Processamento Digital de Imagens. Cor

Transcrição

1 Processamento Digital de Imagens Cor

2

3

4 Em uma descrição física a cor está associada ao seu comprimento de onda. Ao se analisar o espectro eletromagnético na região do visível, os menores comprimentos de onda estão associados a cor violeta e os de maior ao vermelho, passando pelos de azul, verde, amarelo e laranja. Deve-se salientar que está associação é feita pelo sistema visual humano.

5

6 A incidir em um objeto a luz pode ser absorvida ou refletida. A cor de um objeto é devido a luz refletida pelo mesmo.

7 Assim, se um objeto reflete de mesma forma em todos os comprimentos de onda, ele parecerá branco. Se, no entanto, existir um conjunto de comprimentos de onda para o qual o objeto reflita a luz incidente com maior intensidade, então este terá a cor associada a somatória desta luz refletida. De outra forma, se o objeto absorver a luz incidente, o mesmo será negro.

8 No caso de luz acromática (sem cores presentes) basta a intensidade para caracterizá-la. No estudo de luz cromática (com cores presentes) são utilizadas algumas propriedades que permitem a sua caracterização: radiância, luminância e brilho.

9 A radiância se refere a energia luminosa emitida por uma fonte luminosa medida em watt (W).

10 A luminância é uma medida da quantidade de radiação percebida por um observador, sendo medida em lúmen (lm). Deve-se notar que um sistema de aquisição de imagens não possui a mesma eficiência em todos os comprimentos de onda.

11 O brilho está associado a intensidade luminosa e, embora em imagens monocromáticas possua uma interpretação bastante precisa, no caso de imagens cromáticas é uma propriedade bastante subjetiva.

12 Embora cor tenha uma descrição simples em termos de comprimento de ondas, a percepção da cor por um ser humano é bastante complexo, envolvendo fenômenos psicofísicos e ainda não completamente entendido. O número de nomes de cores varia com a cultura (Sekuler, R. e Blake, R. Perception. 3ed McGraw Hill, 1990). O próprio questionamento de se o que uma pessoa chama de verde causa a mesma sensação em outra pessoa, é difícil de ser respondido.

13 Efeitos relativos à iluminação e interação fundo/objeto de análise devem ser considerados e podem levar interpretações erradas.

14 A retina possui dois tipos de receptores: os cones e os bastonetes. Em um olho existem entre 6 e 7 milhões de cones que são altamente sensíveis a cores e entre 75 e 150 milhões de bastonetes que são responsáveis pela visão geral sendo analisada.

15

16 Experiências psicofísicas indicam que existem três tipos diferentes de pigmentos presentes nos cones (Sekuler, R. e Blake, R. Perception. 3ed McGraw Hill, 1990).

17 Cores primárias (aditivas)

18 A partir da adição de duas cores primárias obtêm-se uma cor secundária: magenta (vermelho + azul) ciano (verde + azul) amarelo (vermelho + verde).

19 Um sistema formado pelas três cores secundárias é utilizado na descrição de pigmentos e corantes, considerando-se os comprimentos de ondas que são absorvidos (subtraídos) pelo material. Assim, em um pigmento ciano, o vermelho é absorvido e o verde e azul são refletidos.

20 Cores secundárias (subtrativas)

21 Na análise de uma imagem colorida são utilizadas as seguintes características: brilho, matiz e saturação.

22 O brilho está associado a intensidade no caso de imagens em tons de cinza. O matiz (hue) traz a informação a respeito do comprimento de onda dominante em uma determinada cor. A saturação (saturation) descreve o grau de mistura de um matiz com a luz branca, indicando o quão pura a cor é.

23 Cores não saturadas são apagadas, ao passo que cores saturadas são vibrantes. O vermelho é altamente saturada ao passo que o cor de rosa é não saturado. Uma cor 100% saturada não contém nenhuma luz branca. Uma mistura de luz branca e um matiz possui saturação entre 0 e 100.

24 A cromaticidade é uma descrição que incorpora o matiz e a saturação. Assim, pode-se descrever uma imagem de acordo com o brilho e a cromaticidade.

25

26 As imagens coloridas podem ser obtidas por meio da aquisição de uma cena por dispositivos sensíveis a vários comprimentos de onda, ou pela atribuição de uma cor para intensidades monocromáticas, sendo neste último caso chamada de imagem em pseudo-cor.

27 Exemplo de pseudo-cor imagem de satélite

28 Modelos de cores O uso de modelos de cor permite a especificação de cores a partir de pontos em um sistema de coordenadas. A especificação de um modelo de cor está associado a aplicação. Assim, de uma forma geral, usa-se o modelo RGB (Red, Green e Blue) para monitores e câmeras de vídeo, o CMY (Cyan, Magenta e Yellow) para impressoras e o HSI (Hue, Saturation e Intensity) para a manipulação de imagens. Para o processamento de imagens, utiliza-se mais freqüentemente os modelos RGB e HSI.

29 Modelo RGB Utiliza-se um sistema de coordenadas cartesianas sendo que cada eixo representa uma das cores primárias. Nestes eixos, os valores são normalmente normalizados a 1.

30 O sub-espaço que representa todas as cores é definido por um cubo cujos vértices representam: (0,0,0) o preto (1,0,0) o vermelho (0,1,0) o verde (0,0,1) o azul (1,0,1) o magenta (0,1,1) o ciano (1,1,0) o amarelo (1,1,1) o branco.

31 Cubo RGB A escala de tons de cinza é descrita pela reta que une a origem ao vértice (1,1,1).

32 Com este modelo, a cor de um pixel presente em uma imagem é representada por um vetor neste sub-espaço: p = r e + r g e + g b eb onde r, g e b são valores de 0 a 1 que representam as contribuições de vermelho, azul e verde e são vetores unitários nas direções positivas de e i cada um dos eixos cartesianos.

33 Uma abordagem ao se realizar o processamento de imagens utilizando o modelo RGB é aplicar a operação em cada um dos canais separadamente e em seguida somar os resultados. Operações como a equalização do histograma podem, no entanto, alterar significativamente a distribuição de cores. Nestes casos, é melhor utilizar o modelo HSI.

34 Arquivo de imagem em tons de cinza: Arquivo de imagem em cores: ( ) ( )... Arquivo com tons de cinza em uma imagem colorida: ( ) ( )...

35 Crescimento de regiões No caso de crescimento de regiões, podese impor condições em cada um dos canais separadamente para se obter resultados satisfatórios.

36

37 Imagem da porta segmentada a partir da imagem do corredor usando-se como semente o pixel na posição (285, 257) de valores R=14, G=119 e B=154 e como critério de agregação ΔR=40, ΔG=40 e ΔB=60.

38 Imagem do batente segmentada a partir da imagem do corredor usando-se como semente o pixel na posição (62, 256) de valores R=9, G=100 e B=128 e como critério de agregação ΔR=40, ΔG=40 e ΔB=60.

39 Imagem do cesto segmentada a partir da imagem do corredor usando-se como semente o pixel na posição (494, 364) de valores R=18, G=36 e B=71 e como critério de agregação ΔR=40, ΔG=40 e ΔB=60.

40

41 Para tornar a escolha do pixel semente automático, pode-se implementar um processo que, dados valores para R, G, B e os critérios de agregação, varre-se a imagem horizontalmente, de cima para baixo, e ao se encontrar um pixel com os valores especificados, inicia-se o processo de crescimento de regiões.

42 Resultados da segmentação automática com valor de semestre R=G=B=23 e critério de agregação ΔR=ΔG=ΔB=10.

43 Modelo HSI Este modelo desacopla a informação de brilho daquelas referentes a cor propriamente dita. Usa como parâmetros o matiz (Hue), a saturação (Saturation) e o brilho (Intensity)

44

45

46 Transformação de RGB para HSI

47 Referências: Gonzalez, cap. 4 Crane, cap. 1