Processamento de Imagens Coloridas. Prof. Adilson Gonzaga

Transcrição

1 Processamento de Imagens Coloridas Prof. Adilson Gonzaga 1

2 Aparência de um Objeto A aparência de um objeto é o resultado de uma complexa interação da luz incidente sobre este objeto, suas características ópticas e a percepção humana.

3 Espectro Eletromagnético

4 Sensibilidade da Visão Humana Visão Noturna Visão Diurna

5 Resposta dos Cones na retina humana Distribuição dos cones na retina 65% red 33% green 2% blue Os cones Azuis (Blue) são mais sensíveis Uma imagem é o resultado da combinação das três cores Thomas Young, 1802 l Response level Cone Cell Sensitivities Wavelength Blue Green Red

6 Atributos Geométricos da Aparência A Luz pode ser caracterizada como: Refletida por um objeto: luz que retorna de uma superfície iluminada. Transmitida: luz que passa através de um objeto e é vista do outro lado. Tanto a luz refletida como a transmitida por um objeto, pode ser Difusa e Não-difusa.

7 Reflexão Difusa A Reflexão Difusa é característica da luz que é espalhada (scattered) em diversos ângulos a partir da superfície iluminada. A Reflexão Difusa contibui mais com a cor do que outro tipo de distribuição da luz, porque a maioria dos objetos são opacos e refletem a luz de maneira difusa.

8 Reflexão Especular A Reflexão Especular é a reflexão da luz como em um espelho. É direcional ao invés de difusa e o ângulo de reflexão é o mesmo do ângulo da luz incidente A Reflexão Especular é a que dá a aparência de espelho à superfície dos objetos.

9 Transmissão Difusa A Transmissão Difusa ocorre quando a luz que penetra um objeto, espalha e emerge espalhada do outro lado. A luz transmitida difusamente sai da superfície do objeto em diversas direções. A Transmissão Difusa dá a aparência ao objeto de translucido, turvo ou enevoado.

10 Transmissão Regular A Transmissão Regular refere-se à luz passando por um objeto sem difusão. As medidas realizadas com a Transmissão Regular são bastante aplicadas em análises químicas e na medida de cores de líquidos.

11 A Física da Cor A Cor está associada com os comprimentos de onda da luz, ou melhor, com as distribuições destes comprimento de onda. Estas distribuições são conhecidas como Características Espectrofotométricas. Comprimentos de onda visíveis são aqueles do espectro eletromagnético entre o violeta (400 nm) e o vermelho (700 nm). A absorção seletiva de diferentes quantidades de comprimentos de onda dentro destes limites determina a cor dos objetos.

12 A Física da Cor Comprimentos de onda não absorvidos são refletidos ou transmitidos (espalhados) pelos objetos e assim, tornam-se visíveis aos observadores. Curva espectrofotométrica

13 Imagens Coloridas

14 Diagrama de Cromaticidade CIE

15 Espaço, Gamut e Modelo de Cores

16 Modelo Aditivo Modelo RGB

17 Modelo de cores RGB Utilizado por câmeras e Monitores de Vídeo O modelo de cores RGB é conhecido como Cubo de Cores RGB. Nos vértices do cubo estão as cores primárias (Vermelho, Verde, Azul) e as cores secundárias (Ciano, Magenta, Amarelo). O Preto está localizado na origem e o Branco na extremidade oposta. A diagonal do cubo entre Preto e Branco é a Escala de Cinza.

18 Modelo Subtrativo

19 Modelo de cores CMY e CMYK Utilizado por impressoras e copiadoras coloridas. C Ciano M Magenta Y Amarelo C Ciano M Magenta Y Amarelo Modelo Subtrativo. Quando uma superfície com a cor Ciano é iluminada com luz branca, nenhuma luz vermelha é refletida, ou seja, o pigmento Ciano subtrai a luz vermelha da luz branca refletida. = B G R Y M C Conversão para o RGB CMYK CMY mais preto

20 Modelos de cor são dependentes do equipamento

21 Device Color Gamuts Gamut = range de cores realisáveis. O color gamut para um dispositivo depende do dispositivo, do meio e das condições de visualização. O gamut pode ser visualizado como um plano ou um volume dentro de um Espaço de Cor padrão.

22 Gamut de um Monitor RGB e de uma Impressora CMYK

23 Gamut RGB O gamut RGB pode ser colocado dentro de um cubo.

24 Espaço de Cores Espaço de Cores Representação geométrica das cores no espaço, usualmente em três dimensões. [CIE Publication 17.4, ]

25 Espaços de Cores Alguns Espaços de Cores: 1. RGB 2. HSI 3. HSV 4. YCbCr

26 Espaço de Cor RGB Um Espaço de Cor RGB é qualquer espaço de cor aditivo baseado no Modelo de Cor RGB. Os espaços de Cores RGB mais utilizados são: -srgb - Adobe RGB (que tem um gamut significativamente maior).

27 Espaço de Cor srgb srgb : standard RGB color space Criado cooperativamente pela HP e Microsoft em 1996 para uso em monitores, impressoras e na Internet. Geralmente, uma imagem digital que utiliza 8 bits por canal é uma imagem do espaço srgb

28 Imagens representadas no espaço srgb Uma Imagem colorida RGB é um arranjo de M x N x 3 píxels onde cada píxel é uma tripla correspondente às cores Vermelho (R), Verde (G) e Azul (B) em uma localização espacial específica. Se cada componente R,G,B possui 8 Bits, então a Imagem é dita de 24 Bits. Uma imagem de 8-bits por cor pode gerar cores diferentes.

29 Espaço de Cor Adobe RGB O Espaço de Cor Adobe RGB inclui aproximadamente 50% das cores visíveis especificadas pelo Lab color space (CIE), aumentando o gamut do espaço de cor srgb primariamente na região das cores Ciano e verde.

30 Outros Espaços de Cor RGB Apple RGB CIE RGB ColorMatch RGB HDTV RGB NTSC RGB PAL/SECAN RGB ISO RGB SGI RGB SMPTE-C SMPTE-240M RGB Wide Gamut RGB scrgb ROMM RGB

31 Espaço de cor HSV Baseado na maneira como as pessoas selecionam cores. H Hue (Matiz) S Saturation (Saturação) V Value (Valor) Na terminologia de artistas: Matiz Tinta Saturação Sombreamento Valor Brilho O Espaço de Cor HSV é baseado em coordenadas cilíndricas.

32 Espaço de cor HSV H é a cor pura e é expresso em graus de ângulo onde 0 o é a cor Vermelha. S é a pureza da cor e é medida como a distância do eixo V. V é medido ao longo do eixo do cone hexagonal onde V=0 é o preto e V=1 é o branco.

33 Espaço de cor HSI

34 Espaço de cor HSI H (Matiz) é a cor pura e é expresso em graus de ângulo onde 0 o é a cor Vermelha. S (Saturação) é a diluição da cor pura com branco. I (Intensidade ou Brilho) nível de cinza.

35 Espaço de cores YCbCr Utilizado em Vídeo Digital. Y Informação de Luminância Cb Diferença entre a componente azul e um valor de referência Cr Diferença entre a componente vermelha e um valor de referência Conversão para o RGB Y Cb Cr = R G B

36 Processamento de Imagens Coloridas Pode ser dividido em três áreas principais. 1) Transformações de cores (Mapeamento de cores). 2) Processamento espacial dos planos individuais de cores. 3) Processamento do Vetor de cores.

37 Transformações de Cores si = Ti ( ri ) i = 1,2,... n r i componentes de cor da imagem de entrada s i componentes de cor da imagem de saída n número de componentes de cor no espaço de cor T i Função de Transformação full-color (Mapeamento)

38 Filtragem espacial de imagens coloridas Suavização Seja c um vetor arbitrário = = B G R c c c c B G R Seja c um vetor arbitrário no espaço de cor RGB = = ), ( ), ( ), ( ), ( ), ( ), ( ), ( y x B y x G y x R y x c y x c y x c y x c B G R Como as componentes de c são funções das coordenadas (x,y):

39 Filtragem espacial de imagens coloridas Suavização Seja S xy um conjunto de coordenadas definindo uma vizinhança centrada em (x,y) em uma imagem colorida. A média dos vetores RGB na vizinhança S xy é: c( x, 1 y) = K ( s, t) c( s, t) Onde K é o número de pixels na vizinhança S xy S xy

40 Filtragem espacial de imagens coloridas Suavização = xy S t s t s G t s R K y x c ), ( ), ( 1 ), ( 1 ), ( = xy xy S t s S t s t s B K t s G K y x c ), ( ), ( ), ( 1 ), ( ), ( Logo, a suavização de uma imagem RGB pode ser obtida através da média individual de cada componente, usando o mesmo procedimento de vizinhança de imagens em nível de cinza.

41 Suavização Filtragem espacial de imagens coloridas

42 Filtragem espacial de imagens coloridas Realce = ), ( ( ), ( ( ), ( )], ( [ y x B y x G y x R y x c y x B Realçar (Passa Alta) uma imagem RGB segue o mesmo procedimento de Processamento dos planos individuais de cores. Aplica-se o operador Gradiente em cada uma das componentes do modelo e recupera-se a imagem filtrada.

43 Trabalhando diretamente no espaço vetorial RGB O processamento de imagens coloridas baseado em seus O processamento de imagens coloridas baseado em seus planos individuais de componentes nem sempre é equivalente ao processamento direto no espaço vetorial RGB.

44 Trabalhando diretamente no espaço vetorial RGB = = x f G f x Um detector de bordas através do Gradiente em uma imagem em escala de cinza (2-D) é definido como o vetor: = = y f x G G f y x [ ] ) ( + = + = y f x f G G f mag y x A Magnitude do vetor é dada por: = y x G G y x 1 tan ), α( E o ângulo do vetor é dado por:

45 Trabalhando diretamente no espaço vetorial RGB Detector de Sobel na direção x: Detector de Sobel na direção y: ( z + 2z + z ) ( z + z z ) G x = ( z + 2z + z ) ( z + z z ) G y =

46 Detector de Bordas Gradiente em Imagens RGB A magnitude do Gradiente no Vetor RGB pode ser calculada por: Sendo o ângulo do Gradiente em cada ponto Onde:

47 Detector de Bordas Gradiente em Imagens RGB Imagem RGB Gradiente calculado no espaço Vetorial RGB Gradiente calculado nas componentes RGB separadamente Diferença absoluta