o que causaria um transtorno ao usuário. Este processo é possível porque foram criadas matrizes de backup de RGB, sendo assim, as transformações ocorrem em outras matrizes, o que permite recarregar a imagem em seu estado original sem a necessidade de reabri-la manualmente Restaurar (Cinza) Com o mesmo objetivo e princípio da opção Restaurar (Colorido), porém ao invés de carregar as matrizes de backup RGB, carrega a matriz de backup em tons de cinza Desfazer Desfaz a última transformação realizada voltando a imagem para um estado anterior. Este recurso só é permitido, pois antes de cada algoritmo ser executado, os valores dos pixels atuais da imagem são salvos em outras matrizes, sendo as mesmas diferentes das manipuladas nos algoritmos e das de backup. 34

46 Tons de Cinza Disponível no menu Efeitos, assim como as próximas funções, transforma a imagem colorida em tons de cinza, algoritmo simples de ser implementado, calculase a média, (R+G+B) / 3, de cada pixel, o resultado pode ser visto na Figura 3.3. Figura 3.3: Utilização da função Tons de Cinza Negativo Inverte os valores de cada pixel (Figura 3.4) por meio de operação de complemento, independente da imagem ser colorida ou em tons de cinza (melhor detalhado no item ). 35

47 Figura 3.4: Utilização da função Negativo para imagem colorida e para imagem em tons de cinza Preto e Branco Função para binarizar uma imagem, ou seja, transformá-la em preto e branco (explicada no item 2.5.2). Para o valor de limiar do algoritmo foi criado uma ferramenta auxiliar onde o usuário define, por meio do componente TTrackBar, qual o valor desejado (Figura 3.5). A função aplica-se instantaneamente a cada troca de valor e assim permite ao usuário visualizar qual valor é melhor para aquela imagem. Após a escolha do limiar o usuário pode aplicar ou cancelar a transformação. Figura 3.5: Utilização da função Preto e Branco com limiares de 60, 129 e

48 Freqüência de Corte Ferramenta desenvolvida para análise de imagens. Além de apresentar os histogramas (R, G, B, Gray, R/G e B/G), permite a edição individual das cores da imagem, também por meio do componente TTrackBar, porém, utiliza dois componentes para cada cor, um para o mínimo (MIN) e outro para o máximo (MAX). A Figura 3.6 ilustra a tela desta ferramenta. Figura 3.6: Utilização da função Freqüência de Corte removendo todo R e B da imagem. O algoritmo funciona como um filtro, percorrendo e analisando todos os pixels, verificando se eles estão no limite (valores entre o MIN e MAX), informado pelo usuário. Se estiverem, seus valores não são alterados, caso contrário, são passados para zero (preto). Com esta ferramenta, identificou-se a possibilidade de segmentação por tons das cores, transformação que serviu de entrada para outros algoritmos do aplicativo Contraste Permite ao usuário alterar o contraste da imagem para corrigir possíveis falhas geradas no momento da captura da imagem (explicado no item ), geralmente causadas por iluminação incorreta. A usabilidade é simples (Figura 3.7), por meio de 37

49 um componente TTrackBar o usuário altera o valor do gamma, que é o fator de correção da imagem, dada pela equação (3.1): S = R γ x C, (3.1) onde R é o valor do pixel atual, S será o novo valor e C é uma constante (255 / 255 γ ) que limita os valores de S entre 0 e 255. Figura 3.7: Utilização da função Contraste. Como pode ser visto, foi criado um gráfico (S x R) que representa qual foi o nível de contraste alterado Borda dos Defeitos Algoritmo desenvolvido para identificação das bordas dos defeitos. Baseia-se na freqüência de corte do R/G, escolhendo os valores para mínimo e máximo de tal maneira que fiquem apenas as bordas. O resultado pode ser visto na Figura

50 Figura 3.8: Utilização da função Borda dos Defeitos. O algoritmo cria uma matriz com valor 1 nas posições referentes as bordas das matrizes RGB e 0 para as diferentes. Posteriormente, nas posições com valor 1 dessa matriz passa o valor 0 para os pixels R e G e, 255 para o B. Por último, recarrega o componente TImage com as matrizes RGB alteradas Subtração Para a execução desta função, após aberta a primeira imagem e escolhida a opção Subtração, o programa exibe outra caixa solicitando a segunda imagem. Feito isto, ele solicita a confirmação da subtração. Caso seja positivo, ele executa o algoritmo de subtração, que percorre todos os pixels de cada imagem e subtrai os de mesma posição. A Figura 3.9 mostra um exemplo de aplicação, isto é, a identificação automática do Jogo dos 7 Erros, onde são passadas duas imagens muito semelhantes, porém com sete diferenças. 39

51 Figura 3.9: Utilização da função Subtração. Apesar de simples, é uma técnica muita utilizada para identificar e comparar formas de uma imagem. Pode ser utilizada em diversas áreas, como na medicina onde, por exemplo, faz-se necessário a comparação automática de tamanhos e padrões de um câncer por meio de imagens de raios-x Filtros Para detecção de bordas (Figura 3.10) e remoção de ruídos, foi desenvolvido um algoritmo que recebe como entrada uma imagem em tons de cinza e uma matriz 3x3, também conhecida como máscara de convolução, que percorre toda a imagem realizando a média da soma das multiplicações de cada pixel da máscara pelo seu correspondente da imagem. 40

52 Os valores desta máscara podem ser alimentados de forma manual ou ainda selecionando alguns filtros pré-determinados, são eles: Laplaciano, Passa-Alta, Prewitt e Sobel. A teoria é melhor explicada no item 2.5.1, inclusive com um exemplo de aplicação destes filtros pelo próprio aplicativo. Figura 3.10: Utilização dos Filtros. Imagem original em tons de cinza, aplicação do filtro Passa-Alta e aplicação do filtro Sobel Histograma A função desta operação é indicar graficamente qual a distribuição dos pixels nos níveis de RGB e tons de cinza da imagem. Um exemplo desta funcionalidade pode ser visualizado na Figura

53 Figura 3.11: Utilização da função Histograma. A idéia do algoritmo é simples, contam-se quantos pixels tem o mesmo nível de cada cor RGB e tons de cinza, e mostra um gráfico desta distribuição. O eixo X representa os níveis de 0 a 255, e o eixo Y, a quantidade de pixels encontrados em cada nível. Os valores do eixo Y foram divididos pela quantidade total de pixels da imagem, o que representa a probabilidade, sendo assim, os valores do eixo Y sempre estarão entre 0 e Parametrização Acessível pelo menu Análise Parametrização, assim como as próximas funções, é a principal função do aplicativo, pois é a responsável pela segmentação da imagem e pela definição da escala de pixel/mm (quantos pixels correspondem a um milímetro). Foi dividida em três passos, são eles: - Escala pixel/mm: como referência foi utilizado um quadrado de papel impresso na cor verde, com 10 mm de largura por 10 mm de altura, ou seja, uma área de 100 mm 2. Neste passo, o aplicativo segmenta a imagem deixando apenas os pixels com valor de R/G próximos a 0,4 (Figura 3.12), ou ainda de forma manual, chamado de calibração manual, será explicado mais abaixo. Após a segmentação, faz-se uma contagem desses pixels (QtdePG) e calcula-se a escala como 42

54 ( QtdePG / 10) e a área como (100 / QtdePG). Estes valores são armazenados em variáveis globais e utilizados para cálculos futuros de largura, altura e área. Figura 3.12: Processo de definição de escala (pixel/mm). - Segmentação dos defeitos: neste passo também ocorre segmentação com relação à razão de R/G, porém, agora deixa apenas os valores entre 1,5 e 2 (Figura 3.13), valores que representam os defeitos (cor avermelhada), também com a possibilidade da calibração manual. Esta segmentação foi possível, pois o fundo da imagem (tonalidade branca e cinza) tem valores de R/G próximos a 1. Figura 3.13: Processo de segmentação dos defeitos. 43

55 - Binarização: binariza a imagem com limiar 0, pois como a imagem já estava segmentada (fundo preto e defeitos avermelhados), o que se deseja é transformar os pixels avermelhados em branco (Figura 3.14), o que facilita a visualização dos defeitos e também os próximos algoritmos, como o Flood por exemplo. Figura 3.14: Processo de binarização dos defeitos Calibração Manual No processo de segmentação da escala e dos defeitos é necessário passar um valor limiar. Por meio de análises em diversas imagens, identificou-se um valor padrão; este valor é passado de forma automática para os algoritmos, ou ainda, permite o usuário definir estes valores de forma manual. Este último, chamado de Calibração Manual (Figura 3.15). 44

56 Figura 3.15: Processo de segmentação por meio da opção Calibração Manual. Foram criados dois componentes TTrackBar s, o primeiro responsável pela segmentação dos defeitos e o segundo para a escala. Após a escolha dos valores, deve-se clicar no botão Aplicar, caso deseja-se utilizar os valores definidos manualmente, ou ainda Cancelar, para deixar os algoritmos assumirem os valores padrões Relatório Tem a função de documentar toda a análise da imagem realizada pelo aplicativo. Muito utilizado no dia-a-dia dos inspetores de qualidade, pois os mesmos devem preparar este tipo de relatório para apresentar para seus supervisores e posteriormente para seus clientes. Por meio deste relatório podem ser tomadas algumas decisões, desde uma aprovação até o reparo ou descarte da peça em análise. A Figura 3.16 mostra um exemplo deste relatório. 45

57 Figura 3.16: Visualização do Relatório Controle de Qualidade Barra Lateral Com a mesma intenção do menu superior, porém, composta por botões auxiliares com funções mais simples. Tais funções serão descritas a seguir Zoom Ferramenta desenvolvida para auxiliar a visualização de defeitos e/ou detalhes com dimensões pequenas. A utilização é simples, para ativá-la é necessário marcar o checkbox Zoom, escolher o fator de zoom que varia de 1x a 5x e apontar com o mouse a região que se deseja visualizar com zoom. Uma nova janela será 46

58 criada com o zoom já aplicado. Para desativá-lo, basta desmarcar o checkbox Zoom. Um exemplo desta aplicação é mostrado na Figura Figura 3.17: Utilização da função de Zoom com fator 4x. Para a criação deste algoritmo, foi utilizada uma propriedade do componente TImage chamada Stretch. Quando ativada, ajusta o bitmap exatamente nos limites do componente de imagem, sendo assim, quanto menor o bitmap passado, maior será seu ajuste e exibição. As dimensões (largura e altura) do componente TImage referente a imagem com zoom foi fixado; para o fator 1x foi passado a mesma dimensão do componente TImage, para o 2x, foi passado metade desta dimensão e similar para os outros fatores (3x, 4x e 5x) Shape É ativado e desativado pelo checkbox Shape e possui quatro formas (círculo, elipse, quadrado e retângulo). Pode ser redimensionado tanto em largura quanto em altura por meio da combinação Ctrl+Scroll e Shift+Scroll, respectivamente. Acompanha sempre o ponteiro do mouse, e com um clique, copia a imagem (dimensões definidas pela sua área interna), para um novo componente de imagem, permitindo ser analisada separadamente. A Figura 3.18 mostra este recurso. 47

59 Figura 3.18: Utilização da função Shape. Sua principal vantagem é analisar imagens com tamanho definidos pelo usuário, principalmente na parte onde a norma exige que apenas analisem-se os defeitos em uma área de 100x105 mm 2. Para controlar este requisito, a barra de status informa SW (largura do shape) e SH (altura do shape), com a grandeza já convertida de pixel para milímetro Vertical e Horizontal Sua função é rotacionar a imagem 180º na vertical e/ou horizontal. Foi criada para ocasiões onde a peça não esteja em sua posição correta, assim, posteriormente o inspetor pode localizar os defeitos de forma mais fácil. Este recurso pode ser visto na Figura

60 Figura 3.19: Utilização das funções de rotação, da direita para esquerda, de cima para baixo, imagem original, 180º vertical, 180º horizontal e 180º vertical + 180º horizontal Mapa de Pixels Um novo formulário é criado com quatro componentes do tipo TStringGrid, representando os valores dos pixels de R, G, B e tons de cinza, respectivamente. Pode ser utilizada, por exemplo, para confirmar se ao binarizar uma imagem, os pixels estão sendo definidos como 0 ou 255. A Figura 3.20 mostra esta aplicação sobre uma imagem pequena, pois permite uma melhor visualização. 49

61 Figura 3.20: Utilização da função Mapa de Pixel Classe e Comparar Tem a função de analisar os defeitos selecionados e comparar com os parâmetros da norma conforme a classe definida. Informa como saída (SIM ou NÃO) em relação a aprovação do defeito. Pode apenas ser utilizado após a parametrização da imagem e a seleção de pelo menos uma indicação; caso contrário, traz uma mensagem na tela informando a necessidade de tais requisitos Barra de Status É responsável por diversas informações (Figura 3.21), por isso, foi dividida em duas partes. Para a primeira, foi utilizado o componente TStatusBar que sempre estará visível. Este componente compõe-se de diversas informações, são elas: posição no eixo X e Y do pixel, valores de R, G, B, Cinza, R/G e B/G dos pixels, SW (largura do shape), SH (altura do shape), S (escala, quantos pixels representam 1 mm) e AT (área total de defeitos encontrados). A segunda parte fica disponível após o processo de parametrização explicado anteriormente. Esta parte é composta por alguns componentes, são eles: 50

62 - TMemo, que ao escolher a qual classe se deseja comparar, mostra os cinco critérios a ser analisado e, ao trocar de classe, atualiza-se automaticamente trazendo os cinco novos critérios; - TStringGrid, responsável pela visualização das informações de cada defeito, onde os números de 1 a 5, representam os cinco critérios de cada classe, e podem armazenar valores -1 (desconsiderado), 0(reprovado) e 1(aprovado); - TShapes coloridos e Labels representando as legendas. Figura 3.21: Visualização da Barra de Status Aquisição de Dimensões Após o processo de parametrização, faz-se necessário a aquisição das dimensões da largura, altura e área de cada defeito a ser analisado. Para isto, foram criados alguns procedimentos, são eles: - Clique duplo marca e calcula a área do defeito selecionado. Para este algoritmo, foi utilizada a técnica de PDI chamada Flood (inundação), onde compara- 51

63 se o valor do pixel atual com um valor de referência. Neste caso, com a imagem binarizada, se o pixel for branco, é guardada sua posição, pintado de cor vermelha e incrementado um contador. Este processo é executado recursivamente até que todos os vizinhos do pixel sejam de cor diferente da cor de referência, ou seja, da cor preta, o que indica a região de limite do defeito. A Figura 3.22 mostra esta aplicação. Figura 3.22: Clique duplo, marcação da área do defeito. - A cada dois cliques simples é traçado uma reta e calculado sua distância euclidiana, ou seja, (x +. Porém, visando uma melhor usabilidade, x1) (y 2 - y1) foi criada uma função que não obriga o usuário a clicar sobre os pontos exatos da borda do defeito, e sim, permite ele clicar fora do defeito, e a função desenvolvida, traça a melhor reta (Figura 3.23), ou seja, a maior reta possível dentro do defeito. Figura 3.23: Dois Cliques simples, marcação da melhor reta. 52

Universidade Federal do Rio de Janeiro - IM/DCC & NCE

Universidade Federal do Rio de Janeiro - IM/DCC & NCE Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Tratamento da Imagem - Filtros Antonio G. Thomé thome@nce.ufrj.br Sala AEP/033 Sumário 2 Conceito de de Filtragem Filtros

Leia mais

2.1.2 Definição Matemática de Imagem

2.1.2 Definição Matemática de Imagem Capítulo 2 Fundamentação Teórica Este capítulo descreve os fundamentos e as etapas do processamento digital de imagens. 2.1 Fundamentos para Processamento Digital de Imagens Esta seção apresenta as propriedades

Leia mais

Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens

Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Prof Fabrízzio Alphonsus A M N Soares 2012 Capítulo 2 Fundamentos da Imagem Digital Definição de Imagem: Uma imagem

Leia mais

Introdução ao Processamento de Imagens

Introdução ao Processamento de Imagens Introdução ao PID Processamento de Imagens Digitais Introdução ao Processamento de Imagens Glaucius Décio Duarte Instituto Federal Sul-rio-grandense Engenharia Elétrica 2013 1 de 7 1. Introdução ao Processamento

Leia mais

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Visão Computacional Não existe um consenso entre os autores sobre o correto escopo do processamento de imagens, a

Leia mais

Filtragem Espacial. (Processamento Digital de Imagens) 1 / 41

Filtragem Espacial. (Processamento Digital de Imagens) 1 / 41 Filtragem Espacial (Processamento Digital de Imagens) 1 / 41 Filtragem Espacial Filtragem espacial é uma das principais ferramentas usadas em uma grande variedade de aplicações; A palavra filtro foi emprestada

Leia mais

SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS

SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS André Zuconelli 1 ; Manassés Ribeiro 2 1. Aluno do Curso Técnico em Informática, turma 2010, Instituto Federal Catarinense, Câmpus Videira, andre_zuconelli@hotmail.com

Leia mais

Transformada de Hough. Cleber Pivetta Gustavo Mantovani Felipe Zottis

Transformada de Hough. Cleber Pivetta Gustavo Mantovani Felipe Zottis Transformada de Hough Cleber Pivetta Gustavo Mantovani Felipe Zottis A Transformada de Hough foi desenvolvida por Paul Hough em 1962 e patenteada pela IBM. Originalmente, foi elaborada para detectar características

Leia mais

Introdução do Processamento de Imagens. Julio C. S. Jacques Junior juliojj@gmail.com

Introdução do Processamento de Imagens. Julio C. S. Jacques Junior juliojj@gmail.com Introdução do Processamento de Imagens Julio C. S. Jacques Junior juliojj@gmail.com Porque processar uma imagem digitalmente? Melhoria de informação visual para interpretação humana Processamento automático

Leia mais

FILTRAGEM ESPACIAL. Filtros Digitais no domínio do espaço

FILTRAGEM ESPACIAL. Filtros Digitais no domínio do espaço FILTRAGEM ESPACIAL Filtros Digitais no domínio do espaço Definição Também conhecidos como operadores locais ou filtros locais Combinam a intensidade de um certo número de piels, para gerar a intensidade

Leia mais

Figura 01: Aplicações do Filtro Espacial Passa-Baixa.

Figura 01: Aplicações do Filtro Espacial Passa-Baixa. 791 IMPLEMENTAÇÃO DE TÉCNICAS DE PRÉ-PROCESSAMENTO E PROCESSAMENTO DE IMAGENS PARA RADIOGRAFIAS CARPAIS Rafael Lima Alves 1 ; Michele Fúlvia Angelo 2 Bolsista PROBIC, Graduando em Engenharia de Computação,

Leia mais

RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP

RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP Caio Augusto de Queiroz Souza caioaugusto@msn.com Éric Fleming Bonilha eric@digifort.com.br Gilson Torres Dias gilson@maempec.com.br Luciano

Leia mais

Processamento Digital de Imagens

Processamento Digital de Imagens Processamento Digital de Imagens Israel Andrade Esquef a Márcio Portes de Albuquerque b Marcelo Portes de Albuquerque b a Universidade Estadual do Norte Fluminense - UENF b Centro Brasileiro de Pesquisas

Leia mais

Aula 2 Aquisição de Imagens

Aula 2 Aquisição de Imagens Processamento Digital de Imagens Aula 2 Aquisição de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br EESC/USP Fundamentos de Imagens Digitais Ocorre a formação de uma imagem quando

Leia mais

Manual de utilização do programa

Manual de utilização do programa PCIToGCode Manual de utilização do programa PCIToGCode O PCITOGCODE é um aplicativo desenvolvido para converter imagem de uma placa de circuito impresso em um arquivo de códigos G. Com o arquivo de códigos

Leia mais

UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS

UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS Executar as principais técnicas utilizadas em processamento de imagens, como contraste, leitura de pixels, transformação IHS, operações aritméticas

Leia mais

Capítulo 5 Filtragem de Imagens

Capítulo 5 Filtragem de Imagens Capítulo 5 Filtragem de Imagens Capítulo 5 5.1. Filtragem no Domínio da Frequência 5.2. Filtragem no Domínio Espacial 2 Objetivo Melhorar a qualidade das imagens através da: ampliação do seu contraste;

Leia mais

Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais

Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais Wesley B. Dourado, Renata N. Imada, Programa de Pós-Graduação em Matemática Aplicada e Computacional, FCT, UNESP,

Leia mais

SEGEMENTAÇÃO DE IMAGENS. Nielsen Castelo Damasceno

SEGEMENTAÇÃO DE IMAGENS. Nielsen Castelo Damasceno SEGEMENTAÇÃO DE IMAGENS Nielsen Castelo Damasceno Segmentação Segmentação Representação e descrição Préprocessamento Problema Aquisição de imagem Base do conhecimento Reconhecimento e interpretação Resultado

Leia mais

Segmentação de Imagens

Segmentação de Imagens Segmentação de Imagens (Processamento Digital de Imagens) 1 / 36 Fundamentos A segmentação subdivide uma imagem em regiões ou objetos que a compõem; nível de detalhe depende do problema segmentação para

Leia mais

Filtragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha

Filtragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha Filtragem As técnicas de filtragem são transformações da imagem "pixel" a "pixel", que dependem do nível de cinza de um determinado "pixel" e do valor dos níveis de cinza dos "pixels" vizinhos, na imagem

Leia mais

Processamento de Imagem. Prof. Herondino

Processamento de Imagem. Prof. Herondino Processamento de Imagem Prof. Herondino Sensoriamento Remoto Para o Canada Centre for Remote Sensing - CCRS (2010), o sensoriamento remoto é a ciência (e em certa medida, a arte) de aquisição de informações

Leia mais

O que são os Ensaios Não Destrutivos

O que são os Ensaios Não Destrutivos Resumo Nesse relatório vamos identificar as descontinuidade de uma peça usando ensaio por líquidos penetrantes, o qual consiste na aplicação do líquido penetrante e de um revelador que irá identificar

Leia mais

ATENÇÃO: * Arquivos com tamanho superior a 500 KB NÃO SERÃO ACEITOS * SOMENTE serão aceitos documentos do formato: PDF

ATENÇÃO: * Arquivos com tamanho superior a 500 KB NÃO SERÃO ACEITOS * SOMENTE serão aceitos documentos do formato: PDF TUTORIAL DE DIGITALIZAÇÃO DIRIGIDO AO USO DO PROCESSO ELETRÔNICO Adaptado do tutorial elaborado pelo colega MAICON FALCÃO, operador de computador da subseção judiciária de Rio Grande. Introdução Este tutorial

Leia mais

Tratamento da Imagem Transformações (cont.)

Tratamento 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/133 Tratamento de Imagens - Sumário Detalhado Objetivos Alguns

Leia mais

AULA 5 Manipulando Dados Matriciais: Grades e Imagens. 5.1 Importando Grades e Imagens Interface Simplificada

AULA 5 Manipulando Dados Matriciais: Grades e Imagens. 5.1 Importando Grades e Imagens Interface Simplificada 5.1 AULA 5 Manipulando Dados Matriciais: Grades e Imagens Nessa aula serão apresentadas algumas funcionalidades do TerraView relativas a manipulação de dados matriciais. Como dados matriciais são entendidas

Leia mais

Universidade Federal de Alagoas Instituto de Matemática. Imagem. Prof. Thales Vieira

Universidade Federal de Alagoas Instituto de Matemática. Imagem. Prof. Thales Vieira Universidade Federal de Alagoas Instituto de Matemática Imagem Prof. Thales Vieira 2014 O que é uma imagem digital? Imagem no universo físico Imagem no universo matemático Representação de uma imagem Codificação

Leia mais

REPRESENTAÇÃO DA IMAGEM DIGITAL

REPRESENTAÇÃO DA IMAGEM DIGITAL REPRESENTAÇÃO DA IMAGEM DIGITAL Representação da imagem Uma imagem é uma função de intensidade luminosa bidimensional f(x,y) que combina uma fonte de iluminação e a reflexão ou absorção de energia a partir

Leia mais

Processamento digital de imagens. introdução

Processamento digital de imagens. introdução Processamento digital de imagens introdução Imagem digital Imagem digital pode ser descrita como uma matriz bidimensional de números inteiros que corresponde a medidas discretas da energia eletromagnética

Leia mais

PROCESSAMENTO DIGITAL DE IMAGENS

PROCESSAMENTO DIGITAL DE IMAGENS PROCESSAMENTO DIGITAL DE IMAGENS Motivado por duas principais aplicações: Melhorar a informação da imagem para interpretação humana Processamento de cenas para percepção de máquinas (Visão Computacional)

Leia mais

Processamento de Imagem Morfológica (Morfologia Matemática) Tsang Ing Ren UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática

Processamento de Imagem Morfológica (Morfologia Matemática) Tsang Ing Ren UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática Processamento de Imagem Morfológica (Morfologia Matemática) Tsang Ing Ren UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática 1 Tópicos Introdução Conceitos básicos da teoria dos conjuntos

Leia mais

Processamento e Análise de Imagens (MC940) Análise de Imagens (MO445)

Processamento e Análise de Imagens (MC940) Análise de Imagens (MO445) Processamento e Análise de Imagens (MC940) Análise de Imagens (MO445) Prof. Hélio Pedrini Instituto de Computação UNICAMP 2º Semestre de 2015 Roteiro 1 Morfologia Matemática Fundamentos Matemáticos Operadores

Leia mais

Localização de placas em imagens de veículos. Resumo

Localização de placas em imagens de veículos. Resumo Localização de placas em imagens de veículos Geovane Hilário Linzmeyer Curso de Inteligência Computacional Pontifícia Universidade Católica do Paraná Curitiba, dezembro de 2005 Resumo Um dos maiores problemas

Leia mais

Figura 1: Formato matricial de uma imagem retangular. Figura 2: Ampliação dos pixels de uma imagem

Figura 1: Formato matricial de uma imagem retangular. Figura 2: Ampliação dos pixels de uma imagem Universidade Federal de Santa Maria - UFSM Departamento de Eletrônica e Computação - DELC Introdução à Informática Prof. Cesar Tadeu Pozzer Julho de 2006 Imagens Uma imagem é representada por uma matriz

Leia mais

Seleção Retangular Esta é uma das ferramentas mais usadas. A seleção será indicada pelas linhas tracejadas que fazem a figura de um retângulo.

Seleção Retangular Esta é uma das ferramentas mais usadas. A seleção será indicada pelas linhas tracejadas que fazem a figura de um retângulo. O que é o Gimp? O GIMP é um editor de imagens e fotografias. Seus usos incluem criar gráficos e logotipos, redimensionar fotos, alterar cores, combinar imagens utilizando o paradigma de camadas, remover

Leia mais

INFORMAÇÕES SOBRE O MATERIAL UTILIZADO NA OBTENÇÃO E NA ANÁLISE DOS VÍDEOS

INFORMAÇÕES SOBRE O MATERIAL UTILIZADO NA OBTENÇÃO E NA ANÁLISE DOS VÍDEOS INFORMAÇÕES SOBRE O MATERIAL UTILIZADO NA OBTENÇÃO E NA ANÁLISE DOS VÍDEOS 1 Material utilizado 1.1 Tracker: um programa de análise de imagens Para a execução da proposta foi utilizado o programa livre

Leia mais

VCA Treinamento em Algoritmo

VCA Treinamento em Algoritmo Conteúdo VCA Treinamento em Algoritmo VCA Treinamento em Algoritmo Conteúdo Algoritmos Rastreador (tracker) Monitoramento Objeto Abandonado/Removido Pessoas Calibração Classificação Linha de contagem Auto

Leia mais

UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS

UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS Obter uma imagem temática a partir de métodos de classificação de imagens multi- espectrais 1. CLASSIFICAÇÃO POR PIXEL é o processo de extração

Leia mais

Trabalho 2 Fundamentos de computação Gráfica

Trabalho 2 Fundamentos de computação Gráfica Trabalho 2 Fundamentos de computação Gráfica Processamento de Imagens Aluno: Renato Deris Prado Tópicos: 1- Programa em QT e C++ 2- Efeitos de processamento de imagens 1- Programa em QT e C++ Para o trabalho

Leia mais

Operações Algébricas e Lógicas. Guillermo Cámara-Chávez

Operações Algébricas e Lógicas. Guillermo Cámara-Chávez Operações Algébricas e Lógicas Guillermo Cámara-Chávez Operações Aritméticas São aquelas que produzem uma imagem que é a soma, diferença, produto ou quociente pixel a pixel Operações Aritméticas Fig A

Leia mais

Tutorial do Iniciante. Excel Básico 2010

Tutorial do Iniciante. Excel Básico 2010 Tutorial do Iniciante Excel Básico 2010 O QUE HÁ DE NOVO O Microsoft Excel 2010 é um programa de edição de planilhas eletrônicas muito usado no mercado de trabalho para realizar diversas funções como;

Leia mais

Segmentação de Imagens de Placas Automotivas

Segmentação de Imagens de Placas Automotivas Segmentação de Imagens de Placas Automotivas André Zuconelli, Manassés Ribeiro Instituto Federal Catarinense - Campus Videira. Técnico em Informática, turma 2010 Rodovia SC, Km 5 Bairro Campo Experimental

Leia mais

Profa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung

Profa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung Introdução ao Processamento de Imagens Profa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung Introdução Processamento de Imagens: processamento de sinais bidimensionais (ou n-dimensionais).

Leia mais

AULA 5 Manipulando Dados Matriciais: Grades e Imagens. 5.1 Importando Grades e Imagens Interface Simplificada

AULA 5 Manipulando Dados Matriciais: Grades e Imagens. 5.1 Importando Grades e Imagens Interface Simplificada 5.1 AULA 5 Manipulando Dados Matriciais: Grades e Imagens Nessa aula serão apresentadas algumas funcionalidades do TerraView relativas à manipulação de dados matriciais. Como dados matriciais são entendidas

Leia mais

Universidade Federal de Santa Catarina CAPÍTULO 6 GRÁFICOS NO EXCEL.

Universidade Federal de Santa Catarina CAPÍTULO 6 GRÁFICOS NO EXCEL. CAPÍTULO 6 GRÁFICOS NO EXCEL. Um gráfico no Excel é uma representação gráfica dos números de sua planilha - números transformados em imagens. O Excel examina um grupo de células que tenham sido selecionadas.

Leia mais

Chow&Kaneko buscam as modas da imagem para separar os objetos. Admite que os tons na vizinhança de cada moda são do mesmo objeto.

Chow&Kaneko buscam as modas da imagem para separar os objetos. Admite que os tons na vizinhança de cada moda são do mesmo objeto. Respostas Estudo Dirigido do Capítulo 12 Image Segmentation" 1 Com suas palavras explique quais os problemas que podem ocorrer em uma segmentação global baseada em níveis de cinza da imagem. Que técnicas

Leia mais

Fundamentos de Imagens Digitais. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens

Fundamentos de Imagens Digitais. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens Fundamentos de Imagens Digitais Aquisição e Serão apresentadas as principais características de uma imagem digital: imagem do ponto de vista matemático processo de aquisição e digitalização de uma imagem

Leia mais

PROCESSAMENTO DIGITAL DE IMAGENS

PROCESSAMENTO DIGITAL DE IMAGENS PROCESSAMENTO DIGITAL DE IMAGENS Msc. Daniele Carvalho Oliveira Doutoranda em Ciência da Computação - UFU Mestre em Ciência da Computação UFU Bacharel em Ciência da Computação - UFJF FILTRAGEM ESPACIAL

Leia mais

A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação.

A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação. Limiarização A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação. O princípio da limiarização consiste em separar as regiões

Leia mais

Digitalização. Copiadora e Impressora WorkCentre C2424

Digitalização. Copiadora e Impressora WorkCentre C2424 Digitalização Este capítulo inclui: Digitalização básica na página 4-2 Instalando o driver de digitalização na página 4-4 Ajustando as opções de digitalização na página 4-5 Recuperando imagens na página

Leia mais

ODG Auto Acessórios Ltda www.odginstruments.com.br Versão 2.0 FEVEREIRO 2009

ODG Auto Acessórios Ltda www.odginstruments.com.br Versão 2.0 FEVEREIRO 2009 ODG Auto Acessórios Ltda www.odginstruments.com.br Versão 2.0 FEVEREIRO 2009 1 INDICE 1. Instalação do Software...3 2. Tela Inicial...3 3. Criando arquivo de configurações (Alt + C + C)...4 3.1 Sensores

Leia mais

AULA 3 Ferramentas de Análise Básicas

AULA 3 Ferramentas de Análise Básicas 3.1 AULA 3 Ferramentas de Análise Básicas Neste capítulo serão apresentadas algumas ferramentas de análise de dados com representação vetorial disponíveis no TerraView. Para isso será usado o banco de

Leia mais

Informática Aplicada a Radiologia

Informática Aplicada a Radiologia Informática Aplicada a Radiologia Apostila: Imagem Digital parte I Prof. Rubens Freire Rosa Imagem na forma digital A representação de Imagens na forma digital nos permite capturar, armazenar e processar

Leia mais

Pág 31. UC Introdução a Informática Docente: André Luiz Silva de Moraes 1º sem Redes de Computadores. 5 Introdução ao uso do BrOffice Impress

Pág 31. UC Introdução a Informática Docente: André Luiz Silva de Moraes 1º sem Redes de Computadores. 5 Introdução ao uso do BrOffice Impress 5 Introdução ao uso do BrOffice Impress O pacote BrOffice é um pacote de escritório muito similar ao já conhecido Microsoft Office e ao longo do tempo vem evoluindo e cada vez mais ampliando as possibilidades

Leia mais

Thales Trigo. Formatos de arquivos digitais

Thales Trigo. Formatos de arquivos digitais Esse artigo sobre Formatos de Arquivos Digitais é parte da Tese de Doutoramento do autor apresentada para a obtenção do titulo de Doutor em Engenharia Elétrica pela Escola Politécnica da USP. Thales Trigo

Leia mais

ROTEIRO PARA TREINAMENTO DO SAGRES DIÁRIO Guia do Docente

ROTEIRO PARA TREINAMENTO DO SAGRES DIÁRIO Guia do Docente Conceito ROTEIRO PARA TREINAMENTO DO SAGRES DIÁRIO Guia do Docente O Sagres Diário é uma ferramenta que disponibiliza rotinas que facilitam a comunicação entre a comunidade Docente e Discente de uma instituição,

Leia mais

Aula 6 - Segmentação de Imagens Parte 2. Prof. Adilson Gonzaga

Aula 6 - Segmentação de Imagens Parte 2. Prof. Adilson Gonzaga Aula 6 - Segmentação de Imagens Parte 2 Prof. Adilson Gonzaga 1 Motivação Extração do Objeto Dificuldades Super segmentação over-segmentation 1) Segmentação por Limiarização (Thresholding Global): Efeitos

Leia mais

Anexo III Funcionamento detalhado do Sistema Montador de Autoria

Anexo III Funcionamento detalhado do Sistema Montador de Autoria 1 Sumário Anexo III Funcionamento detalhado do Sistema Montador de Autoria Anexo III Funcionamento detalhado do Sistema Montador de Autoria... 1 1 Sumário... 1 2 Lista de Figuras... 5 3 A Janela principal...

Leia mais

Aula 5 - Classificação

Aula 5 - Classificação AULA 5 - Aula 5-1. por Pixel é o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos. Os Classificadores "pixel a pixel" utilizam apenas a informação espectral isoladamente

Leia mais

SOFTWARE PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CÉLULAS DO ENDOTÉLIO CORNEANO DESENVOLVIDO PARA DISPOSITIVOS MÓVEIS

SOFTWARE PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CÉLULAS DO ENDOTÉLIO CORNEANO DESENVOLVIDO PARA DISPOSITIVOS MÓVEIS 221 SOFTWARE PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CÉLULAS DO ENDOTÉLIO CORNEANO DESENVOLVIDO PARA DISPOSITIVOS MÓVEIS Jean-Jacques S. De Groote - Prof. Dr. do Centro Universitário Uniseb de Ribeirão Preto.

Leia mais

Fotografia Digital. Aula 1

Fotografia Digital. Aula 1 Fotografia Digital Aula 1 FOTOGRAFIA DIGITAL Tema da aula: A Fotografia 2 A FOTOGRAFIA A palavra Fotografia vem do grego φως [fós] ("luz"), e γραφις [grafis] ("estilo", "pincel") ou γραφη grafê, e significa

Leia mais

CBPF Centro Brasileiro de Pesquisas Físicas. Nota Técnica

CBPF Centro Brasileiro de Pesquisas Físicas. Nota Técnica CBPF Centro Brasileiro de Pesquisas Físicas Nota Técnica Aplicação de Física Médica em imagens de Tomografia de Crânio e Tórax Autores: Dário Oliveira - dario@cbpf.br Marcelo Albuquerque - marcelo@cbpf.br

Leia mais

29/08/2011. Radiologia Digital. Princípios Físicos da Imagem Digital 1. Mapeamento não-linear. Unidade de Aprendizagem Radiológica

29/08/2011. Radiologia Digital. Princípios Físicos da Imagem Digital 1. Mapeamento não-linear. Unidade de Aprendizagem Radiológica Mapeamento não-linear Radiologia Digital Unidade de Aprendizagem Radiológica Princípios Físicos da Imagem Digital 1 Professor Paulo Christakis 1 2 Sistema CAD Diagnóstico auxiliado por computador ( computer-aided

Leia mais

Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching"

Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching" 1 Com suas palavras explique o que é Reconhecimento de Padrões- RP. Quais são os fases clássicas que compõem

Leia mais

)LJXUD8PGRVSDUHV'SDUDFRQYROXomRTXHWHPRPHVPRHIHLWRGR NHUQHOGD)LJXUD

)LJXUD8PGRVSDUHV'SDUDFRQYROXomRTXHWHPRPHVPRHIHLWRGR NHUQHOGD)LJXUD )LOWURJDXVVLDQR O filtro Gaussiano pode ser usado como um filtro SDVVDEDL[D. Usando a função Gaussiana para obter valores de uma máscara a ser definida digitalmente. O Filtro de Gaussiano em 1-D tem a

Leia mais

Informática Aplicada a Imagens MCP - 5840

Informática Aplicada a Imagens MCP - 5840 Serviço de Informática Instituto do Coração HC FMUSP Informática Aplicada a Imagens Médicas MCP - 5840 Marco Antonio Gutierrez Email: marco.gutierrez@incor.usp.br usp Motivação: Visualização D e 3D Seqüências

Leia mais

Treinamento em BrOffice.org Calc

Treinamento em BrOffice.org Calc Treinamento em BrOffice.org Calc 1 Índice I. INTRODUÇÃO...3 II. NÚMEROS, TEXTOS, FÓRMULAS E DATAS...4 III. MENUS BÁSICOS...5 1. Arquivo...5 2. Editar...5 3. Formatar...5 IV. FÓRMULAS...8 V. REFERÊNCIAS

Leia mais

IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS

IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS André Zuconelli¹, Manassés Ribeiro² Instituto Federal de Educação, Ciência e Tecnologia Catarinense - Campus Videira Rodovia SC, Km 5

Leia mais

Montar planilhas de uma forma organizada e clara.

Montar planilhas de uma forma organizada e clara. 1 Treinamento do Office 2007 EXCEL Objetivos Após concluir este curso você poderá: Montar planilhas de uma forma organizada e clara. Layout da planilha Inserir gráficos Realizar operações matemáticas 2

Leia mais

Tutorial: Abrindo Vídeos e Medindo Comprimentos no ImageJ

Tutorial: Abrindo Vídeos e Medindo Comprimentos no ImageJ 1 1. Introdução Tutorial: Abrindo Vídeos e Medindo Comprimentos no ImageJ O ImageJ é um software livre (freeware) que pode ser obtido gratuitamente no site http://rsb.info.nih.gov/ij/. Esse software é

Leia mais

Mozart de Melo Alves Júnior

Mozart de Melo Alves Júnior Mozart de Melo Alves Júnior WORD 2000 INTRODUÇÃO: O Word é um processador de texto com recursos de acentuação, formatação de parágrafo, estilo de letras diferentes, criação de tabelas, corretor ortográfico,

Leia mais

PHOTOSHOP. Menus. Caixa de Ferramentas:

PHOTOSHOP. Menus. Caixa de Ferramentas: PHOTOSHOP Universidade de Caxias do Sul O Photoshop 5.0 é um programa grande e complexo, é o mais usado e preferido pelos especialistas em editoração e computação gráfica para linha PC. Outros programas

Leia mais

Simulação Gráfica. Morfologia Matemática. Julio C. S. Jacques Junior

Simulação Gráfica. Morfologia Matemática. Julio C. S. Jacques Junior Simulação Gráfica Morfologia Matemática Julio C. S. Jacques Junior Morfologia Palavra denota uma área da biologia que trata com a forma e a estrutura de animais e plantas. No contexto de Morfologia Matemática:

Leia mais

2 Método sísmico na exploração de petróleo

2 Método sísmico na exploração de petróleo 16 2 Método sísmico na exploração de petróleo O método sísmico, ou sísmica de exploração de hidrocarbonetos visa modelar as condições de formação e acumulação de hidrocarbonetos na região de estudo. O

Leia mais

Desenvolvimento do Módulo de Pré-processamento e Geração de Imagens de. Imagens de Teste do Sistema DTCOURO

Desenvolvimento do Módulo de Pré-processamento e Geração de Imagens de. Imagens de Teste do Sistema DTCOURO Desenvolvimento do Módulo de Pré-processamento e Geração de Imagens de Teste do Sistema DTCOURO Willian Paraguassu Amorim 27 de julho de 2005 1 Título Desenvolvimento do Módulo de Pré-processamento e Geração

Leia mais

REALCE DE MICROCALCIFICAÇÕES EM IMAGENS DE MAMOGRAFIA UTILIZANDO FILTROS PASSA-ALTA

REALCE DE MICROCALCIFICAÇÕES EM IMAGENS DE MAMOGRAFIA UTILIZANDO FILTROS PASSA-ALTA REALCE DE MICROCALCIFICAÇÕES EM IMAGENS DE MAMOGRAFIA UTILIZANDO FILTROS PASSA-ALTA Caio Cesar Amorim Borges e Danilo Rodrigues de Carvalho Universidade Federal de Goiás, Escola de Engenharia Elétrica

Leia mais

Medição da Altura das Cunhas de Fricção dos Vagões Utilizando Processamento Digital de Imagem

Medição da Altura das Cunhas de Fricção dos Vagões Utilizando Processamento Digital de Imagem ARTIGO Medição da Altura das Cunhas de Fricção dos Vagões Utilizando Processamento Digital de Imagem Leonardo Borges de Castro 1 *, Dr. João Marques Salomão 2 e Me. Douglas Almonfrey 2 1 VALE - Engenharia

Leia mais

Aquisição e Representação da Imagem Digital

Aquisição e Representação da Imagem Digital Universidade Federal do Rio de Janeiro - IM/DCC & NCE Aquisição e Representação da Imagem Digital Antonio G. Thomé thome@nce.ufrj.br Sala AEP/33 Sumário. Introdução 2. Aquisição e Representação da Imagem

Leia mais

CICLO DE APERFEIÇOAMENTO PROFISSIONAL DOS SERVIDORES MUNICIPAIS DE MARICÁ- RJ EDITOR DE TEXTO - WORD

CICLO DE APERFEIÇOAMENTO PROFISSIONAL DOS SERVIDORES MUNICIPAIS DE MARICÁ- RJ EDITOR DE TEXTO - WORD Faculdade de Administração, Ciências Contábeis e Turismo Pós-Graduação em Gestão de Negócios CICLO DE APERFEIÇOAMENTO PROFISSIONAL DOS SERVIDORES MUNICIPAIS DE MARICÁ- RJ EDITOR DE TEXTO - WORD EMENTA

Leia mais

Koryosoft_CAD. Manual de usuário (LOTD1M7A13)

Koryosoft_CAD. Manual de usuário (LOTD1M7A13) Koryosoft_CAD Manual de usuário 2013 (LOTD1M7A13) Sumário Introdução... 02 Leia com atenção... 03 Instalação de Programa... 04 Ativação de Programa... 05 Agenda... 08 Cadastro de pacientes... 09 Ficha

Leia mais

iconnect 3.3 Atualizações Pesquisa Dinâmica

iconnect 3.3 Atualizações Pesquisa Dinâmica iconnect 3.3 Atualizações Pesquisa Dinâmica Conteúdo iconnect 3.3 Atualizações Pesquisa Dinâmica... 3 1. Feedback do Cliente...3 1.1 Feedback do Cliente no Email da Pesquisa Dinâmica... 3 1.2 Página de

Leia mais

Construção da Consulta. Para a construção da consulta, siga os passos abaixo:

Construção da Consulta. Para a construção da consulta, siga os passos abaixo: Com a finalidade de esclarecer e auxiliar o usuário sobre a utilização do produto PaepOnline, a Fundação Seade elaborou um manual explicativo sobre a forma de construção das tabelas e sua navegabilidade.

Leia mais

Protótipo tipo de um Ambiente para Processamento de Imagens Raster 2D

Protótipo tipo de um Ambiente para Processamento de Imagens Raster 2D Protótipo tipo de um Ambiente para Processamento de Imagens Raster 2D Adriana Fornazari Prof. Dalton Solano dos Reis Orientador Roteiro Introdução Ambientes de processamento de imagens Arquivos gráficos

Leia mais

O Software Face Match

O Software Face Match Apêndice A O Software Face Match A.1 - Desenvolvimento do software para a extração de características de imagens de faces humanas: Face Match. Para dar suporte à proposta do trabalho de mestrado iniciou-se

Leia mais

Codificação/Compressão de Vídeo. Tópico: Vídeo (Codificação + Compressão)

Codificação/Compressão de Vídeo. Tópico: Vídeo (Codificação + Compressão) Tópico: Vídeo (Codificação + Compressão) Um vídeo pode ser considerado como uma seqüência de imagens estáticas (quadros). Cada um desses quadros pode ser codificado usando as mesmas técnicas empregadas

Leia mais

Visão Computacional e Realidade Aumentada. Trabalho 3 Reconstrução 3D. Pedro Sampaio Vieira. Prof. Marcelo Gattass

Visão Computacional e Realidade Aumentada. Trabalho 3 Reconstrução 3D. Pedro Sampaio Vieira. Prof. Marcelo Gattass Visão Computacional e Realidade Aumentada Trabalho 3 Reconstrução 3D Pedro Sampaio Vieira Prof. Marcelo Gattass 1 Introdução Reconstrução tridimensional é um assunto muito estudado na área de visão computacional.

Leia mais

GUIA PADRONIZAÇÃO DE IMAGENS NO INDICADOR CRM

GUIA PADRONIZAÇÃO DE IMAGENS NO INDICADOR CRM GUIA PADRONIZAÇÃO DE IMAGENS NO INDICADOR CRM ÍNDICE ITEM Página 1. Objetivo... 3 2. Padrões de Proporção... 3 3. Qualidade das Imagens... 6 4. Fotos Panorâmicas... 7 5. Youtube... 8 Página 2 de 9 1. Objetivo

Leia mais

AULA 01 INTRODUÇÃO. Eduardo Camargo de Siqueira PROCESSAMENTO DE IMAGENS Engenharia de Computação

AULA 01 INTRODUÇÃO. Eduardo Camargo de Siqueira PROCESSAMENTO DE IMAGENS Engenharia de Computação AULA 01 INTRODUÇÃO Eduardo Camargo de Siqueira PROCESSAMENTO DE IMAGENS Engenharia de Computação INTRODUÇÃO Processamento Digital de Imagens refere-se ao processamento imagens por meio de um computador

Leia mais

Veículo de Diagnóstico de Rodovias (VDR)

Veículo de Diagnóstico de Rodovias (VDR) Veículo de Diagnóstico de Rodovias (VDR) Departamento Nacional de Infraestrutura de Transportes (DNIT) Ministério dos Transportes (MT) Para cobrir os 55 mil km de rodovias federais eram precisos 18 meses

Leia mais

Encontrando a Linha Divisória: Detecção de Bordas

Encontrando a Linha Divisória: Detecção de Bordas CAPÍTULO 1 Encontrando a Linha Divisória: Detecção de Bordas Contribuíram: Daniela Marta Seara, Geovani Cássia da Silva Espezim Elizandro Encontrar Bordas também é Segmentar A visão computacional envolve

Leia mais

RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS. o Flutuações aleatórias ou imprecisões em dados de entrada, precisão numérica, arredondamentos etc...

RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS. o Flutuações aleatórias ou imprecisões em dados de entrada, precisão numérica, arredondamentos etc... RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS RUÍDOS EM IMAGENS Em Visão Computacional, ruído se refere a qualquer entidade em imagens, dados ou resultados intermediários, que não são interessantes para os propósitos

Leia mais

Aula 01 - Formatações prontas e condicionais. Aula 01 - Formatações prontas e condicionais. Sumário. Formatar como Tabela

Aula 01 - Formatações prontas e condicionais. Aula 01 - Formatações prontas e condicionais. Sumário. Formatar como Tabela Aula 01 - Formatações prontas e Sumário Formatar como Tabela Formatar como Tabela (cont.) Alterando as formatações aplicadas e adicionando novos itens Removendo a formatação de tabela aplicada Formatação

Leia mais

Fluxo de trabalho do Capture Pro Software: Indexação de OCR e separação de documentos de código de correção

Fluxo de trabalho do Capture Pro Software: Indexação de OCR e separação de documentos de código de correção Este procedimento corresponde ao fluxo de trabalho de Indexação de OCR com separação de código de correção no programa de treinamento do Capture Pro Software. As etapas do procedimento encontram-se na

Leia mais

Capítulo 7 O Gerenciador de Arquivos

Capítulo 7 O Gerenciador de Arquivos Capítulo 7 O Gerenciador de Arquivos Neste capítulo nós iremos examinar as características da interface do gerenciador de arquivos Konqueror. Através dele realizaremos as principais operações com arquivos

Leia mais

Software de análises metalográficas MATERIAL PLUS

Software de análises metalográficas MATERIAL PLUS Software de análises metalográficas MATERIAL PLUS Programa desenvolvido de forma simples para o uso sem comprometer a precisão por usuários inexperientes conseguirem fazer análises sem um treinamento mínimo;

Leia mais

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE INFORMÁTICA PÓS GRADUAÇÃO EM INFORMÁTICA

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE INFORMÁTICA PÓS GRADUAÇÃO EM INFORMÁTICA PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE INFORMÁTICA PÓS GRADUAÇÃO EM INFORMÁTICA INF2608 FUNDAMENTOS DE COMPUTAÇÃO GRÁFICA RELATÓRIO: IMAGENS SÍSMICAS VISUALIZAÇÃO E DETECÇÃO

Leia mais

Remoção da Vinhetagem de Imagens Astronômicas no Adobe Photoshop

Remoção da Vinhetagem de Imagens Astronômicas no Adobe Photoshop Remoção da Vinhetagem de Imagens Astronômicas no Adobe Photoshop Marco Antonio De Bellis - REA/R.Janeiro INTRODUÇÃO. Denomina-se vinhetagem a não uniformidade de iluminação em uma fotografia qualquer,

Leia mais

Unidade 1: O Painel de Controle do Excel *

Unidade 1: O Painel de Controle do Excel * Unidade 1: O Painel de Controle do Excel * material do 2010* 1.0 Introdução O Excel nos ajuda a compreender melhor os dados graças à sua organização em células (organizadas em linhas e colunas) e ao uso

Leia mais

PÓS-GRADUAÇÃO EM MATEMÁTICA COMPUTACIONAL INFORMÁTICA INSTRUMENTAL

PÓS-GRADUAÇÃO EM MATEMÁTICA COMPUTACIONAL INFORMÁTICA INSTRUMENTAL PÓS-GRADUAÇÃO EM MATEMÁTICA COMPUTACIONAL INFORMÁTICA INSTRUMENTAL Introdução Aula 03: Pacote Microsoft Office 2007 O Pacote Microsoft Office é um conjunto de aplicativos composto, principalmente, pelos

Leia mais