Auto-esboço e Auto-pele pelo Misturograma

Tamanho: px

Começar a partir da página:

Download "Auto-esboço e Auto-pele pelo Misturograma"

Edson Malheiro Custódio
7 Há anos
Visualizações:

1 Auto-esboço e Auto-pele pelo Misturograma Severino Jr, Osvaldo IMES - FAFICA osvaldo@fafica.br Gonzaga, Adilson Escola de Engenharia de São Carlos - US adilson@sc.usp.br Resumo Neste trabalho é apresentado um novo método para a segmentação da zona de pele e do esboço da face que trabalha com a mistura de cores no sistema RGB denominado Misturograma. O Misturograma representa a quantização de cada um dos pixels da imagem nas cores preto, azul, verde, ciano, vermelho, rosa, amarelo e branco. A quantização é calculada pelo valor da mistura de cores derivado da representação binária da cor do pixel. 1. Introdução A pele humana é constituída por diferentes misturas de cores (pigmentos). A pigmentação constituiu um caráter racial de grande importância e consiste na cor que apresenta a pele, o cabelo e a íris do olho. Segundo Domenech [1] levando-se em conta, como caráter fundamental, a cor da pele, pode-se definir grandes grupos ou troncos raciais. Baseando-se na idéia da pele como uma característica relevante para descrição de uma imagem e no conceito que a pigmentação da pele é definida por diferentes misturas de cores, este trabalho propõe o termo Misturograma para segmentar a zona de pele em imagens faciais. Inicialmente, analisase o processo da mistura de cores no modelo RGB.. Misturograma - Mistura de Cores no modelo RGB Uma cor C representada no espaço RGB é constituída pela adição das cores vermelho verde e azul expressas, respectivamente, pelas componentes R, G e B. ortanto, C igual a (R,G,B) e quando constituída por bits é representada por: C = ( RR6RRR3RR1 Ro, GG6GGG3GG1G, B B6BBB3BB1B ) onde os valores de R,G e B variam de () a ( ). Verifica-se, ainda, que C representada, desta forma, possui camadas: K = ( R, G, B ) para i =, K, i i i i ( 1 ) onde K i representa uma mistura das cores expressas pelas componentes R i, G i e B i, tal que: K i igual a (,, ) resulta no preto ausência do vermelho, do verde e do azul; K i igual a (,, 1 ) resulta no azul presença apenas do azul; K i igual a (, 1, ) resulta no verde presença apenas do verde; K i igual a (, 1, 1 ) resulta no ciano mistura do verde e do azul; K i igual a ( 1,, ) resulta no vermelho presença apenas do vermelho; K i igual a ( 1,, 1 ) resulta no rosa mistura do vermelho e do azul; K i igual a ( 1, 1, ) resulta no amarelo mistura do vermelho e do verde;

O Misturograma representa a quantização de cada um dos pixels da imagem nas cores preto, azul, verde, ciano, vermelho, rosa, amarelo e branco.

2 K i = ( 1, 1, 1 ) resulta no branco mistura do vermelho, do verde e do azul. Observa-se, também, que um valor binário constituído por bits e variando-se apenas um bit de cada vez, temos que: 1 equivale a que é igual a 1; 1 1 equivale a que é igual a ; 1 equivale a que é igual a ; 3 1 equivale a que é igual a ; 1 equivale a que é igual a 16; 1 equivale a que é igual a 3; 6 1 equivale a que é igual a 6; 1 equivale a que é igual a 1. Sabendo-se que o valor máximo representado por bits é que equivale a 1 que é igual a. Conclui-se que a cor representada por cada camada K i, normalizada pelo valor máximo, possui a proporção i i = para i =, K, ( ) 1 em relação a mistura final, onde i = 1. i= A Figura 1 mostra o exemplo de uma cor C igual a (19,16,13), que em binário é representada por C igual a ( 11111, 111, 111), composta pela mistura de,% da cor ciano, 39,% da cor vermelho,,% da cor verde e 3,3% da cor rosa determinada da seguinte forma: K = representa a cor ciano com a proporção 1 (,1,1 ) ( 1,, ) 6 =, K representa a cor vermelho com a proporção =, 1 ( 1,, ) 6 6 = 1 K = representa a cor vermelho com a proporção 1 K = representa a cor verde com a proporção 1 (,1, ) ( 1,,1 ) 3 =,1,6 K representa a cor rosa com a proporção =, 31 ( 1,, ) 3 3 = K = representa a cor vermelho com a proporção 1 (,1, ) K representa a cor verde com a proporção =, 1 = ( 1,,1 ) = 1 K = representa a cor rosa com a proporção 1,39,1 Analisando a mistura que compõe a cor da Figura 1, pode-se concluir, também, que a mistura pode ser expressa por um valor v, tal que:

a ; 3 1 equivale a que é igual a ; 1 equivale a que é igual a 16; 1 equivale a que é igual a 3; 6 1 equivale a que é igual a 6; 1 equivale a que é igual a 1.

3 = i i 1 ( R + G + B ) i i i v = ( 3 ) 1 calculado pela soma do decimal que representa o número binário da cor na camada multiplicado pela sua proporção na mistura final. No caso da Figura 1, a cor C igual a (19,16,13) possui v igual a 3,393 ( 3, +,39 +, +, 33 ). Figura 1: Representação de uma cor composta pela mistura das cores verde, ciano, vermelho e rosa. Desta forma, qualquer mistura de cores pode ser discretizada a um valor escalar entre e, onde corresponde ao valor de RGB igual a (,,) e ao valor RGB igual a (,,). ara isto, definiu-se um intervalo i, tal que: i = onde corresponde ao valor máximo da mistura e ao número de cores definida (preto, azul, verde, ciano, vermelho, rosa, amarelo e branco), e: para v < 1 tem-se v = que representa o preto; para 1 v < tem-se v = 1 que representa o azul; para v < 3 tem-se v = que representa o verde; para 3 < v tem-se v = 3 que representa o ciano; para v < tem-se v = que representa o vermelho; para v < 6 tem-se v = que representa o rosa; para 6 v < tem-se v = 6 que representa o amarelo; para v < tem-se v = que representa o branco. Na Figura 1, a cor C igual a (19,16,13) possui v igual a 3,393 que será quantizado para v igual a 3 que representa a cor ciano. ode-se concluir que o valor v de uma mistura expressa uma transformação do espaço 3D representado pelo espaço RGB para um escalar 1D. Na Figura temos em

Desta forma, qualquer mistura de cores pode ser discretizada a um valor escalar entre e, onde corresponde ao valor de RGB igual a (,,) e ao valor RGB igual a (,,).

4 a) uma imagem reduzida para o tamanho x 3 pixels no formato RGB com bits do banco de faces AR [] e em b) a mesma imagem quantizada em cores pelo valor v da mistura de cores da imagem. Figura : a) Imagem origina e b) Imagem quantizada pelo Misturograma. ortanto, a cor de qualquer pixel de uma imagem RGB poderá ser quantizada nas cores preto, azul, verde, ciano, vermelho, rosa, amarelo e branco, pelo valor v da mistura de cores denominado Misturograma. ara demonstrar o potencial do Misturograma, torna-se interessante utiliza-lo para a segmentação de zonas de pele em imagens faciais.. Auto-esboço e Auto-pele ara segmentar amostras de zonas de pele, inicialmente, trabalhou-se com a imagem quantizada em cores gerada pelo Misturograma. Entretanto, analisando a Figura -b verificou-se que a zona de pele era composta por varias cores (ciano, vermelho, rosa e amarelo). ortanto, resolveu-se trabalhar apenas com a mistura de cores da camada (ver equação 1) que corresponde ao bit mais significativo da cor de cada pixel da imagem. Na Figura 3 é apresentada a mistura de cores da imagem -a correspondente à camada. Figura 3: Imagem quantizada pela mistura de cores da camada. Nota-se que a porção da face correspondente ao cabelo, sobrancelhas, olhos e barba tornam-se facilmente identificadas pelo preto, entretanto, isto não ocorre com a zona de pele. Numa tentativa em obter um melhor resultado, realizou-se as transformações: a) Conversão da imagem original do modelo RGB (n = 6 e m = 6) para o modelo HSV (Hue Saturatiom Value) [3]; b) Normalização dos valores do canal S da imagem no modelo HSV, de acordo com o desvio padrão do mínimo valor do canal S [], tal que:

ortanto, a cor de qualquer pixel de uma imagem RGB poderá ser quantizada nas cores preto, azul, verde, ciano, vermelho, rosa, amarelo e branco, pelo valor v da mistura de cores denominado

5 S i, Si, min =, para i = 1.. n e = 1.. m onde desvio S i, n m i= 1 ( S min) mim = mínimo e desvio = n m 1 c) Normalização dos valores do canal V da imagem no modelo HSV, de acordo com o desvio padrão do mínimo valor do canal V [], tal que: Vi, min Vi, =, para i = 1.. n e = 1.. m onde desvio n m i= 1 i, ( V min) mim = mínimo( V i, ) e desvio = n m 1 d) Conversão da imagem do modelo HSV com os canais S e V normalizados para o modelo RGB []; A Figura apresenta em a) a imagem original, em b) a imagem normalizada pelo desvio padrão do valor mínimo do canal S, em c) a imagem, também, normalizada pelo desvio padrão do valor mínimo do canal V e em d) a imagem gerada pela quantização da mistura de cores da camada. Analisando a imagem da Figura -c verifica-se que a zona de pele da face é facilmente identificada pelo vermelho. Verificou-se, também, que tomando apenas o preto, pode-se formar uma nova imagem que representa o esboço da face. As Figura e 6 apresentam em a) a imagem original, b) o esboço da face da imagem denominado auto-esboço e em c) a zona de pele da face da imagem original denominada auto-pele. i, Figura : Imagens a) original, b) normalizada pelo canal S, c) normalizada pelo canal V e d) quantizada pela mistura de cores da camada.

que: Vi, min Vi, =, para i = 1.. n e = 1.

6 Figura : Imagens segmentadas. a) imagem original, b) auto-esboço da face e c) auto-pele da face Figura 6: Novas imagens segmentadas. a) imagem original, b) auto-esboço da face e c) auto-pele da face. Conclusão Mostrou-se com este trabalho que cada pixel de uma imagem no espaço RGB pode ser classificado como uma mistura de cores através de sua definição binária, o Misturograma. O Misturograma é uma abordagem de quantização de cores de uma imagem RGB eficiente e rápido quanto à metodologia de implementação. Uma das intenções deste trabalho foi mostrar o potencial do Misturograma quando utilizado para a segmentação de zona de pele (auto-pele) e formação da imagem esboço de face (autoesboço) de imagens de um banco de faces. Acreditamos que as características relacionadas ao autoesboço e a auto-pele poderão ser exploradas em trabalhos futuros como uma contribuição para a formação de características associadas à descrição de imagens digitais. Referências [1] Domenech, J. M. T., Bolivar, A.. Atlas das Raças Humanas. Rio de Janeiro, livro Ibero- Americano, Ltada, 196. [] Martinez, A.M., Benavente, R. The AR Face Database. CVC Technical Report nº, June 199. [3] Gonzales, R. C., Woods, R. E., and Eddins, S. L. Digital Image processing using Matlab. earson Education :. [] Yang, K., Trewn, J. Multivariate Statical Methods in Quality Management. New York, McGraw- Hill,.

Conclusão Mostrou-se com este trabalho que cada pixel de uma imagem no espaço RGB pode ser classificado como uma mistura de cores através de sua definição binária, o Misturograma.

Documentos relacionados

Auto-Fusão na Recuperação de Imagens Baseadas em Conteúdo.

Auto-Fusão na Recuperação de Imagens Baseadas em Conteúdo. Severino Jr, Osvaldo IMES - FAFICA osvaldo@fafica.br Gonzaga, Adilson Escola de Engenharia de São Carlos - USP adilson@sc.usp.br Resumo Neste