Structure-based ASCII Art

Transcrição

1 Structure-based ASCII Art Alexandre Miyazaki Rafael Viégas 19 de Dezembro de 2011 Fundamentos de Processamento de Imagens 1/31

2 Sumário Introdução Tone Based vs Structure Based Objetivo Metodologia do Artigo Pré-Processamento Similaridade de Forma Otimização Nossa Metodologia Tentativas Pré-Processamento Conversão para ASC Resultados Perguntas Fundamentos de Processamento de Imagens 2/31

3 Introdução O que é ASCII Art? É basicamente a forma de representar imagens com caracteres. Largamente usado devido aos meios de comunicação textuais, como SMS, mensageiros instantâneos, etc.. Fundamentos de Processamento de Imagens 3/31

4 Introdução Tone Based vs Structure Based Tone Based ASCII art Reproduz a distribuição das tonalidades da imagem com os caracteres. Já é feita de forma automatizada. Necessita que o texto tenha uma resolução grande. Fundamentos de Processamento de Imagens 4/31

5 Introdução Tone Based vs Structure Based Structure Based ASCII art Representa, com caracteres, a maior parte da estrutura da imagem. Grande parte feita manualmente. Fundamentos de Processamento de Imagens 5/31

6 Objetivo O objetivo do trabalho é, dada uma imagem, a geração automatizada de uma imagem ASCII Art baseada em estrutura. Fundamentos de Processamento de Imagens 6/31

7 Objetivo Problemas Imagens de conteúdo arbitrário. Formas disponíveis limitadas (95 Caracteres ASC). Caracteres tem colocação restritiva. Fundamentos de Processamento de Imagens 7/31

8 Como Resolvem no Artigo Fundamentos de Processamento de Imagens 8/31

9 Metodologia do Artigo Pré-Processamento Entrada para o modelo são apenas as Polylines de uma imagem vetorizada. Grid aplicado a imagem, separando a imagem em células. Fundamentos de Processamento de Imagens 9/31

10 Metodologia do Artigo Similaridade de Forma Métrica de Similaridade de Forma Sem sensibilidade ao alinhamento. Deve contabilizar as diferenças de transformação, como posição, orientação e escala. Fundamentos de Processamento de Imagens 10/31

11 Metodologia do Artigo Similaridade de Forma AISS - Alignment-Insensitive Shape Similarity Uso de diagramas Log-Polar. Amostragem em N pontos da imagem com o diagrama Log-Polar. Cada diagrama forma um histograma. Aplica-se esta metodologia para cada caractere e para cada célula da imagem. Fundamentos de Processamento de Imagens 11/31

12 Metodologia do Artigo AISS - Alignment-Insensitive Shape Similarity Similaridade de Forma A similaridade entre duas formas é calculada por: D AISS (S, S ) = 1 M i N h i h i Onde h i e h i são os i-ésimos histogramas amostrados, e M = (n + n ), onde n e n são os fatores de normalização, que constituem-se do somatório total dos tons de cinza de S e S. Fundamentos de Processamento de Imagens 12/31

13 Metodologia do Artigo Otimização Deformação Para aumentar a chance de uma boa combinação da imagem com caracteres, artistas deformam a imagem original. A idéia é imitar essa deformação. Deformação sem controle pode prejudicar o conteúdo da imagem. Deformação na imagem feita usando Simulated Annealing Strategy Fundamentos de Processamento de Imagens 13/31

14 Metodologia do Artigo Otimização Métricas de deformação Métrica de deformação local. Controla a deformação local. Não garante que a imagem não será prejudicada globalmente. Métrica de acessibilidade. Controla a deformação global. A métrica total de deformação é definida como o máximo entre a métrica de deformação local e a métrica de acessibilidade. Fundamentos de Processamento de Imagens 14/31

15 Metodologia do Artigo Função de objetivo Otimização Com a deformação e a similaridade de forma definidas, podemos definir a função de objetivo, para minimizar E, onde E = 1 K mj=1 D j AISS Dj deform na qual m é o número total de células e K é o número de células não vazias e j é o número da célula a ser comparada e seu caractere de melhor match. Fundamentos de Processamento de Imagens 15/31

16 Como nós resolvemos Fundamentos de Processamento de Imagens 16/31

17 Nossa Metodologia Tentativas Início Começamos tentando seguir a metodologia do artigo. Tivemos problemas demais ao calcular a AISS. Decidimos usar os conceitos que aprendemos na disciplina para fazer uma aproximação da resolução do problema proposto. Fundamentos de Processamento de Imagens 17/31

18 Nossa Metodologia Tratamento da imagem Pré-Processamento O Programa recebe a imagem normal,sem a necessidade de um tratamento prévio. Fundamentos de Processamento de Imagens 18/31

19 Nossa Metodologia Pré-Processamento Tratamento dos Caracteres Fizemos um pré-tratamento dos caracteres para o seu uso. Reproduzimos os mesmos em imagens 10x10, tamanho o qual foi usado para definir também as células do grid. Fundamentos de Processamento de Imagens 19/31

20 Nossa Metodologia Pré-Processamento Operações aplicadas nos caracteres Primeiramente, convertemos as imagens dos caracteres para tons de cinza. Após isso aplicamos uma quantização. Pixels com valores menor que 230 viram 0. Pixels com valores maiores que 230 viram 255. Valores os quais quantizam os caracteres sem um grande prejuízo em sua forma. Fundamentos de Processamento de Imagens 20/31

21 Nossa Metodologia Pré-Processamento Operações aplicadas na Imagem Conversão da imagem para tons de cinza, como nos caracteres. Aplicação de um filtro passa altas na imagem. Quantização da imagem com valores definidos pelo usuário. Valores muito baixos geram muito ruído alem do contorno da imagem. Valores muito altos fazem com que haja uma perda muito grande de informação de arestas. Cálculo do negativo da imagem. Aplicação de um filtro gaussiano. Fundamentos de Processamento de Imagens 21/31

22 Nossa Metodologia Conversão para ASC Comparação e Conversão A comparação é pixel a pixel, contabilizando os pixels em comum e selecionando a melhor combinação. É preenchida uma matriz com os caracteres correspondentes a imagem e é gerado um arquivo txt com eles. Fundamentos de Processamento de Imagens 22/31

23 Nossa Metodologia Overview do Processo Conversão para ASC Fundamentos de Processamento de Imagens 23/31

24 Nossa Metodologia Overview do Processo Conversão para ASC Fundamentos de Processamento de Imagens 24/31

25 Nossa Metodologia Overview do Processo Conversão para ASC Fundamentos de Processamento de Imagens 25/31

26 Resultados It s me, Mario! Fundamentos de Processamento de Imagens 26/31

27 Resultados Monk Fundamentos de Processamento de Imagens 27/31

28 Resultados TrollFace Fundamentos de Processamento de Imagens 28/31

29 Perguntas Perguntas? Fundamentos de Processamento de Imagens 29/31

30 Structure-based ASCII Art Alexandre Miyazaki Rafael Viégas 19 de Dezembro de 2011 Fundamentos de Processamento de Imagens 30/31

31 Feliz Natal! Fundamentos de Processamento de Imagens 31/31