Processamento Digital de Imagens - PDI

Transcrição

1 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 x Origem e Desenvolvimento: x Surgiu na época que se utilizava cabos submarinos para transmissão de imagens entre Nova Iorque e Londres. x O programa espacial (60) propiciou um grande avanço. x Os satélites artificiais de observação da Terra (últimas décadas) e a evolução da tecnologia digital, trouxeram atenções consideráveis para o PDI. x Objetivos: x Realce da imagem para sua interpretação. x Classificação automática. x Aplicações: x S.R. - análise de recursos naturais. x Transmissão digital de TV e Facsimile. x Análise de Imagens biomédicas. x Análise de Imagens metalográficas ou de fibras vegetais. x Radiação nuclear e técnicas de tomografia computadorizada. x Aplicações em automação industrial.

2 Processo de Formação de Imagens Cena: - entidade tridimensional - emite e reflete energia radiante Reflectância Emissão Incidência Absorção Sistema de Imageamento Componentes: Meio Físico + Sensores (Propagação) (Captam radiações) Exemplos: Atmosfera Câmera TV, Sensores em satélites, scanners Imagem - Resulta da captura das ondas eletromagnéticas refletidas ou emitidas pelos objetos na cena. A emissão e a reflectância: - dependem das propriedades físico-químicas. - constituem informações sobre os objetos.

3 Influência da Atmosfera espalhamento atmosférico provoca background SENSOR IMAGEM atmosfera CENA Sinal coletado = reflexão + emissão + irradiação (ENERGIA APARENTE) Background (fundo) o causado pela iluminação (efeito atmosférico) CONTRASTE DA CENA = Nível médio da cena Ÿ contraste é reduzido Nível médio do fundo Consequência : x baixa deteção de pequenas variações de radiometria SENSOR detetor plano focal LENTE CENA SENSOR

4 Energia Radiante Variações (variações de Detectores de sinais intesidade Elétricos t de Luz ). depende. quantidade de luz incidente ;. Resposta. frequência da luz. do sensor. descrita por curvas de resposta espectral ( intensidade da luz para cada frequência ). Projeção Geométrica define representada por do Detector na Ÿ área da cena Ÿ elemento na imagem. Cena ( Pixel- Picture element ). Resolução Espacial.. Capacidade de discernimento..área projetada do detetor na cena.. Determinado pelo IFOV ( Instantaneous Field Of View ). > Resolução Espacial Ÿ > Nível de detalhes perceptíveis. IFOV. Definido pelas propriedades geométricas do sistema sensor.. Define a área imageada a uma dada altitude e um dado momento.. Representa o tamanho do pixel. Saída do Sensor => Imagem (degradada por efeitos atmosféricos e o processo de aquisição) Representação da cena original

5 Modelo de Representação de uma imagem Imagem Numérica é uma função de um conjunto E em um conjunto K. g : E o K Considerações: 1. E conjunto de pontos juntos com relações de proximidades e vizinhança (superfície da imagem é um conjunto de pares), ou seja, (l, p) E Seja A E; Cp 1 e Cp 2 E; (Cp 1, Cp 2 ) A A é o conjunto de arcos ou arestas entre os pontos de E. O conjunto E (superfície) é organizada em termos de um grafo (E,A). u u u u u u u u Cp E (pontos) Arcos u u u u u u u u (E,A) define a grade da imagem. 2. k- conjunto finito de valores radiométricos.

6 Elemento de Imagem ( Pixel ) Seja g uma imagem. Um ponto Cx E é representado por: pixel (g) = (Cx, g(cx ) ) onde g(cx ) K, K={0,1,...,K-1} e Cx = (l, p) Obs.: Na literatura sobre processamento de imagens o ponto Cx é representado como Cx = (x,y) onde x representa a posição do ponto (pixel) sobre a linha y. Aqui se está adotando a nomenclatura Cx = (l, p) por se considerá-la mais elucidativa. Exemplo: Considerando a grande como E = {0,1,2,...,n-1}²,ou seja, o produto cartesiano ( {0,1,2,...,n-1} X {0,1,2,...,n-1} ) e K Z+ (leia-se "K é um subconjunto dos inteiros positivos incluindo o zero") ( (2,3), 32 ) ( (4,1), 41 )

7 Pode-se pensar a imagem como resultado de uma transformação da cena pelo sensor. g(l, p) = L( l, p, 'Oj, tm ). L - valor de radiância espectral na posição ( l, p). tm - ( m = 0,1,...,n ) - intervalo de tempo. 'Oj - (j = 0,1,...,k ) - região (faixa) do espectro eletromagnético (banda espectral ). i - iluminação ( 0 d i < ). L i * r r = 0 absorção total.. r - reflectância ( 0 d r d 1 ) r = 1 reflectância total. Imagem multiespectral - conjunto de imagem de uma mesma cena ( imagem vetorial ) obtidas por sensores diferentes. 1 2 n p p p L 1 L 2 L n Um ponto é representado como: l l l ( (l,p), (L 1, L 2,..., L n ) )

8 Banda 2 Banda 3 Banda 4 (a) (b) (c) (d) Imagem da Baía de Guanabara no Estado do Rio de Janeiro: (a)banda 2 (b)banda 3 (c)banda 4 (d)composição colorida R(2)G(3)B(4). Fonte: ATUS- INPE.

9 Resolução Espectral (inerente às imagens multi-espectrais). definida por : x número de bandas espectrais. x largura do intervalo de comprimento de onda de cada banda. Banda é uma região (faixa) do espectro eletromagnético. > Nq de bandas & < largura Ÿ > resolução espectral do sensor. Imagem em uma banda Ÿ imagem (imagem monocromática). Resolução Radiométrica - Números de diferentes radiometria numa imagem. x Níveis de cinza representam a radiometria. Lmin d l d Lmáx. 0 - preto. Na prática : l [ Lmin, Lmáx ] = [ 0,L ] L - branco. Ex: K={0,1} (binário) ;K={0,1,...,15} ;k={0,1,...,63} ;K={0,1,...,255}. ( K = 2 ) ( K = 16 ) ( K = 64 ) ( K = 256 ) > K Ÿ > resolução radiométrica. K - depende do número de bits usados para representar cada nível. m = 2 => K = 2 2 = 4; m = 1 => K = 2 1 = 2 m = 4 => K = 2 4 = 16 m = 8 => K = 2 8 = 256 K depende do HW utilizado (placas gráficas diferentes).

10 Conceito de Imagens Digitais Linhas Função contínua g(l 1,p 1 ) g(l 2,p 2 ) 'l l 2 l 1 p 1 p 2 'p Pixels Representação computacional necessita de: x Digitalização discretização no domínio espacial. x Quantização discretização no domínio radiométrico.

11 Assim a imagem pode ser representada na forma matricial. g(0,0) g(0,1)... g(0,m-1) g(1,0) g = g(n-1,0)... g(n-1,m-1) onde cada g(l, p) = g(l 'l, p 'p), onde l = 0,1,...,N-1 e p = 0,1,...,M-1 x 'l e 'p são os intervalos de amostragem x g(l, p) K = { 0,1,...,K-1} (níveis de cinza) < 'l, 'p & > K => imagem digital está mais próxima da imagem original.

12 Frequência de Amostragem Frequência x variação da intensidade do nível de cinza na imagem. x variações rápidas (detalhes) => componentes de alta frequência Frequência de Amostragem (F a ) x Frequência com que as amostras são tomadas durante amostragem 1 F a 'x Teorema de Amostragem de Shannon: x Seja f uma função contínua com frequência máxima Fm, f pode ser reconstruída a partir de um conjunto de amostras, se F a t 1 2 Fm Ÿ t 2 Fm Ÿ ' x d ' x 1 2 F m 'x metade do período do detalhe mais fino da imagem. x Número de Níveis de Quantização ( k ) x nq bits define k x Reduzir k, diminuindo-se nq bits Ÿ falsos contornos x Falsos Contornos é o aparecimento de transições bruscas de níveis de cinza em regiões r homogêneas. x k deve ser grande o suficiente para representar detalhes finos e evitar falsos contornos.

13 Exemplo de falsos contornos: Imagem Original com 8 bits Imagem Original com 4 bits

14 VISUALIZAÇÃO DE IMAGEM MEMÓ RIA CPU I/O MEMÓ RIA DE IMAGEM MONITOR x Memória de Imagem é composta por planos de bits. Exemplo: Plano bit 1 Plano bit Plano bit 3 Plano bit