SEL-0339 Introdução à Visão Computacional. Aula 6 Representação e Descrição
|
|
- Raphael Anjos Fontes
- 6 Há anos
- Visualizações:
Transcrição
1 Departamento de Engenaria Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 6 Representação e Descrição Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga mvieira@sc.usp.br
2 Dados Geométricos 3D Computação Gráfica Imagem D Imagem D Processamento de imagens Imagem D Imagem D Visão Computacional Dados Geométricos 3D Visão Computacional - Aula1
3 Visão Computacional Imagem Digital Processamento de Imagem Extração/ Seleção de Características Reconecimento LENNA 3
4 4
5 Introdução q Após a segmentação, os agrupamentos resultantes são usualmente representados por meio de dados em um formato apropriado camados de descritores. Representação Fronteiras: Características externas. forma do objeto Foco na Regiões: Características internas. Foco na textura ou cor do objeto q Uma fronteira pode ser descrita pelo seu tamano, orientação, número de concavidades, etc... q Uma região pode ser descrita pela sua cor, textura, área, etc... q Os descritores devem ser insensíveis à translação, rotação e mudança de escala 5
6 Representação de Fronteiras
7 Representação de Fronteiras 1) Seguidor de fronteira Define uma sequência ordenada de pontos que descrevem uma fronteira. Para imagens binárias com a fronteira segmentada. Representação 1-D de uma forma bidimensional em uma imagem
8 Algoritmo: 1. Considere o ponto de partida b 0 como o ponto mais alto e mais a esquerda rotulado com valor 1 (objeto);. Denote por c 0 o vizino à esquerda (ponto de fundo); 3. Examine todos os vizinos-8 do ponto b 0 a partir de c 0 considerando o sentido orário e marque o primeiro ponto rotulado com 1 que for encontrado.
9 Algoritmo: 4. Inclua as coordenadas desse ponto na sequência como b 1. Ele faz parte da fronteira do objeto; 5. Denote por c 1 o ponto imediatamente anterior ao ponto b 1 encontrado na sequência (ponto de fundo); 6. Repita o passo 3 a 5 até que o ponto encontrado seja novamente b 0.
10 ) Código da Cadeia: ( Cain Code ou Código de Freeman) q Representam uma fronteira através de uma sequência conectada de segmentos, de direção e comprimento definidos. Código de 4 direções Código de 8 direções 10
11 Exemplo: Código de 4 direções: Cain Code 11
12 q Se a representação da fronteira for feita a cada par de pixels o custo computacional do algoritmo é alto e o torna mais susceptível a ruídos. Ruído 1
13 q Deve-se reamostrar a fronteira através de uma grade de amostragem de tamano maior. q Então, conforme a fronteira é percorrida, um ponto na fronteira é atribuído a cada nó da grade em função da sua proximidade. q O código de cadeia deve ser calculado para a fronteira reamostrada.
14 Imagem Origem Código de 4 direções: Grade de reamostragem Origem Código de 8 direções:
15 Exemplo: 15
16 Normalização do Código da Cadeia: q O Código da Cadeia de uma dada fronteira depende de uma origem. q A solução é normalizar o código para que independa da origem. Primeira Diferença ou Derivativo do Código da Cadeia: Invariante com relação à Rotação 16
17 17 Primeira Diferença ou Derivativo do Código da Cadeia: Método: 1. Considerar o Código da Cadeia de forma circular, ou seja, fecado em suas extremidades.. Montar o Código Derivativo de acordo com a distância no sentido anti-orário: p p p p p p p p 4 direções
18 Exemplo: Código da Cadeia: p Código Derivativo:
19 Exemplo: p 3 - p 1 Virar à Direita 90 o Virar à Esquerda 90 o Direção arbitrária ( 3 ) 19
20 0 Código Derivativo de 8 Direções: p p p p p p 4) 3)(7 )(6 1)(5 0)(4 7)(3 6)( 5)(1 (0 5 5) 4)(7 3)(6 )(5 1)(4 0)(3 7)( 6)(1 (0 6 6) 5)(7 4)(6 3)(5 )(4 1)(3 0)( 7)(1 (0 7 ) 1)(7 0)(6 7)(5 6)(4 5)(3 4)( 3)(1 (0 3 1) 0)(7 7)(6 6)(5 5)(4 4)(3 3)( )(1 (0 0) 7)(7 6)(6 5)(5 4)(4 3)(3 )( 1)(1 (0 1 7) 6)(7 5)(6 4)(5 3)(4 )(3 1)( 0)(1 (0 0 Sentido anti-orário
21 0 (0 0)(1 1)( )(3 3)(4 4)(5 5)(6 6)(7 7) 1 (0 1)(1 )( 3)(3 4)(4 5)(5 6)(6 7)(7 0) (0 )(1 3)( 4)(3 5)(4 6)(5 7)(6 0)(7 1) 3 (0 3)(1 4)( 5)(3 6)(4 7)(5 0)(6 1)(7 ) 7 (0 7)(1 0)( 1)(3 )(4 3)(5 4)(6 5)(7 6) 6 (0 6)(1 7)( 0)(3 1)(4 )(5 3)(6 4)(7 5) 5 (0 5)(1 6)( 7)(3 0)(4 1)(5 )(6 3)(7 4) Código da Cadeia: Código Derivativo:
22 3) Aproximações Poligonais: Uma fronteira pode ser aproximada por um polígono. Para uma fronteira fecada, a aproximação é exata quando o número de segmentos do polígono é igual ao número de pontos da fronteira. O objetivo da aproximação poligonal é capturar o formato da fronteira utilizando o menor número possível de segmentos.
23 Polígono de perímetro mínimo Cercar a fronteira por um conjunto de células concatenadas de tamano definido (esse tamano define a precisão da aproximação). O polígono é definido como se fosse um elástico que se encole e contorna a fronteira encontrando seus limites nos cantos interiores e exteriores da região delimitada pelas células.
24 Polígono de perímetro mínimo Define-se a região interna do conjunto de células concatenadas utilizando vizinança-4 (cinza-escuro). Deve-se rotular cada vértice do polígono interno em côncavo (preto) ou convexo (branco); Um vértice convexo é o ponto central de um trio de pontos que definem um ângulo na faixa de 0 <θ<180 e um vértice côncavo tem um ângulo na faixa de 180 <θ<360.
25 Polígono de perímetro mínimo Todos os vértices côncavos devem ser espelados considerando a diagonal oposta da célula externa da região. O polígono de perímetro mínimo é formado ligando-se os vértices encontrados (convexo e côncavo espelado), desprezando-se os vértices brancos que estão entre dois vértices pretos.
26 A orientação de um trio de pontos (a,b,c) com coordenadas (x 1,y 1 ), (x,y ), (x 3,y 3 ), respectivamente, pode ser calculado considerando-se a matriz abaixo: Como saber se um ponto é convexo ou côncavo? ú ú ú û ù ê ê ê ë é y x y x y x A ï þ ï ý ü ï î ï í ì < > Convexo Colineares Côncavo A ) det(
27 Exemplo:
28 Inscrição de Polígono Convexo: Fronteira Original Convexa Determinar os dois pontos mais distantes da fronteira ( a e b ); A forma foi subdividida em duas regiões; Determinar os pontos de maior distância perpendicular ao segmento a-b para as regiões superior e inferior (c e d); 8
29 Inscrição de Polígono Convexo: Inscrever o Polígono através da união dos pontos da fronteira determinados (a,b,c,d) Estabelecer um nível de Limiar para a distância perpendicular para definir o número de pontos do polígono. A Fronteira é então descrita através dos pontos que formam os vértices do Polígono inscrito ( a,b,c,d,...) 9
30 4) Assinaturas: q Representação unidimensional de uma fronteira em coordenadas polares. Exemplos: 1) Gráfico da Distância do centro de massa versus Ângulo: 30
31 Coordenadas Polares: y "' '-----'----x [X, Y] poicart(theta, RHO) coordinates. Te syntax is [THETA, RHO] cartpol(x, Y) 31
32 Exemplo: 3
33 Descritores de Fronteiras 1) Comprimento da Fronteira (Perímetro): Contagem do número de pixels da Fronteira. q Usando o Código da Cadeia: de 4 direções Número de elementos. de 8 direções Número de elementos pares (orizontais e verticais) mais x (número de elementos ímpares) elementos diagonais. 33
34 ) Diâmetro da Fronteira: Diam ( B) max i, j [ D( p, p )] i j Onde: D p i, p ) ( j É a distância entre os píxels i e j sobre a Fronteira B. q O valor do Diâmetro e a orientação da lina que conecta os dois pontos da fronteira mais distantes são descritores úteis da fronteira. q Esta lina é também camada de Eixo Maior da fronteira. 34
35 3) Excentricidade da Fronteira: q É a razão entre o Eixo Maior (D) e o Eixo Menor (d) da fronteira. D E d q Eixo Menor é a maior distância entre dois pontos da fronteira B sobre uma perpendicular ao Eixo Maior. 35
36 4) Número do Formato: ( Sape Numbers ) q Utilizando o Código da Cadeia de 4 direções, o Número do Formato da fronteira é definido como o menor número formado pela primeira diferença (Código Derivativo) através da Rotação do Derivativo. q A Ordem n do Número do Formato é definida como o número de dígitos para representá-lo. n é par para fronteiras fecadas Código da Cadeia: Derivativo: Número do Formato: 36
37 Código da Cadeia: Derivativo: Número do Formato: Código da Cadeia: Derivativo: Número do Formato: Código da Cadeia: Derivativo: Número do Formato: Código da Cadeia: Derivativo: Número do Formato: 37
38 Geração do Número do Formato: 1. Dada a Fronteira que se quer determinar seu Número do Formato, localizar o Eixo Maior e o Eixo Menor.. Definir o Retângulo Básico que envolve a fronteira, baseado nos dois eixos localizados. 38
39 3. Aproximar o retângulo que envolve a fronteira através de um retângulo cuja Excentricidade (E) melor aproxima a do Retângulo Básico. Exemplo: Supondo-se que a excentricidade medida foi E. O Retângulo 3 x 6 foi escolido pois possui excentricidade E. O polígono tem ordem 18, ou seja, o código da Cadeia terá 18 elementos. 1 x 8 E8 x 7 E3.5 3 x 6 E 4 x 5 E1,5 39
40 4. Alinar a direção do Código da Cadeia com a grade resultante e gerar os códigos e o Número do Formato equivalentes à fronteira. Código da Cadeia: Derivativo: Número do Formato:
41 6) Descritores de Fourier: A sequência de coordenadas de uma fronteira percorrida no sentido orário pode ser representada utilizando números complexos, com as coordenadas x no eixo real e a coordenadas y no eixo imaginário: Reduz a representação -D para 1-D. s x + i i jy i 41
42 6) Descritores de Fourier: Aplicando a transformada de Fourier na sequência determinada, temos os descritores de Fourier da fronteira; A transformada inversa desses coeficientes reconstrói a fronteira. Ao invés de usarmos todos os coeficientes na transformada inversa, pode-se obter uma fronteira aproximada (reduzir os detales da forma) utilizando-se apenas alguns coeficientes de Fourier (utiliza-se um filtro passa baixa). Os componentes de alta frequência são responsáveis pelos detales finais da imagem e os de baixa frequência determinam a forma global da imagem. Quanto menor a frequência de corte, mais detales são perdidos mas menos descritores são utilizados para descrever a fronteira. 4
43 Exemplo: 43
44 Representação de Regiões
45 Representação de Regiões 1) Esqueleto de uma Região: q Redução de uma região ao seu esqueleto, através de um algoritmo de afinamento ou esqueletização. q O esqueleto de uma região pode ser definido pela Transformação do Eixo Médio ( Medial Axis Transform - MAT). q A MAT de uma região R com borda B é definida da seguinte forma: Para cada ponto p em R, encontramos seu vizino mais próximo em B. Se p tiver mais de um vizino desse tipo, então diz-se que ele pertence ao eixo médio (esqueleto) de R. Esqueleto Região R Borda B 45
46 Exemplo: Esqueleto de regiões considerando a Distância Euclidiana. Os pontos do Esqueleto possuem pelo menos dois pontos em B de mesma Distância Euclidiana. 46
47 Exemplo: 47
48 Descritores de Regiões 1) Área de uma Região (A): A Número de pixels contido dentro de sua fronteira. ) Compacidade: C P A Onde P Perímetro da fronteira e A Área da Região q A Compacidade é adimensional e insensível a mudanças de escala e orientação. 48
49 3) Descritores Topológicos: q Úteis para descrições globais no plano de Imagem. q Topologia é o estudo das propriedades de uma figura que não sejam afetadas por deformações, desde que não existam divisão ou fusão da figura. Número de Furos: Número de Componentes conectados: Região com furos Região com 3 componentes conectados 49
50 Número de Euler: E C - H Onde: C número de componentes Conectados H número de furos E 0 E -1 50
51 4) Descritores de Textura: Fornece medidas de propriedades da imagem como suavidade, rugosidade e regularidade. 51
52 Abordagem Estatística: Baseada em istograma Mean Moment L 1 Expression rn I z;p(z;) ;0 Standard deviation a J;;.j;;z Smootness R 1-1/(1 + ( ) Tird moment Uniformity Entropy L - l P,3 L (Z; - m)3 p(zj io L - l U L p(zj ; 0 L - l e - I p(z;)log p(z;) ; 0 Measure of Texture A measure of average intensity. A measure of average contrast. Measures te relative smootness of te intensity in a region. R is 0 for a region of constant intensity and approaces 1 for regions wit large excursions in te values of its intensity levels. In practice, te variance, a, used in tis measure is normalized to te range [0,1] by dividing it by (L-1f Measures te skewness of a istogram. Tis measure is 0 for symmetric istograms; positive by istograms skewed to te rigt about te mean; and negative for istograms skewed to te left. Values of tis measure are brougt into a range of values comparable to te oter five measures by dividing f.l3 by (L -1), te same divisor we used to normalize te variance. Measures uniformity. Tis measure is maximum wen all intensity values are equal (maximally uniform) and decreases from tere. A measure of randomness. Alguns descritores de textura baseados no istograma de uma região. Z i à Intensidade dos pixels P(z) àhistograma das intensidades L à número dos possíveis níveis de cinza 5
53 Exemplo de valores de textura em diferentes imagens 53
54 5) Momentos: q O momento de ordem (p+q) de uma função contínua bi-dimensional é definido como: m p q x y f x, y dx dy ò ò pq ) - - ( para p,q 0,1,,... m x y f ( x, y) dx dy f ( x, y) dx dy ò ò - - ò ò - - m 00 área da Região 54
55 m x y f ( x, y) dx dy y f ( x, y) dx dy ò ò - - ò ò - - m x y f ( x, y) dx dy x f ( x, y) dx dy ò ò - - ò ò - - m 01 e m 10 são as coordenadas do Centro de Massa da Região 55
56 Momentos Centrais Normalizados: q São Momentos centralizados em regiões e podem ser expressos como: µ p q ( x - x) ( y - y) f ( x, y dx dy ò ò pq ) - - Onde: x m m e y Para uma Imagem Digital: m m São as coordenadas do Centro de Massa, normalizadas pela área da região. µ pq åå p ( - x) ( y - x y q x y) f ( x, y) 56
57 Momentos Centrais até a ordem 3: µ åå åå x - x) ( y - y) f ( x, y) f ( x, y) x y x y ( m 00 µ 10 µ 01 µ µ µ Ordem 1 Ordem 0 0 m0 - xm10 0 m0 - ym01 11 m11 - ym10 µ µ µ µ Ordem 3 m - ym - xm y m m - xm - ym x m m - xm x m m - ym y m São Invariantes com relação à escala
58 Momentos Invariantes: q Conjunto de Momentos (Momentos Invariantes de Hu) que são relativamente invariantes à translação, rotação e escala. Momentos Centrais Normalizados pela área: µ pq p + q 1 pq Onde: g + µ g 00 Para p+q,3,4,... q Hu calculou 7 desses momentos. q A experiência tem mostrado que os 7 Momentos Invariantes de Hu, são suficientes para descrever uma região independente da rotação, translação e escala. 58
59 59 Momentos Invariantes de Hu: f ) ( f ) (3 ) 3 ( f ) ( ) ( f [ ] [ ] ) ( ) 3( ) )( (3 ) 3( ) ( ) )( 3 ( f [ ] ) )( ( 4 ) ( ) ( ) ( f [ ] [ ] ) ( ) 3( ) )( (3 ) 3( ) ( ) )( (3 f
60 Exemplo: 60
61 Exemplo: 61
62 FIM 6
Aula 7 - Representação e Descrição de Estruturas Bi-dimensionais. Prof. Adilson Gonzaga
Aula 7 - Representação e Descrição de Estruturas Bi-dimensionais Prof. Adilson Gonzaga 1 Introdução Objetos ou Segmentos são representados como uma coleção de pixels em uma imagem. Para o reconhecimento
Leia maisAula 9 Representação e Descrição. Profa. Fátima Nunes AULA 9 / 1. Profa. Fátima L. S. Nunes
Fundamentos de Processamento Gráfico Aula 9 Representação e Descrição Profa. Fátima Nunes AULA 9 / 1 Reconhecimento de padrões AULA 9 / 2 Após a segmentação dar significado aos objetos extraídos da cena.
Leia maisRepresentação e Descrição. Guillermo Cámara-Chávez
Representação e Descrição Guillermo Cámara-Chávez Introdução Objetos ou Segmentos são representados como uma coleção de pixels em uma imagem Para o reconhecimento do objeto é necessário descrever as propriedades
Leia maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 3 de maio de 206 Representação e descrição de regiões Uma
Leia maisREPRESENTAÇÃO E DESCRIÇÃO. Nielsen Castelo Damasceno
REPRESENTAÇÃO E DESCRIÇÃO Nielsen Castelo Damasceno Representação e descrição Segmentação Representação e descrição Préprocessamento Problema Aquisição de imagem Base do conhecimento Reconhecimento e interpretação
Leia maisDr. Sylvio Barbon Junior. Departamento de Computação - UEL. 1 o Semestre de 2015
Introdução a Computação Gráfica [5COP100] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre de 2015 Assunto Aula 8 Descritores de Imagens Digitais 2 of 47 Sumário Descritores e Reconhecimento
Leia maisRepresentação e Descrição. Guillermo Cámara-Chávez
Representação e Descrição Guillermo Cámara-Chávez Introdução Objetos ou Segmentos são representados como uma coleção de pixels em uma imagem Para o reconhecimento do objeto é necessário descrever as propriedades
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 2 Processamento Espacial
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 2 Processamento Espacial Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga mvieira@sc.usp.br
Leia maisSEL Visão Computacional. Aula 2 Processamento Espacial
Departamento de Engenharia Elétrica - EESC-USP SEL-5895 - Visão Computacional Aula 2 Processamento Espacial Prof. Dr. Adilson Gonzaga Prof. Dr. Evandro Linhari Rodrigues Prof. Dr. Marcelo Andrade da Costa
Leia maisDescritores de Imagem (introdução)
Descritores de Imagem (introdução) André Tavares da Silva andre.silva@udesc.br Roteiro da aula Definição de descritor de imagem Extração de Característica Tipos Geral x Específico Global (cor, textura,
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 5 Segmentação de Imagens
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 5 Segmentação de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga Segmentação de
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Tópicos Detecção de Pontos Isolados Detecção de Linhas Prof. Sergio Ribeiro 2 Operações lógicas e aritméticas orientadas a vizinhança utilizam o conceito
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Extração de Características
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Extração de Características Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Entender os conceitos de
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 2 Processamento Espacial (Parte 2)
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 2 Processamento Espacial (Parte 2) Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga mvieira@sc.usp.br
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 7 Reconhecimento de Objetos
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 7 Reconhecimento de Objetos Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga mvieira@sc.usp.br
Leia maisCapítulo 6 Extração de Características e Reconhecimento de Padrões e Objetos. Computação Gráfica - Vol. 2 - Cap. 6
Capítulo 6 Extração de Características e Reconhecimento de Padrões e Objetos 1 Capítulo 6 6.1. Segmentação 6.2. Tipos de características 6.3. Descritores de forma 6.4. Reconhecimento de Padrões em Imagens
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 3 Processamento de Imagens Coloridas
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 3 Processamento de Imagens Coloridas Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga mvieira@sc.usp.br
Leia maisAula 3 Processamento Espacial
SEL 0449 - Processamento Digital de Imagens Médicas Aula 3 Processamento Espacial Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br EESC/USP Processamento Espacial Transformações ponto a ponto
Leia maisDescritores de Imagem (introdução)
Descritores de Imagem (introdução) André Tavares da Silva andre.silva@udesc.br Roteiro da aula Definição de descritor de imagem Extração de Característica Tipos Geral x Específico Global (cor, textura,
Leia maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 6 de outubro de 2016 Segmentação de imagens A segmentação
Leia maisIntrodução ao Processamento Digital de Imagens. Aula 6 Propriedades da Transformada de Fourier
Introdução ao Processamento Digital de Imagens Aula 6 Propriedades da Transformada de Fourier Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Uma linha de uma imagem formada por uma sequência
Leia maisTransformações Geométricas. Transformações Geométricas. Sistemas de Coordenadas. Translação: M.C.F. de Oliveira Rosane Minghim 2006
Transformações Geométricas Transformações Geométricas 2D M.C.F. de Oliveira Rosane Minghim 2006 Aplicadas aos modelos gráficos para alterar a geometria dos objetos, sem alterar a topologia Porque são necessárias:
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Propriedades de Imagem Digital Prof. Sergio Ribeiro Tópicos Propriedades de uma Imagem Digital Vizinhança Conectividade Operações Lógicas e Aritméticas
Leia maisAula 4: Morfologia de Imagens
SEL 5886 - VISÃO COMPUTACIONAL Aula 4: Morfologia de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira Colaboração: Dr. Bruno R. N. Matheus Morfologia Morfologia matemática: Ferramenta para extração de
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Propriedades de Imagem Digital Prof. Sergio Ribeiro Tópicos Propriedades de uma Imagem Digital Vizinhança e Aritméticas Efeitos de em Pixel a Pixel
Leia maisAlgoritmos geométricos
Algoritmos geométricos introdução a conceitos básicos de geometria computacional que serão abordados de forma mais avançada na disciplina Computação Gráfica disciplina de computação gráfica arquitetura
Leia maisExtração de Características. Carlos Alexandre Mello
Extração de Características Carlos Alexandre Mello Pós-Graduação em Ciência da Computação Carlos Alexandre Mello cabm@cin.ufpe.br 1 Extração de Características Representação de objetos através de um conjunto
Leia maisRespostas do Teste de Analise de Imagens :
Respostas do Teste de Analise de Imagens - 2004: 1Diga com suas palavras o que é: (Valor total da questão: 12) Filtragem passa alta (valor deste item até 0,3) - importante falar que apesar do nome ser
Leia maisUniversidade Federal do Rio de Janeiro - IM/DCC & NCE
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Segmentação Antonio G. Thomé thome@nce.ufrj.br Sala AEP/133 Conceituação Segmentação é uma tarefa básica no processo de análise
Leia maisSEL Processamento Digital de Imagens Médicas. Aula 6 Processamento no Domínio da Frequência
SEL 0449 - Processamento Digital de Imagens Médicas Aula 6 Processamento no Domínio da Frequência Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Processamento no Domínio da Frequência 2 Filtros
Leia maisDescritores de Imagem (exemplos)
Descritores de Imagem (exemplos) André Tavares da Silva andre.silva@udesc.br Baseado em Penatti (2009) e Silva (2011) Alguns exemplos Descritores baseados em cor Na literatura existem quatro abordagens
Leia maisProcessamento Digital de Imagens. Análise de Imagens
Processamento Digital de Imagens Análise de Imagens Eduardo A. B. da Silva Programa de Engenharia Elétrica - COPPE/UFRJ Laboratório de Sinais, Multimídia e Telecomunicações eduardo@smt.ufrj.br Sergio L.
Leia maisRESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS. Nielsen Castelo Damasceno
RESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS Nielsen Castelo Damasceno Restauração de imagem Procura recuperar uma imagem corrompida com base em um conhecimento a priori do fenômeno de degradação. Restauração
Leia maisUniversidade de São Paulo Instituto de Ciências Matemáticas e de Computação
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Francisco A. Rodrigues Departamento de Matemática Aplicada e Estatística - SME 1 Objetivo Parametrização de curvas Extração de
Leia maisProcessamento de Imagens: fundamentos. Julio C. S. Jacques Junior
Processamento de Imagens: fundamentos Julio C. S. Jacques Junior juliojj@gmail.com Fronteiras do Processamento de Imagens Processamento de dados Dados / Informação Visão Computacional Computação Gráfica
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR) EXTRAÇÃO DE CARACTERÍSTICAS Definição Característica: variável ou atributo
Leia maisSEL Processamento Digital de Imagens Médicas. Aula 4 Transformada de Fourier. Prof. Dr. Marcelo Andrade da Costa Vieira
SEL 0449 - Processamento Digital de Imagens Médicas Aula 4 Transformada de Fourier Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Jean Baptiste Joseph Fourier 2 Exemplo: Função Degrau 3 Exemplo:
Leia maisAula 5 - Segmentação de Imagens
Aula 5 - Segmentação de Imagens Parte 1 Prof. Adilson Gonzaga 1 Segmentação Agrupamento de partes de uma imagem em unidades homogêneas relativamente a determinadas características. Segmentação é o processo
Leia maisPonto em Polígono. António Leslie Bajuelos Departamento de Matemática Universidade de Aveiro
Ponto em Polígono António Leslie Bajuelos Departamento de Matemática Universidade de Aveiro Preliminares Uma curva poligonal (ou cadeia poligonal) é uma sequência finita v 0, e 0, v,, e n-2, v n-, e n-
Leia maisComputação Gráfica. Prof. MSc André Yoshimi Kusumoto
Computação Gráfica Prof. MSc André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Primitivas gráficas em duas dimensões Matrizes em Computação Gráfica Todas as transformações geométricas podem ser representadas
Leia maisExtração de Características
Extração de Características Alceu S. Britto Jr. Alessandro L. Koerich Aprendizagem de Máquina Mestrado/Doutorado em Informática 2009 Definição Característica: variável ou atributo utilizado na descrição
Leia maisExemplos. Propagação (Reconstrução)
Processamento de Imagens Médicas Morfologia Matemática em Imagens Prof. Luiz Otavio Murta Jr. Informática Biomédica Depto. de Física e Matemática (FFCLRP/USP) Propagação (Reconstrução) lgoritmos Baseados
Leia maisConsultas por Similaridade em Domínios de Dados Complexos
Consultas por Similaridade em Domínios de Dados Complexos Guilherme Felipe Zabot Orientador: Profº Dr Caetano Traina Jr Roteiro Objetivo Introdução Dados Complexos Representação de Dados Complexos Extração
Leia maisA B C A 1 B 1 C 1 A 2 B 2 C 2 é zero (exceto o caso em que as tres retas são paralelas).
MAT 105- Lista de Exercícios 1. Prolongue o segmento com extremos em (1, -5) e (3, 1) de um comprimento de (10) unidades. Determine as coordenadas dos novos extremos. 2. Determine o centro e o raio da
Leia maisCIC 111 Análise e Projeto de Algoritmos II
CIC 111 Análise e Projeto de Algoritmos II Prof. Roberto Affonso da Costa Junior Universidade Federal de Itajubá AULA 29 Geometry Complex numbers Points and lines Polygon area Distance functions Geometry
Leia maisMétodos de Extração de Características
1. Introdução Métodos de Extração de Características A Interpretação ou entendimento de uma cena demanda o reconhecimento de seus objetos. Reconhecimento de objetos ou padrões contidos em uma cena -> é
Leia mais2 SIFT (Scale Invariant Feature Transform)
SIFT (Scale Invariant Feature Transform) O SIFT é um algoritmo de visão computacional proposto e publicado pelo pesquisador David Lowe (Lowe, 1999), professor do departamento de Ciência da Computação na
Leia maisINTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO
INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO PROCESSAMENTO DE IMAGENS Introdução Conceitos básicos Pré-processamento Realce Classificação PROCESSAMENTO DE IMAGENS Extração de Informações
Leia mais4 Detecção de Silhueta
4 Detecção de Silhueta No decorrer deste capítulo é proposto um modelo de detecção da silhueta da mão capaz de lidar com os erros da segmentação e ruídos na sua morfologia. Num primeiro passo são considerados
Leia maisSEL Introdução ao Processamento Digital de Imagens. Aula 9 Restauração de Imagens Parte 2
SEL5895 - Introdução ao Processamento Digital de Imagens Aula 9 Restauração de Imagens Parte 2 Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Modelo de Degradação e Restauração g(x,y) = h(x,y)
Leia maisUNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba. Transformações Geométricas
UNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba Transformações Geométricas .(x,y, P).(x,y, P) Imagem fonte Imagem transformada Deve-se notar que, como uma imagem digital é representada por uma matriz
Leia mais[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações
[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações Dr. Sylvio Barbon Junior PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DE ALIMENTOS - UEL 2016 Assunto Aula 4 Segmentação de Imagens 2 de
Leia maisAula 8 Reconhecimento de Padroes : parte 2.
Aula 8 Reconhecimento de Padroes : parte 2. Análise de Imagens - 2015 Aura Conci Etapas de um sistema de reconhecimento de padrões. Padrão como generalização de um Pixel, Voxel ou Região Vizinhança do
Leia maisMAT 112 Vetores e Geometria. Prova SUB C
MAT 112 Vetores e Geometria Prof. Paolo Piccione 02 de julho de 2019 Prova SUB C Turmas: 2019146 e 2019134 Nome: Número USP: Assinatura: Instruções A duração da prova é de uma hora e quarenta minutos.
Leia maisUm Estudo das Técnicas de Obtenção de Forma a partir de Estéreo e Luz Estruturada para Engenharia
Um Estudo das Técnicas de Obtenção de Forma a partir de Estéreo e Luz Estruturada para Engenharia Aluno: Gabriel Malizia Orientador: Professor Marcelo Gattass Co-Orientador: Professor Paulo Cezar Carvalho
Leia maisCoordenadas Cartesianas
1 Coordenadas Cartesianas 1.1 O produto cartesiano Para compreender algumas notações utilizadas ao longo deste texto, é necessário entender o conceito de produto cartesiano, um produto entre conjuntos
Leia maisUniversidade de Aveiro Departamento de Electrónica, Telecomunicações e Informática. Transformações 2D
Universidade de Aveiro Departamento de Electrónica, Telecomunicações e Informática Transformações 2D Computação Visual Beatriz Sousa Santos, Joaquim Madeira Transformações 2D Posicionar, orientar e escalar
Leia maisResultantes de um sistema de forças
Resultantes de um sistema de forças Objetivos da aula Discutir o conceito do momento de uma força e mostrar como calculá-lo em duas e três dimensões. Fornecer um método para determinação do momento de
Leia maisProcessamento De Imagem. Descritores de Cor
Processamento De Imagem Descritores de Cor Cores Uma das propriedades mais importantes para visão humana. Muito usada em sistemas de recuperação de imagens, CBIRs. Taxonomia Global A informação de cor
Leia maisComputação Gráfica. Engenharia de Computação. CEFET/RJ campus Petrópolis. Prof. Luis Retondaro. Aula 3. Transformações Geométricas
Computação Gráfica Engenharia de Computação CEFET/RJ campus Petrópolis Prof. Luis Retondaro Aula 3 Transformações Geométricas no plano e no espaço Introdução (Geometria) 2 Pontos, Vetores e Matrizes Dado
Leia maisMORFOLOGIA MATEMÁTICA
MORFOLOGIA MATEMÁTICA Morfologia Na Biologia área que trata com a forma e a estrutura de plantas e animais Processamento de Imagens Ferramenta para extração de componentes de imagens que sejam úteis na
Leia maisVisualização por Computador: Teoria, Prática e Aplicações
Visualização por Computador: Teoria, Prática e Aplicações Noções de Geometria e Álgebra Linear Claudio Esperança Programa de Engenharia de Sistemas e Computação COPPE / UFRJ Master of Information Management,
Leia maisProcessamento de Imagens. Segmentação por regiões
Processamento de Imagens Segmentação por regiões Inúmeros Métodos Clusterização Baseados em histograma Detecção de bordas Crescimento de regiões Level Set Particionamento de grafos Watershed Baseados em
Leia maisCPV 82% de aprovação na ESPM
8% de aprovação na ESPM ESPM NOVEMBRO/00 Prova E MATemática. Assinale a alternativa cujo valor seja a soma dos valores das demais: a) 0 + b) 5% c) d) 75% de 3 e) log 0,5 a) 0 + + 3,5 5 b) 5 % 5 00 0 0,5
Leia maisComputação Gráfica - 09
Universidade Federal do Vale do São Francisco Curso de Engenharia da Computação Computação Gráfica - 9 jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti www.twitter.com/jorgecav Objetos
Leia maisComputação Gráfica - 09
Universidade Federal do Vale do São Francisco Curso de Engenharia da Computação Computação Gráfica - 9 jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti www.twitter.com/jorgecav Objetos
Leia maisProcessamento de Imagens. Texturas
Processamento de Imagens Texturas Exemplos Introdução Texturas Não existe abordagem formal Não existe definição formal São definidas qualitativamente e não há consenso quanto a sua definição quantitativa
Leia maisAprendizagem de Máquinas. Extração de Características
Universidade Federal do Paraná (UFPR) Departamento de Informática (DInf) Aprendizagem de Máquinas Extração de Características David Menotti, Ph.D. http://web.inf.ufpr.br/menotti 1 Objetivos Entender os
Leia maisPMR2560 Visão Computacional Conversão e Limiarização. Prof. Eduardo L. L. Cabral
PMR2560 Visão Computacional Conversão e Limiarização Prof. Eduardo L. L. Cabral Objetivos Processamento de imagens: Conversão de imagens; Histograma; Limiarização. Imagem digital Uma imagem é uma matriz
Leia maisCapítulo 1-Sistemas de Coordenadas
Capítulo 1-Sistemas de Coordenadas 1 Sistema Unidimensional de Coordenadas Conceito: Neste sistema, também chamado de Sistema Linear, um ponto pode se mover livremente sobre uma reta (ou espaço unidimensional).
Leia maisProfessor: Computação Gráfica I. Anselmo Montenegro Conteúdo: - Objetos gráficos planares. Instituto de Computação - UFF
Computação Gráfica I Professor: Anselmo Montenegro www.ic.uff.br/~anselmo Conteúdo: - Objetos gráficos planares 1 Objetos gráficos: conceitos O conceito de objeto gráfico é fundamental para a Computação
Leia maisMAT 105- Lista de Exercícios
1 MAT 105- Lista de Exercícios 1. Determine as áreas dos seguintes polígonos: a) triângulo de vértices (2,3), (5,7), (-3,4). Resp. 11,5 b) triângulo de vértices (0,4), (-8,0), (-1,-4). Resp. 30 c) quadrilátero
Leia maisIntrodução à Computação Gráfica
Introdução à Computação Gráfica Desenho de Construção Naval Manuel Ventura Instituto Superior Técnico Secção Autónoma de Engenharia Naval 27 Sumário Entidades Geométricas Transformações Geométricas 2D
Leia maisProcessamento de Imagem. Convolução Filtragem no Domínio da Frequência (Fourier) Professora Sheila Cáceres
Processamento de Imagem Convolução Filtragem no Domínio da Frequência (Fourier) Professora Sheila Cáceres Lembrando Filtragem Correlação A correlação e a convolução sãos dois conceitos relacionados a filtragem.
Leia maisObjetos Gráficos Planares
Universidade Federal de Alagoas Instituto de Matemática Objetos Gráficos Planares Prof. Thales Vieira 2011 Objetos Gráficos Computação Gráfica é a área que estuda a síntese, o processamento e a análise
Leia mais7º Ano. Planificação Matemática 2014/2015. Escola Básica Integrada de Fragoso 7º Ano
7º Ano Planificação Matemática 2014/2015 Escola Básica Integrada de Fragoso 7º Ano Domínio Subdomínio Conteúdos Objetivos gerais / Metas Números e Operações Números racionais - Simétrico da soma e da diferença
Leia mais3 Segmentador Multiresolução Estendido
3 Segmentador Multiresolução Estendido Neste capítulo é abordado o método de segmentação de imagens proposto neste trabalho. A seção 3.1 apresenta o método de segmentação. Na seção 3.2 são apresentados
Leia maisResistência dos Materiais
Resistência dos Materiais Prof. Antonio Dias Antonio Dias / Cap.04 1 Resultantes de um sistema de forças Prof. Antonio Dias Antonio Dias / Cap.04 2 Objetivo Discutir o conceito do momento de uma força
Leia maisAnálise e Complexidade de Algoritmos
Análise e Complexidade de Algoritmos Introdução a algoritmos geométricos e seus métodos - varredura - envoltória convexa Prof. Rodrigo Rocha prof.rodrigorocha@yahoo.com http://www.bolinhabolinha.com Onde
Leia maisGeometria Analítica. Geometria Analítica 28/08/2012
Prof. Luiz Antonio do Nascimento luiz.anascimento@sp.senac.br www.lnascimento.com.br Conjuntos Propriedades das operações de adição e multiplicação: Propriedade comutativa: Adição a + b = b + a Multiplicação
Leia maisProfessor: Anselmo Montenegro Conteúdo: Aula 2. - Primitivas Geométricas. Instituto de Computação - UFF
Geometria Computacional Professor: Anselmo Montenegro www.ic.uff.br/~anselmo Conteúdo: Aula - Primitivas Geométricas 1 Roteiro Introdução Operações primitivas Distâncias Ângulos Ângulos orientados Áreas
Leia maisFigura 9.1: Corpo que pode ser simplificado pelo estado plano de tensões (a), estado de tensões no interior do corpo (b).
9 ESTADO PLANO DE TENSÕES E DEFORMAÇÕES As tensões e deformações em um ponto, no interior de um corpo no espaço tridimensional referenciado por um sistema cartesiano de coordenadas, consistem de três componentes
Leia maisNOTAÇÕES. R : conjunto dos números reais C : conjunto dos números complexos
NOTAÇÕES R : conjunto dos números reais C : conjunto dos números complexos i : unidade imaginária: i = 1 z : módulo do número z C Re(z) : parte real do número z C Im(z) : parte imaginária do número z C
Leia maisAula 2 Aquisição de Imagens
SEL 0449 - Processamento Digital de Imagens Médicas 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
Leia maisAlunos: Caio Santos Renato Miceli
rangel@dscufcgedubr/ rangeldequeirop@yahoocombr Alunos: Caio Santos Renato Miceli UNIVERSIDADE FEDERAL DE CAMPINA GRANDE UFCG Av Aprígio Veloso, S/N Bodocongó CEP: 58109-190 Campina Grande PB www.ufcg.edu.br/
Leia maisRotação e Interpolação
Rotação e Interpolação Resumo O objetivo desse artigo é mostrar como é feita a rotação em qualquer ângulo de imagens 2D, bem como apresentar dois métodos de interpolação de pontos vizinho mais próximo
Leia maisNome: nº Professor(a): UBERLAN / CRISTIANA Série: 3ª EM Turmas: 3301 / 3302 Data: / /2013
Nome: nº Professor(a): UBERLAN / CRISTIANA Série: 3ª EM Turmas: 3301 / 3302 Data: / /2013 Sem limite para crescer Bateria de Exercícios de Matemática II 1) A área do triângulo, cujos vértices são (1, 2),
Leia maisRadiométricas. Alexandre Xavier Falcão. Instituto de Computação - UNICAMP
Operações Matemáticas e Transformações Radiométricas Instituto de Computação - UNICAMP afalcao@ic.unicamp.br Operações Matemáticas Sejam Î = (D I, I ) e Ĵ = (D J, J) duas imagens cinzas de mesmo domínio,
Leia maisTratamento da Imagem Transformações (cont.)
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Tratamento da Imagem Transformações (cont.) Antonio G. Thomé thome@nce.ufrj.br Sala AEP/33 Transformações Geométricas 3 Transformações Geométricas
Leia maisTransformações de Pontos. Computação Gráfica Prof. Dr. Paulo Roberto Gomes Luzzardi Aluna: Karina da Silva Salles
Transformações de Pontos Computação Gráfica Prof. Dr. Paulo Roberto Gomes Luzzardi Aluna: Karina da Silva Salles Sumário Motivação Definição Translação Escala Rotação Reflexão Shearing Referências Motivação
Leia maisProcessamento de Imagem. Relaçionamentos entre pixels e Operações Aritméticas e Lógicas Professora Sheila Cáceres
Processamento de Imagem Relaçionamentos entre pixels e Operações Aritméticas e Lógicas Professora Sheila Cáceres Relacionamentos básicos entre elementos de uma imagem Vizinhança Conectividade Adjacência
Leia maisGeometria Analítica - AFA
Geometria Analítica - AFA x = v + (AFA) Considerando no plano cartesiano ortogonal as retas r, s e t, tais que (r) :, (s) : mx + y + m = 0 e (t) : x = 0, y = v analise as proposições abaixo, classificando-
Leia maisMAT2457 ÁLGEBRA LINEAR PARA ENGENHARIA I 2 a Lista de Exercícios - 1 o semestre de f 1 = 2 e 1 e 2 e 3,
MAT2457 ÁLGEBRA LINEAR PARA ENGENHARIA I 2 a Lista de Exercícios - 1 o semestre de 2015 1 Sendo E = { e 1 e 2 e 3 } F = { f 1 f 2 f 3 } bases com: f 1 = 2 e 1 e 3 f 2 = e 2 + 2 e 3 f 3 = 7 e 3 e w = e
Leia maisUniversidade Federal de Sergipe Departamento de Matemática. Imagem* Profª. Maria Andrade. *Parte desta apresentação foi do Prof. Thales Vieira.
Universidade Federal de Sergipe Departamento de Matemática Imagem* Profª. Maria Andrade *Parte desta apresentação foi do Prof. Thales Vieira. 2016 O que é uma imagem digital? Imagem no universo físico
Leia maisPROCESSAMENTO DE IMAGENS
PROCESSAMENTO DE IMAGENS Introdução Conceitos básicos Pré-processamento Realce Classificação PROCESSAMENTO DE IMAGENS- aula de 25/5/10 Introdução Conceitos básicos Pré-processamento Realce Classificação
Leia maisUFBA / UFRB a Fase Matemática RESOLUÇÃO: Professora Maria Antônia Gouveia. QUESTÕES de 01 a 08
UFBA / UFRB 008 1a Fase Matemática Professora Maria Antônia Gouveia QUESTÕES de 01 a 08 INSTRUÇÃO: Assinale as proposições verdadeiras, some os números a elas associados e marque o resultado na Folha de
Leia mais7.1 Área: conceito e áreas do quadrado e do
page 8 7.1 Área: conceito e áreas do quadrado e do retângulo 8 7.1 Área: conceito e áreas do quadrado e do retângulo Dada uma figura no plano, vamos definir a área desta figura como o resultado da comparação
Leia maisProcessamento de Imagens Digitais
Processamento de Imagens Digitais Antonio Cesar Germano Martins 2º semestre de 2018 Apresentações Nascido em Sorocaba. Graduado em Bacharelado em Física pela UNICAMP em 1989, tendo participado de pesquisas
Leia maisAv. João Pessoa, 100 Magalhães Laguna / Santa Catarina CEP
Disciplina: Matemática Curso: Ensino Médio Professor(a): Flávio Calônico Júnior Turma: 3ª Série E M E N T A II Trimestre 2013 Conteúdos Programáticos Data 21/maio 28/maio Conteúdo FUNÇÃO MODULAR Interpretação
Leia mais