Universidade Federal de Sergipe Departamento de Matemática. Imagem* Profª. Maria Andrade. *Parte desta apresentação foi do Prof. Thales Vieira.
|
|
- Sabrina Castelo Gonçalves
- 6 Há anos
- Visualizações:
Transcrição
1 Universidade Federal de Sergipe Departamento de Matemática Imagem* Profª. Maria Andrade *Parte desta apresentação foi do Prof. Thales Vieira. 2016
2 O que é uma imagem digital? Imagem no universo físico Imagem no universo matemático Representação de uma imagem Codificação de uma imagem
3 Imagem no universo físico
4 Imagem no universo matemático f: função imagem U: suporte da imagem C: espaço de cor. Em geral f(u): conjunto de cores, ou gamute de cores da imagem Imagem como gráfico de função:
5 Imagem no universo matemático C: espaço de cor. Em geral n = 1: imagem monocromática n = 3: imagem tricromática (colorida), em geral RGB Se n = 3, podemos escrever: ou seja: imagem colorida é formada por 3 imagens monocromáticas (componentes de cor de f)
6 Representação de uma imagem Representação espacial: representação do suporte U Representação de cor: representação do espaço de cor C.
7 Representação espacial Amostragem matricial uniforme Seja Vamos considerar sempre a = c = 0 d b
8 Reticulado uniforme Representação espacial,.. Decomposição do espaço em células:, Cada célula da imagem é chamada de pixel (picture element). m é chamada resolução vertical n é chamada resolução horizontal m x n é chamada resolução espacial Para representar a imagem, é necessário obter valores de f jk em cada célula c jk.
9 Amostragem pontual Representação na célula Para cada c jk, escolhemos um ponto (x j, y k ) e atribuimos f jk = f(x j, y k ). Ex.: centro de cada célula (como calcular?) Amostragem por área Atribui-se o valor médio de f na célula:
10 Estrutura de dados da imagem 1. Matriz m x n, A = (a jk ) guardando os valores f jk, ou amostras. Cada elemento a jk é um vetor do espaço de cor: Se n = 1, a jk é um número real representando a luminância do pixel Se n = 3, a jk é um vetor do representando uma cor tricromática (RGB). 2. Comprimentos e das células. Densidade de resolução: número de pixels por unidade de medida dpi (dots per inch) ppi (pixels per inch)
11 Representação de cor Como representar os números reais do vetor de cor? Resolução de cor da imagem: Quantos bits devemos utilizar para representar cor? Quantização: processo de discretização do espaço de cor de uma imagem, ou seja, do Quantização de tons de cinza com 256 intensidades (8 bits) Quantização de tons de cinza com 16 intensidades (4 bits)
12 Problema de interpolação Reconstrução de imagens Imagem no universo matemático Representação de uma imagem Núcleo de reconstrução n-dimensional: Função e a família de funções linearmente independente. tal que é Reconstrução de f usando o núcleo :
13 Núcleos de reconstrução unidimensionais Núcleo constante, ou box, ou Núcleo de Haar: Núcleo triangular
14 Núcleos de reconstrução bidimensionais Produto de núcleos unidimensionais:
15 Reconstrução com o núcleo de Haar
16 Reconstrução com o núcleo triangular
17 Núcleo constante Núcleo triangular
18 Composição de imagens 0 (a) (b) (c) Fig Composição de imagens com redução. AND 1 Marcelo Gatas Redução do Papá Léguas para ser ser colocado na imagem são circo. ampliação Regiões associadas na imagem original e na transformada redução 3 2 Fig Regiões associadas na imagem original e na transformad 19
19 Elementos da imagem digital 1. Resolução espacial (número de pixels) 2. Número de componentes de cor (monocromática, tricromática,...) 3. Resolução de cor (8 bits, 24 bits, 32 bits...) 4. Gamute: f(u)
20 Representações das imagens digitais Dizemos que f tem suporte contínuo quando podemos calcular f em qualquer ponto de U. Caso contrário, f tem suporte discreto. Dizemos que f tem espaço de cor contínuo quando a cor é representada usando ponto flutuante. Também é comum usar um espaço de cor quantizado. Representações: 1. contínua-contínua; 2. contínua-quantizada; 3. discreta-contínua; 4. discreta-quantizada: Imagem digital.
21 Histograma de frequência Modelo estatístico: Considera a imagem como uma variável aleatória definida no reticulado. Analisa a distribuição de probabilidade associada à ocorrência de cores de cada pixel Histograma de cor: associa a cada intensidade de cor c presente na imagem, a sua frequência de ocorrência (número de pixels com a cor c).
22 Quantização de cor Processo de discretização de cor Conjunto contínuo de cores (infinito) Conjunto discreto de cores (finito) Por que quantizar? 1. Se adaptar ao espaço de cor do dispositivo gráfico de exibição; 2. Comprimir a imagem para armazenamento e transmissão.
23 Quantização de cor Considere o conjunto discreto: Quantização é representada por uma transformação sobrejetiva: Quantos bits são necessários para representar um elemento de R k? Se k = 2 m, são necessários m bits. Cada elemento p i é chamado nível de quantização. Obs.: q é também aplicada para quantizar conjuntos finitos, ou seja: Se j = 2 n e k = 2 m, então q é uma quantização de n para m bits. Seja uma imagem tricromática. Após um processo de quantização, o resultado é a imagem discreta-discreta:
24 Células e níveis de quantização Seja Para uma dada cor, temos um subconjunto onde C é o espaço de cor. A família de conjuntos C i particiona o espaço de cor C, ou seja: Cada conjunto C i é chamado célula de quantização. Se, seu erro de quantização é dado por
25 Quantização unidimensional Sejam os níveis de quantização de q. No caso unidimensional, as células de quantização são sempre intervalos c i 1 apple c apple c i, onde q(c) =q i,e1apple i apple L.
26 Quantização multidimensional Células de quantização são regiões do espaço de cor, com geometria complexa. 1.Quantização escalar Seja uma quantização unidimensional. Definimos uma quantização escalar como onde. Quando uma quantização multidimensional não é escalar, ela é vetorial.
27 Percepção e Quantização Seja monocromática, onde C é uma quantização em L níveis. Esta quantização determina uma partição do suporte da imagem em subconjuntos U i, tal que A fronteira entre os subconjuntos U i é chamada fronteira de quantização. Perceptualmente: boa quantização fronteira de quantização imperceptível
28 Geometria das células 1. Quantização uniforme Divide o espaço de cor em células congruentes (i. e., intervalos de mesmo tamanho) Toma o centro de cada célula como valor de quantização. Exemplo: quantização escalar células: intervalos (c i-1, c i ] de mesmo comprimento; valor de quantização:
29 Geometria das células 1. Quantização não-uniforme ou adaptativa Objetivo: obter mais células em regiões do espaço de cor mais usadas pelos pixels da imagem, diminuindo a diferença entre a imagem original e quantizada. Diretamente relacionada com o histograma de frequência
30 Classificação dos métodos de quantização Valores de quantização vs. células de quantização 1. Métodos de seleção direta: Determinam-se os valores de quantização q 1,, q k, e a partir destes calcula-se as células de quantização: c 2 C i, q(c) =q i, d(c, q i ) apple d(c, q j ), 1 apple j apple N,j 6= i. 2. Métodos de subdivisão espacial: Determinam-se as células de quantização C i, e a partir destas calcula-se os valores de quantização q i. 3. Métodos híbridos: Determinam-se independentemente valores de quantização e células de quantização.
31 Algoritmo de populosidade Quantização por seleção direta Seleciona como valores de quantização as cores mais frequentes do histograma de frequência Ignora totalmente cores em regiões de baixa densidade do espaço de cor: pode excluir highlights.
32 Algoritmo do corte mediano Quantização por subdivisão espacial Objetivo: gerar uma imagem quantizada com histograma equalizado Algoritmo: Seja K o número de níveis de quantização e o volume mínimo contendo o espaço de cor. 1.Corte o lado mais comprido na mediana das coordenadas dos pontos 2.Continue cortando as sub-regiões até obter as K células de quantização.
33 Dithering Tipo de quantização em dois níveis Essencial para exibição de imagens em certos tipos de dispositivos de saída gráfica Objetivo: exibir imagens monocromáticas mantendo a informação dos tons intermediários quantizando em dois níveis. Motivação: o olho integra vizinhanças de luz, percebendo uma intensidade média das regiões.
34 Dithering Quantização com limiar constante A partir de um limiar de intensidades L 0, usa-se a regra: Se f(x,y) L 0, quantiza-se para 1 Senão, quantiza-se para 0. Quantização com limiar aleatório O limiar varia aleatoriamente (chamaremos de variável aleatória X), e usa-se a regra: Se f(x,y) X, quantiza-se para 1 Senão, quantiza-se para 0.
35 Codificação de imagens 1. Cabeçalho: a) Resolução espacial da imagem (m linhas, n colunas); b) Número de componentes do pixel; c) Número de bits de quantização por componente; 2. Matriz com os m n pixels.
36 Composição de imagens 0 (a) (b) (c) Fig Composição de imagens com redução. AND 1 Marcelo Gatas Redução do Papá Léguas para ser ser colocado na imagem são circo. ampliação Regiões associadas na imagem original e na transformada redução 3 2 Fig Regiões associadas na imagem original e na transformad 37
37 Amostragem - A etapa de amostragem corresponde a definir uma cor para cada retângulo correspondente a um pixel. 64x54 amostragem Marcelo Gatas Imagem de tons contínuos Imagem amostrada quantização 5*55, 1*55, 1*20, 1*22,. Imagem amostrada, quantizada e codificada codificação 64x54-16 cores Imagem amostrada e quantizada Amostragem, quantização e codificação. 12
38 Interpolação 38
39 Interpolação Denomina-se interpolação o método que permite construir um novo conjunto de dados a partir de um conjunto discreto de dados pontuais previamente conhecidos. amostragem pontual interpolação linear Interpolação de cores no triângulo
40 Interpolação Linear Método de interpolação que se utiliza de uma função linear p(x) (um polinômio de primeiro grau) para representar, por aproximação, uma suposta função f(x) que originalmente representaria as imagens de um intervalo descontínuo (ou degenerado) contido no domínio de f(x). A interpolação linear entre dois pontos (xa, ya) e (xb, yb) pode ser deduzida usando-se proporcionalidade: Daí: y y 0 x x 0 = y 1 y 0 x 1 x 0 y = y 0 +(y 1 y 0 ) x x 0 em um ponto (x, y). x 1 x 0
41 Coordenadas baricêntricas no triângulo As coordenadas baricêntricas definem uma forma de representação de um ponto P no plano em função dos vértices P1, P2 e P3 do triângulo, de modo que a soma das coordenadas baricêntricas deste ponto seja igual a um, ou seja: P3 P = u P 1 + v P 2 + w P 3, u + v + w =1, onde u,v,w são as coordenadas baricêntricas de P relativas ao triângulo P1P2P3. P Interpretação por área de triângulos u = area(pp 2P 3 ) area(p 1 P 2 P 3 ) v = area(p 1PP 3 ) area(p 1 P 2 P 3 ) w = area(p 1P 2 P ) area(p 1 P 2 P 3 ) onde P1 area(p 1 P 2 P 3 )= 1 2 k ~ P 1P 2 ~ P 1P 3k P2
42 Coordenadas baricêntricas no triângulo Seja P = u P 1 + v P 2 + w P 3. Sejam conhecidos f(p 1 ),f(p 2 ),f(p 3 ). Temos: f(p )=u f(p 1 )+v f(p 2 )+w f(p 3 ). P3 P P1 P2
43 Interpolação Bilinear Extensão da interpolação linear para interpolar funções de duas variáveis em uma grade regular. A idéia-chave é a realização da interpolação linear, primeiro em uma direção, e depois novamente na outra direção. Suponha que queremos encontrar o valor da função desconhecida f no ponto P = (x, y). Supõe-se que sabemos o valor de f em quatro pontos Q11 = (x1, y1), Q12 = (x1, y2), Q21 = (x2, y1) e Q22= (x2, y2). 1 - Interpolação linear na direção x: f(r 1 ) (x 2 x) (x 2 x 1 ) f(q 11)+ (x x 1) (x 2 x 1 ) f(q 21) f(r 2 ) (x 2 x) (x 2 x 1 ) f(q 12)+ (x x 1) (x 2 x 1 ) f(q 22) onde R1 = (x,y1), e R2 = (x,y2). 2 - Interpolação linear na direção y: f(p ) (y2 y) (y 2 y 1 ) f(r 1)+ (y y 1) (y 2 y 1 ) f(r 2).
44 Interpolação Bilinear f(r 1 ) (x 2 x) (x 2 x 1 ) f(q 11)+ (x x 1) (x 2 x 1 ) f(q 21) f(r 2 ) (x 2 x) (x 2 x 1 ) f(q 12)+ (x x 1) (x 2 x 1 ) f(q 22) f(p ) (y2 y) (y 2 y 1 ) f(r 1)+ (y y 1) (y 2 y 1 ) f(r 2). ou seja: f(x, y) f(q 11 ) (x 2 x 1 )(y 2 y 1 ) (x 2 x)(y2 y) f(q 21 ) (x 2 x 1 )(y 2 y 1 ) (x x 1)(y2 y) f(q 12 ) (x 2 x 1 )(y 2 y 1 ) (x 2 x)(y y 1 ) f(q 22 ) (x 2 x 1 )(y 2 y 1 ) (x x 1)(y y 1 )
Universidade Federal de Alagoas Instituto de Matemática. Imagem. Prof. Thales Vieira
Universidade Federal de Alagoas Instituto de Matemática Imagem Prof. Thales Vieira 2011 O que é uma imagem digital? Imagem no universo físico Imagem no universo matemático Representação de uma imagem Codificação
Leia maisUniversidade Federal de Alagoas Instituto de Matemática. Imagem. Prof. Thales Vieira
Universidade Federal de Alagoas Instituto de Matemática Imagem Prof. Thales Vieira 2014 O que é uma imagem digital? Imagem no universo físico Imagem no universo matemático Representação de uma imagem Codificação
Leia maisFigura 1. Imagem monocromática e gráfico de sua função.
Figura 1. Imagem monocromática e gráfico de sua função. d c a b Figura 2. Reticulado uniforme da representação matricial da imagem. valor médio de f f(x j) j x x j (j +1) x j x (j +1) x (a) (b) Figura
Leia maisObjetos Gráficos Planares
Universidade Federal de Alagoas Instituto de Matemática Objetos Gráficos Planares Prof. Thales Vieira 2011 Objetos Gráficos Computação Gráfica é a área que estuda a síntese, o processamento e a análise
Leia maisAula 2 Aquisição de Imagens
SEL 0449 - Processamento Digital de Imagens Médicas Aula 2 Aquisição de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br EESC/USP Fundamentos de Imagens Digitais Ocorre a formação de
Leia maisIntrodução. Introdução. Quantização de Cor. Quantização de Cor. Efeitos da Discretização Espacial (redução da resolução espacial)
Introdução Introdução Uma imagem bitmap está associada a dois processos de discretização: Efeitos da Discretização Espacial (redução da resolução espacial) Discretização Espacial (Processo de Amostragem
Leia maisProfessor: Computação Gráfica I. Anselmo Montenegro Conteúdo: - Objetos gráficos planares. Instituto de Computação - UFF
Computação Gráfica I Professor: Anselmo Montenegro www.ic.uff.br/~anselmo Conteúdo: - Objetos gráficos planares 1 Objetos gráficos: conceitos O conceito de objeto gráfico é fundamental para a Computação
Leia maisObjetos Gráficos Espaciais
Universidade Federal de Alagoas Instituto de Matemática Objetos Gráficos Espaciais Prof. Thales Vieira 2014 Objetos Gráficos Espaciais f : U R m 7! R 3 Universo físico Objetos gráficos Representação de
Leia maisObjetos Gráficos Planares
Universidade Federal de Sergipe Departamento de Matemática Objetos Gráficos Planares Profª. Maria Andrade 2016 Objetos Gráficos Computação Gráfica é a área que estuda a síntese, o processamento e a análise
Leia maisProcessamento Digital de Imagens
1 Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Introdução Espectro Eletromagnético Aquisição e de Imagens Sensoriamento Remoto 2 Introdução Espectro Eletromagnético
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Introdução Espectro Eletromagnético Aquisição e Digitalização de Imagens Efeitos da Digitalização Digitalização Sensoriamento
Leia maisMotivação Por que estudar?
Aula 04 Imagens Diogo Pinheiro Fernandes Pedrosa Universidade Federal Rural do Semiárido Departamento de Ciências Exatas e Naturais Curso de Ciência da Computação Motivação Por que estudar? Imagens digitais
Leia maisImagem Digital. Claudio Carvilhe
Imagem Digital Claudio Carvilhe Imagem Digital Roteiro Introdução. Pixel. Resolução espacial. Cor. Processamento de imagens. Introdução Informação Visual: Imagem vista na tela. Informação Descritiva: Modelo
Leia maisUNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba. Transformações Geométricas
UNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba Transformações Geométricas .(x,y, P).(x,y, P) Imagem fonte Imagem transformada Deve-se notar que, como uma imagem digital é representada por uma matriz
Leia maisUniversidade Federal de Alagoas Instituto de Matemática. Cor. Prof. Thales Vieira
Universidade Federal de Alagoas Instituto de Matemática Cor Prof. Thales Vieira 2014 O que é cor? Cor no universo físico Cor no universo matemático Representação de cor Especificação de cor Colorimetria
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Prof. André Y. Kusumoto andrekusumoto.unip@gmail.com Amostragem e Quantização Amostragem refere-se ao número de pontos
Leia maisPropriedades da Imagem Amostragem & Quantização (Quantificação) Histograma Imagem Colorida x Imagem Monocromática. Propriedades da Imagem
Proc. Imagem Prof. Júlio C. Klafke [1] TÓPICOS DESENVOLVIDOS NESTE MÓDULO PROCESSAMENTO DE IMAGEM #02 Propriedades da Imagem Amostragem & Quantização (Quantificação) Histograma Imagem Colorida x Imagem
Leia maisProcessamento de Imagem. A Imagem digital Professora Sheila Cáceres
Processamento de Imagem A Imagem digital Professora Sheila Cáceres Visão Humana Processamento de Imagens 2 Semelhança entre o sistema visual humano e uma câmera fotográfica Várias semelhanças podem ser
Leia maisUniversidade Federal de Sergipe Departamento de Matemática. Cor* Profª. Maria Andrade. *Parte desta apresentação foi do Prof. Thales Vieira.
Universidade Federal de Sergipe Departamento de Matemática Cor* Profª. Maria Andrade *Parte desta apresentação foi do Prof. Thales Vieira. 2016 Nosso Roteiro. Aulas (Cor): 7, 9 e 14 Aulas (Imagem): 16
Leia maisINTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO
INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO PROCESSAMENTO DE IMAGENS Introdução Conceitos básicos Pré-processamento Realce Classificação PROCESSAMENTO DE IMAGENS Extração de Informações
Leia maisCapítulo 3 VISÃO COMPUTACIONAL
Capítulo 3 VISÃO COMPUTACIONAL Capítulo 3 3.1. Principais Etapas de um Sistema de Visão Computacional 3.2. Visão Humana X Computacional 3.3. A Imagem Digital 3.4. Histograma de imagem digital 3.5. Sistemas
Leia maisProcessamento de Imagens
Processamento de Imagens Prof. Julio Arakaki Ciência da Computação 1 Imagem Digital Full Color Image (Matriz de Pixels) RGB (24 bits): Red (8 bits) Green (8 bits) Blue (8 bits) 2 Imagem Digital Um modelo
Leia maisTransformada de Discreta de Co senos DCT
Transformada de Discreta de Co senos DCT O primeiro passo, na maioria dos sistemas de compressão de imagens e vídeo, é identificar a presença de redundância espacial (semelhança entre um pixel e os pixels
Leia maisPROCESSAMENTO DE IMAGENS
PROCESSAMENTO DE IMAGENS Introdução Conceitos básicos Pré-processamento Realce Classificação PROCESSAMENTO DE IMAGENS- aula de 25/5/10 Introdução Conceitos básicos Pré-processamento Realce Classificação
Leia maisAula 7 - Representação e Descrição de Estruturas Bi-dimensionais. Prof. Adilson Gonzaga
Aula 7 - Representação e Descrição de Estruturas Bi-dimensionais Prof. Adilson Gonzaga 1 Introdução Objetos ou Segmentos são representados como uma coleção de pixels em uma imagem. Para o reconhecimento
Leia maisAula 2 Aquisição de Imagens
Processamento Digital de Imagens Aula 2 Aquisição de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br EESC/USP Fundamentos de Imagens Digitais Ocorre a formação de uma imagem quando
Leia maisCapítulo 3. Descrição e visualização do modelo 25
3 Descrição e visualização do modelo Neste Capítulo descreveremos o processo de visualização volumétrica em malhas não estruturadas através do traçado de raio. Mostraremos como nosso dado é representado
Leia maisProcessamento de Imagens usando Grafos (MAC6903)
Processamento de Imagens usando Grafos (MAC6903) Prof. Dr. Paulo A. V. de Miranda pmiranda@vision.ime.usp.br Instituto de Matemática e Estatística (IME), Universidade de São Paulo (USP) P.A.V. Miranda
Leia maisIntrodução ao Processamento de Imagens Digitais Aula 01
Introdução ao Processamento de Imagens Digitais Aula 01 Douglas Farias Cordeiro Universidade Federal de Goiás 06 de julho de 2015 Mini-currículo Professor do curso Gestão da Informação Formação: Graduação
Leia maisK - número de valores diferentes de níveis de cinza Pixel
PDI Formação de uma imagem p pixels Fonte de iluminação z i (energia incidente) y Sistema de imageamento r (energia refletida pelos objetos) Elemento da cena 3D x l linhas Plano de imagem Imagem digital
Leia maisProcessamento de Imagens usando Grafos (MAC6903)
Processamento de Imagens usando Grafos (MAC6903) Prof. Dr. Paulo A. V. de Miranda pmiranda@vision.ime.usp.br Instituto de Matemática e Estatística (IME), Universidade de São Paulo (USP) P.A.V. Miranda,
Leia maisUFPB - CCEN - DEPARTAMENTO DE MATEMÁTICA ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA 1 a LISTA DE EXERCÍCIOS PERÍODO
UFPB - CCEN - DEPARTAMENTO DE MATEMÁTICA ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA a LISTA DE EXERCÍCIOS PERÍODO 0 Os exercícios 0 8 trazem um espaço vetorial V e um seu subconjunto W Sempre que W for um subespaço
Leia maisComunicação de Dados Quantização Aula-15
Comunicação de Dados Aula-15 Professor: Andrei Piccinini Legg Santa Maria, 2012 Sumário 1 2 3 Sumário Considere, como exemplo, que após um processo de amostragem de um sinal variando entre -3,5V e 3,5V,
Leia maisCompressão de Imagens: Padrão JPEG
Compressão de Imagens: Padrão JPEG PTC2547 Princípios de Televisão Digital Guido Stolfi 09/2017 EPUSP - Guido Stolfi 1 / 75 Temas Abordados Justificativas para Compressão de Imagens Codificador JPEG Transformada
Leia maisProcessamento de Malhas Poligonais
Processamento de Malhas Poligonais Tópicos Avançados em Computação Visual e Interfaces I Prof.: Marcos Lage www.ic.uff.br/~mlage mlage@ic.uff.br Conteúdo: Notas de Aula : Definições Matemáticas 06/09/2015
Leia maisSumario 1 Introduc~ao 1 2 Discretizac~ao de Cor e Imagem Imagem Digital Paradigma dos Quatro Universos
Quantizac~ao de Imagens Marcos Vincius Rayol Sobreiro 22 de setembro de 1998 Sumario 1 Introduc~ao 1 2 Discretizac~ao de Cor e Imagem 4 2.1 Imagem Digital.................................. 4 2.1.1 Paradigma
Leia maisPROCESSAMENTO DIGITAL DE IMAGENS
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ DEPARTAMENTO DE ENGENHARIA DE BIOSSISTEMAS DISCIPLINA: LEB450 TOPOGRAFIA E GEOPROCESSAMENTO II PROF. DR. CARLOS ALBERTO VETTORAZZI
Leia maisPadrões de Compressão de Imagens
Aula 10 Padrões de Compressão de Imagens Diogo Pinheiro Fernades Pedrosa diogopedrosa@ufersa.edu.br http://www2.ufersa.edu.br/portal/professor/diogopedrosa Universidade Federal Rural do Semiárido Departamento
Leia maisClassificação e Pesquisa de Dados. Aula 27 Compressão de Dados Multimídia: Compressão de Imagens
Classificação e Pesquisa de Dados Aula 27 Compressão de Dados Multimídia: Compressão de Imagens UFRGS INF01124 Compressão de Imagens Reduz a quantidade de dados necessária para representar uma imagem Compressão
Leia maisCapítulo II Imagem Digital
Capítulo II Imagem Digital Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Formação de uma imagem 2. Representação digital de uma imagem 3. Cor 4. Histogramas 5. Ruído
Leia maisPMR2560 Visão Computacional Conversão e Limiarização. Prof. Eduardo L. L. Cabral
PMR2560 Visão Computacional Conversão e Limiarização Prof. Eduardo L. L. Cabral Objetivos Processamento de imagens: Conversão de imagens; Histograma; Limiarização. Imagem digital Uma imagem é uma matriz
Leia maisProcessamento de Imagem. Histograma da Imagem Professora Sheila Cáceres
Processamento de Imagem Histograma da Imagem Professora Sheila Cáceres Histograma É a distribuição de frequência dos níveis de cinza da imagem onde cada entrada no eixo x representa o nível de cinza específico
Leia maisProcessamento Digital de Imagens Aula 02
exatasfepi.com.br Processamento Digital de Imagens Aula 02 André Luís Duarte O que adquire entendimento ama a sua alma; o que cultiva a inteligência achará o bem. Provérbios 19:8 Processamento Digital
Leia maisProcessamento de Imagens usando Grafos (MAC6903)
Processamento de Imagens usando Grafos (MAC6903) Prof. Dr. Paulo A. V. de Miranda Instituto de Matemática e Estatística (IME), Universidade de São Paulo (USP) pmiranda@vision.ime.usp.br 1 / 20 Uma imagem
Leia maisDr. Sylvio Barbon Junior. Departamento de Computação - UEL. 1 o Semestre de 2015
Introdução a Computação Gráfica [5COP100] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre de 2015 Assunto Aula 6 Histograma de Imagem Digital 2 de 18 Sumário Conceitos Sistema de
Leia maisImagens. jorge s. marques, imagens: o que são? onde vivem? como se relacionam?
Imagens imagens: o que são? onde vivem? como se relacionam? imagem Uma imagem traduz a evolução de grandezas intensidade, cor, reflectância, condutividade num plano. superfície de intensidade Ix O que
Leia maisFormação e Representação de Imagens
Formação e Representação de Imagens 35M34 Sala 3E1 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227 1 O Olho Humano 2 Sistema Visual Humano Sistema visual humano é constituído dos olhos, nervos óticos e
Leia maisPSI2651 PROCESSAMENTO, ANÁLISE E SÍNTESE DE IMAGENS. 1 o período de 2005 LISTA DE EXERCÍCIOS
PSI PROCESSAMENTO, ANÁLISE E SÍNTESE DE IMAGENS o período de LISTA DE EXERCÍCIOS ) Considerando imagens do tipo da figura abaixo. Descreva um procedimento que identifique quantas células com furo e quantas
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Tópicos Detecção de Pontos Isolados Detecção de Linhas Prof. Sergio Ribeiro 2 Operações lógicas e aritméticas orientadas a vizinhança utilizam o conceito
Leia maisMATRIZES - PARTE Definição e Manipulação de Matrizes AULA 21
AULA 21 MATRIZES - PARTE 1 21.1 Definição e Manipulação de Matrizes Sabemos como definir variáveis de um novo tipo de dados, denominado vetor, que representam seqüências de valores de um mesmo tipo. Por
Leia maisVariável aleatória. O resultado de um experimento aleatório é designado variável aleatória (X)
Variável aleatória O resultado de um experimento aleatório é designado variável aleatória (X) Função densidade de probabilidade A função densidade de probabilidade associa cada possível valor da variável
Leia maisTratamento da Imagem Transformações (cont.)
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Tratamento da Imagem Transformações (cont.) Antonio G. Thomé thome@nce.ufrj.br Sala AEP/33 Transformações Geométricas 3 Transformações Geométricas
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Distribuição Normal Motivação: Distribuição
Leia maisQuadro Segmentação de Imagens
UNIVERSIDADE DE SÃO PAULO - SÃO CARLOS INSTITUTO DE CIÊNCIAS Processamento de Imagens - SCC0251 2013/1 Prof. Dr. Mario Gazziro Monitor PAE: Vinicius Ruela Pereira Borges - viniciusrpb@icmc.usp.br 1 Método
Leia maisIntrodução ao Processamento Digital de Imagens. Aula 6 Propriedades da Transformada de Fourier
Introdução ao Processamento Digital de Imagens Aula 6 Propriedades da Transformada de Fourier Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Uma linha de uma imagem formada por uma sequência
Leia maisAula 5 - Produto Vetorial
Aula 5 - Produto Vetorial Antes de iniciar o conceito de produto vetorial, precisamos recordar como se calculam os determinantes. Mas o que é um Determinante? Determinante é uma função matricial que associa
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Propriedades de Imagem Digital Prof. Sergio Ribeiro Tópicos Propriedades de uma Imagem Digital Vizinhança Conectividade Operações Lógicas e Aritméticas
Leia maisUniversidade Federal de Alagoas Instituto de Matemática. Geometria. Prof. Thales Vieira
Universidade Federal de Alagoas Instituto de Matemática Geometria Prof. Thales Vieira 2014 Geometria Euclidiana Espaço R n R n = {(x 1,...,x n ); x i 2 R} Operações entre elementos de R n Soma: (x 1,x
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Propriedades de Imagem Digital Prof. Sergio Ribeiro Tópicos Propriedades de uma Imagem Digital Vizinhança e Aritméticas Efeitos de em Pixel a Pixel
Leia maisAULA 9 - Variável aleatória bidimensional discreta
AULA 9 - Variável aleatória bidimensional discreta Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Variáveis aleatórias bidimensionais Definition Sejam ɛ um experimento e S um espaço amostral
Leia maisO objetivo deste artigo é apresentar o método de redução de cores Error Diffusion, utilizado no projeto MSX Viewer.
Error Diffusion Resumo O objetivo deste artigo é apresentar o método de redução de cores Error Diffusion, utilizado no projeto MSX Viewer. 1- Introdução Quando reduzimos a quantidade de cores de uma imagem,
Leia maisCompressão de Imagens Usando Wavelets: Uma Solução WEB para a Codificação EZW Utilizando JAVA. Utilizando JAVA. TCC - Monografia
Compressão de Imagens Usando Wavelets: Uma Solução WEB para a Codificação EZW Utilizando JAVA TCC - Monografia Wanderson Câmara dos Santos Orientador : Prof. Dr. Luiz Felipe de Queiroz Silveira 1 Departamento
Leia maisDr. Sylvio Barbon Junior. Departamento de Computação - UEL. 1 o Semestre de 2015
Introdução a Computação Gráfica [5COP100] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre de 2015 Assunto Aula 6 Histograma de Imagem Digital 2 de 32 Sumário Conceitos Sistema de
Leia maisTE073 PDS II Programa de Pós-Graduação em Engenharia Elétrica
TE073 PDS II Programa de Pós-Graduação em Engenharia Elétrica Prof. Alessandro Zimmer zimmer@eletrica.ufpr.br www.eletrica.ufpr.br/~zimmer/te073 Processamento Digital de Imagens PDI: Objetivos Melhoria
Leia maisPrincípios sobre imagens digitais
Princípios sobre imagens digitais Aula 1 LPV 5731 - ANÁLISE DE IMAGENS DE SEMENTES E PLÂNTULAS Programa de pós-graduação em Fitotecnia Francisco G Gomes-Junior Escola Superior de Agricultura Luiz de Queiroz
Leia maisUniversidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens
Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Prof Fabrízzio Alphonsus A M N Soares 2012 Capítulo 2 Fundamentos da Imagem Digital Definição de Imagem: Uma imagem
Leia maisTelevisão Digital 5ºano 2006/2007. Compressão/Descompressão de Imagens JPEG. Trabalho realizado por: Carla Neves, nº
Televisão Digital 5ºano 2006/2007 Compressão/Descompressão de Imagens JPEG Trabalho realizado por: Carla Neves, nº010503162 Índice Índice... pág2 Introdução... pág.3 Objectivos... pág.5 Implementação...
Leia maisOtimização da Paleta de Cores
Otimização da Paleta de Cores Resumo O objetivo deste artigo é apresentar a técnica de otimização da paleta de cores utilizada no MSX Viewer 5 para encontrar a melhor paleta de cores do MSX 2 e do v9990,
Leia maisTriangulação de Delauney
Triangulação de Delauney Um pedaço da superfície terrestre é chamado de terreno. Um terreno é uma superfície 2-dimensional em um espaço 3-dimensional com uma propriedade especial: cada linha vertical intercepta
Leia maisProcessamento de Imagens
Processamento de Imagens Introdução Mylène Christine Queiroz de Farias Departamento de Engenharia Elétrica Universidade de Brasília (UnB) Brasília, DF 70910-900 mylene@unb.br 22 de Março de 2016 Aula 03:
Leia maisProcessamento de Malhas Poligonais
Processamento de Malhas Poligonais Tópicos Avançados em Computação Visual e Interfaces I Prof.: Marcos Lage www.ic.uff.br/~mlage mlage@ic.uff.br Conteúdo: Notas de Aula Curvas 06/09/2015 Processamento
Leia maisResumo. Computação Gráfica: Uma Proposta de Plano Pedagógico. Áreas Correlatas. Definição. Uma Visão Integrada da C.G.
Computação Gráfica: Uma Proposta de Plano Pedagógico Luiz Velho Definições Metodologia Estrutura Avaliação Discussão Resumo IMPA - Instituto de Matemática Pura e Aplicada Definição Computação Gráfica:
Leia maisIntrodução à Computação Gráfica. Claudio Esperança Paulo Roma Cavalcanti
Introdução à Computação Gráfica Claudio Esperança Paulo Roma Cavalcanti Estrutura do Curso Ênfase na parte prática Avaliação através de trabalhos de implementação C / C++ OpenGL c/ GLUT Grau (nota) baseado
Leia maisProcessamento Digital de Imagens
Processamento Digital de Imagens Conceitos Básicos CPGCG/UFPR Prof. Dr. Jorge Centeno Realidade e imagem Uma imagem é a representação pictórica de um aspecto da realidade. Uma imagem não é idêntica à cena
Leia maisPrincípios de Telecomunicações. PRT60806 Aula 19: Modulação por Código de Pulso (PCM) Professor: Bruno Fontana da silva 2014
1 Princípios de Telecomunicações PRT60806 Aula 19: Modulação por Código de Pulso (PCM) Professor: Bruno Fontana da silva 2014 Bloco de Comunicação Genérico Emissor sinais analógicos x sinais digitais Sinais
Leia maisEstatística Básica. Variáveis Aleatórias Contínuas. Renato Dourado Maia. Instituto de Ciências Agrárias. Universidade Federal de Minas Gerais
Estatística Básica Variáveis Aleatórias Contínuas Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Lembrando... Uma quantidade X, associada a cada possível resultado
Leia maisDADOS EM GEOPROCESSAMENTO
Universidade Federal de Campina Grande Centro de Tecnologia e Recursos Humanos Unidade Acadêmica de Engenharia Civil DADOS EM GEOPROCESSAMENTO Prof. Iana Alexandra Alves Rufino : dois grandes grupos Dados
Leia maisProcessamento de Imagem. Compressão de Imagens Professora Sheila Cáceres
Processamento de Imagem Compressão de Imagens Professora Sheila Cáceres Porque comprimir? Técnicas de compressão surgiram para reduzir o espaço requerido para armazenamento e o tempo necessário para transmissão
Leia maisInstituto de Matemática e Estatística, UFF Abril de 2013
Instituto de Matemática e Estatística, UFF Abril de 2013 Sumário.... Hermann Grassmann Famoso em sua época como linguista, somente hoje é valorizado como matemático. Foi o primeiro a usar o método de prova
Leia maisRicardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Geração de Números Aleatórios Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 61 Simulando de Distribuições Discretas Assume-se que um
Leia maisSISTEMAS DE INFORMAÇÕES GEOGRÁFICAS Aula 2. SIG- Eng. Cartográfica Prof. Luciene Delazari
SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS Aula 2 SIG- Eng. Cartográfica Prof. Luciene Delazari Descrição de uma realidade com algum propósito Modelo MODELAR Termo geral para denotar o processo de construir representações
Leia maisProcessamento de Imagens: fundamentos. Julio C. S. Jacques Junior
Processamento de Imagens: fundamentos Julio C. S. Jacques Junior juliojj@gmail.com Fronteiras do Processamento de Imagens Processamento de dados Dados / Informação Visão Computacional Computação Gráfica
Leia mais7. Color Image Processing
Transformação de níveis de cinza para cor a idéia por trás desta técnica é executar 3 transformações independentes sobre níveis de cinza dos pixels de uma imagem de entrada. Cada cor é transformada independentemente
Leia maisPMR2560 Visão Computacional Quantização de cores. Prof. Eduardo L. L. Cabral
PMR2560 Visão Computacional Quantização de cores Prof. Eduardo L. L. Cabral Objetivos Quantização de cores redução do números de cores presentes na imagem: Métodos: Quantização uniforme; Quantização adaptativa;
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Leia maisTÓPICO. Fundamentos da Matemática II APLICAÇÕES NA GEOMETRIA ANALÍTICA. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques
APLICAÇÕES NA GEOMETRIA ANALÍTICA 4 Gil da Costa Marques TÓPICO Fundamentos da Matemática II 4.1 Geometria Analítica e as Coordenadas Cartesianas 4.2 Superfícies 4.2.1 Superfícies planas 4.2.2 Superfícies
Leia maisCapítulo 1-Sistemas de Coordenadas, Intervalos e Inequações
Capítulo 1-Sistemas de Coordenadas, Intervalos e Inequações 1 Sistema Unidimensional de Coordenadas Cartesianas Conceito: Neste sistema, também chamado de Sistema Linear, um ponto pode se mover livremente
Leia maisAspectos da Visualização Volumétrica de Dados Sísmicos. André Gerhardt
Aspectos da Visualização Volumétrica de Dados Sísmicos André Gerhardt 01 de Setembro de 1998 Fundamentos Natureza dos dados sísmicos Refletividade Características Organização Visualização volumétrica direta
Leia maisRadiométricas. Alexandre Xavier Falcão. Instituto de Computação - UNICAMP
Operações Matemáticas e Transformações Radiométricas Instituto de Computação - UNICAMP afalcao@ic.unicamp.br Operações Matemáticas Sejam Î = (D I, I ) e Ĵ = (D J, J) duas imagens cinzas de mesmo domínio,
Leia maisMomentos: Esperança e Variância. Introdução
Momentos: Esperança e Variância. Introdução Em uma relação determinística pode-se ter a seguinte relação: " + " = 0 Assim, m =, é a declividade e a e b são parâmetros. Sabendo os valores dos parâmetros
Leia maisProcessamento Digital de Imagens - PDI
Processamento Digital de Imagens - PDI x Definição: x Manipulação da imagem por computador x Área Multidisciplinar: x Ótica x Engenharia Elétrica x Colorimetria x Neurofisiologia x Ciência da Computação
Leia maisAGRUPAMENTO DE ESCOLAS ANSELMO DE ANDRADE
AGRUPAMENTO DE ESCOLAS ANSELMO DE ANDRADE DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS - Grupo 500 Planificação Anual /Critérios de avaliação Disciplina: Matemática 8º ano Ano letivo 2016/2017 Início
Leia maisPTC3452 Exercícios sobre Codificação perceptual de Áudio e Vídeo 11/2017 G. S.
PTC3452 Exercícios sobre Codificação perceptual de Áudio e Vídeo /207 G. S. ) O padrão ao lado representa um bloco de 8x8 elementos de imagem. Os elementos pretos possuem intensidade -27 e os elementos
Leia maisProcessamento de Imagens
Processamento de Imagens Prof. Dr. Márcio Sarroglia Pinho 1 Histogramas Equalização Histogramas alpha = 255 / numpixels for each pixel g(x,y) = cumulativefrequency[f(x,y)] * alpha end for http://www.generation5.org/content/2004/histogramequalization.asp
Leia maisUniversidade do Estado de Minas Gerais Curso de Sistemas de Informações. Multimídia. A Imagem (Parte I)
Universidade do Estado de Minas Gerais Curso de Sistemas de Informações Multimídia A Imagem (Parte I) Prof Sérgio Carlos Portari Júnior portari.uemgituiutaba@gmail.com Multimídia A imagem Tópico: Representação
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 2 Processamento Espacial
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 2 Processamento Espacial Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga mvieira@sc.usp.br
Leia maisProcessamento de Imagens Digitais
Processamento de Imagens Digitais Antonio Cesar Germano Martins 2º semestre de 2018 Apresentações Nascido em Sorocaba. Graduado em Bacharelado em Física pela UNICAMP em 1989, tendo participado de pesquisas
Leia maisAGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO
AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA 7.º ANO PLANIFICAÇÃO ANUAL Planificação 7º ano 2010/2011 Página 1 DOMÍNIO TEMÁTICO: NÚMEROS
Leia maisSEL Processamento Digital de Imagens Médicas. Aula 4 Transformada de Fourier. Prof. Dr. Marcelo Andrade da Costa Vieira
SEL 0449 - Processamento Digital de Imagens Médicas Aula 4 Transformada de Fourier Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Jean Baptiste Joseph Fourier 2 Exemplo: Função Degrau 3 Exemplo:
Leia mais