Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto

Transcrição

1 Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto

2 Prof. André Y. Kusumoto Amostragem e Quantização Amostragem refere-se ao número de pontos amostrados de uma imagem digitalizada (resolução). Quantização - quantidade de níveis de tons que pode ser atribuído a cada ponto digitalizado. As imagens reais possuem um número ilimitado de cores ou tons. No processamento de imagens computacional é necessário limitar os níveis de cores ou tons possíveis de serem atribuídos a cada pixel da imagem (gradação tonal). 2

3 Prof. André Y. Kusumoto Amostragem e Quantização Uma imagem digital é descrita por uma matriz N x M de valores de pixel (p(x,y)) inteiros positivos, que indica a intensidade de cor em cada posição [x,y] da imagem. Figura 3.15 Reticulado uniforme da representação matricial da imagem. 3

4 Resolução Espacial Prof. André Y. Kusumoto Ao ser digitalizada a imagem assume um tamanho adimensional, em pixels. Pode-se conhecer o tamanho da amostragem, conhecendo-se a razão entre o número de pixels obtido e o tamanho da imagem real no filme fotográfico ou equivalente. Figura 3.17 Círculo em duas resoluções, mas exibido no seu tamanho original. A isso chama-se de resolução espacial, que em geral é medida em pontos por polegada ou dpi (dots per inch). 4

5 Prof. André Y. Kusumoto Amostragem e Quantização Amostragem 20 x 26 5

6 Resolução Espacial Prof. André Y. Kusumoto Figura 3.3 Efeito da redução da resolução espacial na qualidade da imagem 6

7 Prof. André Y. Kusumoto Amostragem e Quantização Um pixel é caracterizado pelo valor de tonalidade de cor e pela sua localização na imagem. Figura 3.16 Representação matricial de uma região da imagem. 7

8 Prof. André Y. Kusumoto Amostragem e Quantização 8

9 Quantização Prof. André Y. Kusumoto Figura 3.4 Efeito da variação da gradação tonal ou quantização na qualidade da imagem. 9

10 EXEMPLO Prof. André Y. Kusumoto Amostragem e Quantização Representação e acesso à memória RGB de uma imagem colorida de 24 bits. O primeiro byte corresponde ao canal R, o segundo ao G e o terceiro ao B Considere os valores de R,G e B para este pixel codificados em 1 byte [0, 255] por banda como: DECIMAL BINÁRIO HEXADECIMAL R G B D7 Considere esse pixel na posição 2 x 1 (terceira coluna e segunda linha). O mapa na memória dessa imagem pode conter algo como: 10

11 Prof. André Y. Kusumoto EXEMPLO Amostragem e Quantização Representação e acesso à memória RGB de uma imagem colorida de 24 bits. O primeiro byte corresponde ao canal R, o segundo ao G e o terceiro ao B Se W for a largura da imagem e X, Y a coordenada do pixel, os valores de R, G e B podem ser obtidos por: offset = 3*(W*Y+X); R = imagem[offset]; G = imagem[offset+1]; B = imagem[offset+2]; 11

12 Prof. André Y. Kusumoto EXEMPLO Amostragem e Quantização Representação e acesso à memória RGB de uma imagem colorida de 24 bits. O primeiro byte corresponde ao canal R, o segundo ao G e o terceiro ao B Se W for a largura da imagem e X, Y a coordenada do pixel, os valores de R, G e B podem ser obtidos por: offset = 3*(W*Y+X); R = imagem[offset]; G = imagem[offset+1]; B = imagem[offset+2]; 12

13 Prof. André Y. Kusumoto Amostragem e Quantização EXERCÍCIO 1 Uma vez obtido os valores de R = 32, G = 0 e B = 215 para o pixel, converta-o para tonalidade de cinza usando os principais modelos disponíveis: DECIMAL BINÁRIO HEXADECI MAL R G B D7 Modelos NTSC_YIQ e PAL_YUV: (Luminância) Y = 0.299*R *G *B Modelo HSV: (Valor) V = max(r, G, B) Modelo HSL: (Luminosidade) L = (max(r, G, B) + min(r, G, B))/2 Modelo HSI: (Intensidade) I = (R + G + B)/3 13

14 Prof. André Y. Kusumoto Amostragem e Quantização EXERCÍCIO 1 Uma vez obtido os valores de R = 32, G = 0 e B = 215 para o pixel, converta-o para tonalidade de cinza usando os principais modelos disponíveis: DECIMAL BINÁRIO HEXADECI MAL R G B D7 Modelos NTSC_YIQ e PAL_YUV: (Luminância) Y = 0.299*R *G *B Modelo HSV: (Valor) V = max(r, G, B) Modelo HSL: (Luminosidade) L = (max(r, G, B) + min(r, G, B))/2 Modelo HSI: (Intensidade) I = (R + G + B)/3 RESPOSTA: Y = 34, V = 215, L = 108, I = 82 14

15 Histograma de imagem digital Prof. André Y. Kusumoto O histograma de uma imagem é simplesmente um conjunto de números indicando o percentual de pixels naquela imagem, que apresenta um determinado nível de cinza ou cor. Figura 3.26 Imagem em tons de cinza e o seu histograma. 15

16 Histograma de imagem digital Prof. André Y. Kusumoto 16

17 Histograma Prof. André Y. Kusumoto Fornece uma indicação de sua qualidade quanto ao nível de contraste e quanto ao seu brilho médio. Figura 3.27 Imagens em tons de cinza e seus respectivos histogramas: com baixo contraste e com alto contraste 17

18 Histograma Prof. André Y. Kusumoto Figura 3.27 Imagens em tons de cinza e seus respectivos histogramas: com alto brilho e com baixo brilho. 18

19 Histograma Prof. André Y. Kusumoto 19

20 Prof. André Y. Kusumoto Histograma Histograma de uma imagem em escala de cinza (opencv) 20

21 Prof. André Y. Kusumoto Histograma Histograma de uma imagem em escala de cinza (GIMP) 21

22 Histograma Prof. André Y. Kusumoto Histogramas escala de cinza (opencv e GIMP) 22

23 Prof. André Y. Kusumoto Histogramas de uma imagem colorida Figura Histogramas da Imagem quanto à intensidade dos canais R,G B. 23

24 Histograma Prof. André Y. Kusumoto Histograma de uma imagem colorida (opencv) 24

25 Histograma Prof. André Y. Kusumoto Histograma (red) de uma imagem colorida (GIMP) 25

26 Prof. André Y. Kusumoto Histograma Histograma (green) de uma imagem colorida (GIMP) 26

27 Prof. André Y. Kusumoto Histograma Histograma (blue) de uma imagem colorida (GIMP) 27

28 Histograma Prof. André Y. Kusumoto Histogramas colorido (opencv e GIMP) 28

29 Prof. André Y. Kusumoto Sistemas de visão binária Agrupamento por limiar (limiarização) Figura Exemplo de binarização (a) Imagem em tons de cinza (b) Imagem binária 29

30 Prof. André Y. Kusumoto Agrupamento por limiar (limiarização) Uso em imagens em que o objeto a ser segmentado apresenta uma tonalidade bem diferente do fundo da imagem. Em um histograma bimodal, é possível estabelecer um limiar entre as duas tonalidades. Em um histograma bimodal, é possível estabelecer um limiar entre as duas tonalidades. Figura Exemplo de histograma bem-dividido. 30

31 Prof. André Y. Kusumoto Agrupamento por limiar (limiarização) Quando a imagem tem mais de dois objetos com cinzas diferentes em um fundo mais escuro, pode ser usada a técnica de limiarização multinível (multilevel thresholding). Figura 3.34 Exemplo de um histograma trimodal. 31

32 Limiarização A limiarização converte uma imagem de entrada f(x, y) de N níveis de cinza Prof. André Y. Kusumoto andrekusumoto.unip@gmail.com em uma imagem g(x,y), chamada de imagem limiarizada (ou posterizada), com número de níveis de cinza menor do que N. No limite, g(x, y), terá só dois níveis de cinza, como na equação: g( x, R1 se f ( x, y) T y) R2se f ( x, y) T 32

33 Limiarização Prof. André Y. Kusumoto Figura 3.36 Influência do valor do limiar sobre a qualidade da limiarização. 33

34 Limiarização Prof. André Y. Kusumoto 34

35 Limiarização Prof. André Y. Kusumoto Segmentação por Limiarização 35

36 Prof. André Y. Kusumoto Referências Referências GONZALEZ, R. C.; WOODS, R. E. Processamento digital de imagens. 3. ed. São Paulo: Pearson Prentice Hall, CONCI, A.; AZEVEDO, E.; LETA, F. R. Computação Gráfica. Rio de Janeiro, Editora Campus, v p. KUSUMOTO, A. Y. Identificação de alvos em ensaios de separação de carga utilizando visão computacional f. Dissertação (Mestrado em Ciências e Tecnologias Espaciais) - Instituto Tecnológico de Aeronáutica, São José dos Campos. 36