ESTUDO DE TÉCNICAS PARA SOLUÇÃO DE PROBLEMAS DE PROCESSAMENTO DE IMAGENS UTILIZANDO A LINGUAGEM PYTHON

Transcrição

1 ESTUDO DE TÉCNICAS PARA SOLUÇÃO DE PROBLEMAS DE PROCESSAMENTO DE IMAGENS UTILIZANDO A LINGUAGEM PYTHON Marcus Vinícius Teodoro Silva, Marcos William da Silva Oliveira Instituto Federal de Educação, Ciência e Tecnologia de São Paulo. Rodovia Presidente Dutra - Km 145 Bairro: Jardim Diamante - São José dos Campos - SP, marcusvtsilva@hotmail.com, oliveiramw@ifsp.edu.br Resumo Este trabalho empreende-se no estudo de técnicas de processamento de imagens aliado a programação de computadores. A manipulação de imagens de forma digital requer conhecimento em lógica de programação, matemática computacional e álgebra linear. A interdisciplinaridade presente no estudo deste conteúdo requer planejamento na aplicação das técnicas, visto que as mesmas dependem de conhecimento em áreas distintas. A aplicação dos métodos de processamento de imagem pode contribuir para a solução de diversos problemas em áreas científicas, como contagem automática de elementos, extração de medidas entre outras. Porém, é necessário ter uma imagem preparada para que sejam aplicados, esses métodos. Isso implica em ter uma imagem com contraste entre os elementos de interesse com o fundo da imagem. Para tanto, foram estudados os métodos de análise de histograma, binarização e morfologia matemática. O sucesso do resultado da aplicação de cada método depende da aplicação científica no qual será utilizado. Os resultados desta pesquisa são iniciais, servindo de base para pesquisas futuras. Palavras-chave: Processamento de imagens, segmentação, morfologia matemática, python. Área do Conhecimento: Matemática Computacional/Processamento de Imagens Introdução A solução de problemas a partir de programação de computadores requer domínios prévios de subáreas de conhecimento vinculadas as áreas principais, como a matemática computacional e álgebra linear. Para que seja possível a solução automática de um determinado problema com imagens, primeiramente, é necessário ter domínio para manipular essas imagens de forma computacional. Sendo assim, é preciso estudar os comandos da linguagem Python e seus respectivos pacotes de funções específicos para processamento de imagem e operações numéricas. A aplicação de métodos e técnicas de processamento de imagens auxilia e torna possível a automatização da contagem de determinados objetos contidos em imagens[4]. A solução deste problema contribui significativamente para laboratórios de pesquisa que dependem da contagem destes elementos de forma eficiente. Na busca da solução do problema, serão estudados alguns processamentos de imagem, bem como seus resultados e aplicabilidade para a preparação da imagem para rotulação, processo este que realiza a contagem de elementos conexos contidos na imagem. Metodologia O Python é uma linguagem de programação gratuita[3], bastante aplicada em procedimentos científicos por ser uma linguagem de alto nível e fácil acesso. Porém, para trabalhar com processamento de imagens, são necessários pacotes de funções específicas desta área[1], como o Python Image Library(PIL), com funções específicas de manipulações com imagens, o NumPy, com funções numéricas e matriciais e o matplotlib, com funções para construções gráficas. Para que seja possível a manipulação digital de uma imagem, com os pacotes de função citados acima já importados, é necessário importar seu arquivo digital para a área de criação de programa de computadores, no caso da programação em python, o IDLE[1]. Sendo assim, é necessário o uso do comando: im=image.open("nome do arquivo.formato") [1]. Este comando armazena na variável 'im', a imagem descrita entre parentes, localizada no mesmo diretório do programa. Porém, para que seja possível a manipulação desta imagem é necessário converte-la para escala de cinza, através do comando ".convert('l'), e em seguida converte-la para um array, ou seja, uma matriz de dimensões MxN onde cada elemento dessa matriz corresponde a um pixel da imagem e seu valor representa o nível de brilho do pixel, que varia de 0 a 255[2]. As dimensõoes MxN da matriz gerada são as mesmas 1

2 do arquivo original da imagem[2]. A partir deste momento, as operações são feitas de forma numérica, utilizando algebra linear no array correspondente a imagem[2]. Por exemplo, para que seja aumentado o brilho da imagem é necessário somar um determinado valor em todos os pixels da imagem, ou seja, em todos os elementos do array[4]. Neste caso, o processamento é uma operação de soma simples, porém, como trabalhamos com imagens de 8 bits, é necessário o cuidado para que, no processo de soma ou subtração, nenhum pixel esteja menor que zero ou maior que 255, para isso é utilizado o comando: im_array = np.where(im_array-x<0,0,im_array-x) Também é possivel efetuar a soma ou subtração de duas imagens atravéz de seus respectivos arrays, somando-os ou subtraindo-os de forma numérica, assim como cortes de quadros de imagens também são feitos com processos numéricos realizando aumento ou diminuição da matriz correspondente. Sendo assim, a distribuição dos níveis de brilho de cada pixel ao longo da imagem é o que forma sua caracteristica visual. Essa distribuição precisa ser analisada para que seja tomada uma decisão de processamento buscando resolver um determinado problema. Uma das formas de analisar essa distribuição é através do histograma da imagem. O histograma é um gráfico de barras que relaciona os níveis de brilho dos pixels e suas respectivas quantidades[2]. O histograma de uma imagem pode ser obtido através do comando contido na Figura 1. Figura 1 Código gerador de histograma do array im_array Através da análise do histograma da imagem, outro processamento possível é conhecido como Limiarização. Este processo transforma uma imagem em escala de cinza em uma imagem binária, ou seja, de duas cores, a partir de um determinado valor[4]. Supondo um valor de limiar = 130, todo pixel menor que 130 se torna 0 (preto) e todo pixel maior ou igual a 130 se torna 255 (branco). Dessa maneira, de acordo com a variação do limiar, é gerado um destaque em determinados elementos da imagem. Para melhora destes resultados também é possível fazer uso dos processos de Morfologia Matemática, entre eles abertura e fechamento. Para que seja obtido o resultado esperado, é necessário traçar um fluxo de aplicação desses métodos, seguindo a análise de cada um dos processamentos, para que se tenha um programa que tome todas as decisões necessárias e de forma automática. Resultados A imagem utilizada para processamento, foi gerada pelo autor para exemplificar de forma didática os resultados de cada processamento, sendo possível o uso desta técnica em outras situações como contagem de elementos em imagens de microscopia eletrônica de varredura e imagens de laboratório, bem como extração de medidas em elementos de interesse na imagem. O uso da imagem com formas geométricas auxilia na comparação dos resultados obtidos computacionalmente, sendo possível sua contagem também de forma manual. Uma vez que o procedimento tem sucesso, se torna viável sua aplicação em imagens com uma maior quantidade de elementos. A partir da análise do histograma de uma imagem, é possível perceber sua distribuição irregular em quantidades e respectivos níveis de brilho em cada pixel. Sendo assim, o primeiro processamento realizado é chamado equalização de histograma e busca amenizar a discrepância entre os níveis plotados, ou seja, torna a distribuição de pixels na imagem mais uniforme, aumentando o contraste na imagem. As figuras 2 e 3 representam os resultados obtidos, sendo a imagem não processada (Figura 2a), e seu respectivo histograma (Figura 2b), a imagem com o histograma equalizado (Figura 3a) e seu respectivo histograma (Figura 3b). 2

3 Figura 2 - (a) imagem original em escala de cinza, (b) Histograma da Figura 2a Figura 3 - (a) resultado da equalização de histograma da Figura 2a, (b) Histograma da figura 3a Além da equalização de histograma foi aplicado o processamento de Limiarização nas imagens. Este processo divide a imagem em duas cores a partir de um valor de limiar, como descrito anteriormente. A figura 4 mostra os resultados após aplicação de valores de limiar distintos. Figura 4 - (a) Resultado da limiarização da figura 2a com limiar = 50, (b) Resultado da limiarização da figura 2a com limiar = 130 e (c) Resultado da limiarização da figura 2a com limiar = 180 A partir da limiarização da imagem é possível aplicar procedimentos que corrigem estes resultados através de Morfologia Matemática. Operações como abertura e fechamento são feitas computacionalmente como um processo de substituição de pixel, gerando resultados distintos. Neste caso, o processo é utilizado para a retiradas das linhas de fibra que ainda aparecem na imagem, sabendo que são relevantes apenas os grânulos. Com os processos de morfologia matemática pode haver a diminuição dos grânulos, para que haja o desaparecimento das fibras, o que não agrega 3

4 nenhum dano ao projeto, visto que sua diminuição não altera os resultados da sua respectiva contagem após o processo de segmentação. As figuras 5 e 6 mostram os resultados de diferentes aplicações de morfologia matemática à figura 4b. Figura 5 Resultados de abertura utilizando Morfologia Matemática. Figura 6 Resultados de fechamento utilizando Morfologia Matemática. Discussão Após a análise de cada resultado obtido, a partir do processamento das imagens foi construído um fluxograma de processos, visto que alguns processamentos, quando aplicados de forma isolada, não apresentaram resultado relevante. A Figura 7 mostra o fluxograma de processos citado, além de distinguir as áreas em que cada processo diz respeito, visto que a criação de um programa de computador que realiza contagem automática de elementos em uma imagem relaciona a programação de computadores, matemática computacional, algebra linear e processamento de imagens. A sequência de processamento tem como objetivo preparar a imagem, com o devido contraste entre os objetos de interesse e ruídos ou fundo de imagem, para que seja aplicada a rotulação de componentes conexos que realiza a contagem propriamente dita. Dessa maneira, o resultado de cada processo influencia no próximo, com exceção da equalização de histograma que não apresentou resultados relevantes para a continuação a partir dela. Os demais procedimentos quando isolados também não apresentam resultado satisfatório, porém servem de base para aplicação de novos procedimentos até que se obtenha, a partir da sequencia descrita, o resultado desejado. 4

5 Figura 7 Fluxograma de processos. Conclusão Após a aplicação de processos a partir de Morfologia Matemática é possível notar que a imagem está pronta para que seja aplicado processo de rotulação de componentes conexos, para que seja realizada a contagem dos elementos. Estes resultados auxiliam a busca por novas extrações de dados destas mesmas imagens no futuro, como área e volume. A solução do problema depende diretamente dos métodos e da forma com que são aplicados, visto que em um processo automático é fundamental o controle dos resultados obtidos ao longo do processamento, para que sejam tomadas as próximas decisões de forma correta, apresentando resultado coerente. Em pesquisas que envolvem áreas distintas a montagem deste fluxo de atividades se torna mais complexo, visto que cada ação depende dos resultados que vão sendo obtidos ao longo do processamento ou da pesquisa. Referências [1]BORGES, L. E. Python para Desenvolvedores: Aborda Python 3.3. Novatec Editora, [2]GONZALEZ, R. C.; WOODS, R. E.. Processamento digital de imagens. 3a edição, Pearson Education, [3]MENEZES, Nilo Ney Coutinho. Introdução à programação com Python 2ª edição: Algoritmos e lógica de programação para iniciantes. Novatec Editora, [4]PEDRINI, H.; SCHWARTZ, W.R. Análise de Imagens Digitais. Thomson Learning,