Processamento de Imagem
|
|
- Norma Botelho Rios
- 6 Há anos
- Visualizações:
Transcrição
1 Universidade de Aveiro Departamento de Electrónica, Telecomunicações e Informática Processamento de Imagem Detecção de Arestas, Segmentação e Morfologia Matemática Computação Visual Beatriz Sousa Santos, J. Madeira
2 I- Detecção de Arestas Origem e natureza das arestas Detecção de arestas Processamento global e transformada de Hough Não iremos falar Arestas e segmentação detecção explícita de arestas ou seguimento de contornos 2
3 Um processo simples de detecção de arestas aplicado a imagens de complexidade diferente 3
4 Aresta ideal: I.1- Origem e natureza das arestas I(x) As arestas ajudam a revelar o conteúdo de uma imagem A sua detecção é dificultada por: ruído arestas não ideais Têm várias origens: Silhuetas de objectos Descontinuidades das normais às superfícies Descontinuidades de iluminação Descontinuidades de reflectividade dos objectos Aresta não ideal: I(x) 4
5 Exemplo 5
6 I- Detecção de Arestas As arestas são geralmente detectadas em dois passos: Aplicando uma máscara (aproximação de uma derivada) Agregando os pixels detectados (edgels) em arestas 1ª derivada A figura resume o princípio da utilização de derivadas: A 1ª derivada é: > ou < 0, dependendo da direcção de variação de I(x,y) = 0 em áreas de intensidade constante 2ª derivada A 2ª derivada passa por 0 nas arestas positivas e nas negativas 6
7 1ª Derivada 7
8 1ª Derivada Como estimar de modo simples? 8
9 Derivadas Parciais e Gradiente 9
10 Exemplo 10
11 Detecção de arestas com operadores de derivada O gradiente de uma imagem f(x,y) aponta na direcção de variação mais rápida da intensidade Direcção do gradiente Amplitude do gradiente: 11
12 Como se pode diferenciar uma imagem discreta f(x,y)? Uma opção é calcular as diferenças finitas: e aplicar a máscara correspondente Há vários operadores que aproximam o gradiente usados para detectar arestas: Roberts Prewitt Sobel 12
13 Como aplicar? 13
14 Operador de Prewitt e Operador de Sobel 14
15 Detecção de arestas com orientação pré-definida Operador de Prewitt
16 Operador de Sobel
17 Operador de Sobel Imagem original imagem resultante Imagens resultantes da aplicação do gradiente em x e em y 17
18 Operador de Roberts 18
19 Operador de Kirsch 19
20 Detectores de arestas com propriedades combinadas Há detectores que combinam várias propriedades numa única máscara para lidar com várias questões: Contraste e orientação das arestas Magnitude e orientação do gradiente Ruído Escala Consideremos duas abordagens: Marr-Hildreth Canny 20
21 Detector de Marr-Hildreth (1980) - É baseada numa presumível função de baixo nível dos sistemas visuais biológicos - A máscara é uma combinação de: - uma função Gaussiana suavizadora - um operador Laplaciano de derivada (2ª ordem) Secção da função contínua (que tem simetria circular) Implementação digital do filtro de Marr-Hildreth 21
22 - A máscara deve ser muito maior do que as anteriores (por questões de precisão) - O desvio padrão σ da Gaussiana controla a sua largura -Quanto maior for σ maior a suavização Depois de filtrada com: σ=1,5 σ=5 - Depois da suavização são detectadas as passagens por zero - O valor de σ pode ser usado para extrair detalhe das arestas a escalas diferentes Cruzamentos em zero das imagens filtradas Cruzamentos em zero comuns a ambas imagens M H = r 2 σ 2 exp -r 2 σ 4 2 σ 2 22
23 Outros exemplos Marr, Hildreth,
24 Marr- Hildreth em imagens a cores 24
25 Detector de Canny (1986) É um processo com várias etapas que permite detectar arestas atenuando também o ruído Por vezes referido como optimal edge detector (óptimo para arestas bem definidas com ruído branco) Como o detector de Marr-Hildreth também usa um smoothing Gaussiano e um Laplaciano, mas usa informação direccional do gradiente Detecta as arestas através das passagens por zero da 2ª derivada da imagem suavizada com um filtro Gaussiano 1D na direcção do gradiente
26 Detector de Canny Objectivos: Minimizar arestas falsas Melhor localização 26
27 Imagem original componentes x e y da convolução 1D com uma Gaussiana σ=6 componentes x e y da derivada Imagem final 27
28 Exemplo: detecção de arestas com o detector de Canny, σ= 1,5 e σ=5 28
29 Outro exemplo 29
30 Comparação Critérios: Quantidade de falsas arestas / segmentos Conectividade 30
31 Os operadores apresentados são conhecidos como detectores de arestas Os operadores de derivada são sensíveis ao ruído, provocando falsos positivos Transformam uma imagem num domínio binário com: um conjunto de pixels pertencentes a uma aresta edgels e falsos positivos e falsos negativos Este problema surge devido à natureza paralela da utilização de máscaras Uma designação mais adequada seria edge emphasis 31
32 Edge sharpening 32
33 Edge sharpening Laplace operator 33
34 Edge linking ou agregação Para resolver o problema dos operadores apresentados pode usar-se uma abordagem sequencial O contorno é seguido, tomando-se decisões em cada pixel para prosseguir Uma alternativa é seguir a detecção paralela de arestas por um processo de agregação que tenta: diminuir o efeito de pixels espúrios formar arestas contínuas a partir de fragmentos 34
35 Seguimento local de contornos Torna-se necessário expandir a vizinhança usada para detectar a aresta A vizinhança deve ser: suficientemente grande para fechar falsos gaps suficientemente pequena para não ligar segmentos independentes Exemplo: numa abordagem simples sobre uma imagem de gradiente, dois pixels (x,y) e (x,y ) estão sobre uma aresta se: e I(x,y) I(x,y ) < t 1 (I(x,y)) (I(x,y )) < t 2 -orientação do gradiente t 1 e t 2 - thresholds 35
36 Segmentação de Imagem Segmentar significa dividir a imagem em regiões que têm algum significado no contexto da aplicação Em geral é vista como um passo prévio à análise de imagem É mais característica da análise de imagem do que do processamento de imagem Processamento de imagem: image in; image out Análise de imagem: redução de informação; extracção de conhecimento A abordagem usada em muitos métodos consiste em agrupar pixels com propriedades semelhantes Estarão associados a uma mesma entidade 36
37 Exemplo 37
38 Os humanos efectuam a segmentação com muita facilidade usando processamento paralelo e conhecimento sobre a cena Até segmentam objectos que não existem! Kanizsa illusion As aproximações computacionais mais simples consideram um pixel de cada vez, não utilizam informação sobre a vizinhança Correspondem a uma abordagem comum na computação: dividir um problema complexo em problemas mais simples para os quais conhecemos métodos de resolução Na segmentação de uma imagem é razoável começar por usar operações low-level pixel a pixel 38
39 Note bem: Não há um método de segmentação que possa ser usado em todos os casos Não há um método de segmentação perfeito Tipos de segmentação mais comuns: Baseada em: conhecimento global das intensidades dos pixels regiões arestas 39
40 Grey scale thresholding É o método mais antigo de segmentação É apropriado em aplicações em que os objectos de interesse têm intensidades homogéneas e diferentes do fundo por exemplo: OCR (Optical Character Recognition) 40
41 Grey scale thresholding Se não houver ideia de qual o threshold a usar, pode-se analisar o histograma para escolher um valor adequado Se o histograma for bi-modal o threshold estará no vale entre picos Nota: um histograma bi-modal pode não corresponder a uma imagem com objectos sobre um fundo homogéneo 41
42 Este tipo de abordagem pode produzir erros de classificação, dependendo do histograma da imagem e dos níveis de cinzento dos objectos Pode usar-se thresholding em sub-regiões da imagem 42
43 Exemplo: processamento de imagens de TAC do torax e segmentação pulmonar Detecção dos contornos pulmonares e de bolhas de ar pulmonares em imagens torácicas de Tomografia Axial Computorizada: - Diferentes níveis de cinzento correspondem a zonas de diferentes tecidos e ar em cada secção - Determinação do histograma de cada imagem e valores correspondentes à transição entre os pulmões e outros tecidos - Deteção dos pontos pertencentes aos contornos dos pulmões em cada secção - Melhoramento dos contornos Histograma de uma imagem 43
44 Region growing segmentation A forma mais simples de fazer crescer uma região é por agregação de pixels São necessários pixels que funcionem como sementes Depois usam-se regras: de conectividade de pertença Todos os pixels que sejam vizinhos da semente e obedeçam à regra de pertença são etiquetados como pertencendo à mesma região Obter as sementes é um problema importante Pode resolver-se, por exemplo, com recurso ao histograma da imagem ou interactivamente 44
45 Labels - Vizinhanças 45
46 Flood-Filling 46
47 Flood-Filling 47
48 Flood-Filling 48
49 Flood-Filling 49
50 Flood-Filling 50
51 Exemplo: estabelecimento do critério de pertença baseado em threshold e gradiente Threshold demasiado elevado A imagem tem ruído e textura Gradiente da imagem Objectos que não são detectados Threshold demasiado baixo Gradiente da imagem suavizada Objectos que se confundem 51
52 Critério usado: Um pixel á adicionado a uma região se obedecer a um dos seguintes critérios: 1 - gradiente baixo e nível de cinzento > threshold 2- gradiente elevado e nível de cinzento < Média da região +- desvio padrão da região O critério de pertença tem que ser melhorado 52
53 Sequential Region Labeling 53
54 Sequential Region Labeling 54
55 Sequential Region Labeling 55
56 Sequential Region Labeling 56
57 Sequential Region Labeling 57
58 Sequential Region Labeling 58
59 Orientação + Excentricidade 59
60 II.3- Region split and merging segmentation Utiliza a estratégia dividir e conquistar Divide-se a imagem em partes cada vez mais pequenas, até que sejam homogéneas Não são necessárias sementes Mas, as regiões são em geral blocky 60
61 Solução simplista: If current region homogeneity test is FALSE then split into four quadrants attempt to merge this quadrants recursively call the procedure for each subdivision find any remainding merges O critério de homogeneidade pode ser baseado em medidas estatísticas 61
62 Contornos de uma região 62
63 Representação Máscara binária 63
64 Representação Run-Length Encoding 64
65 Representação Chain Codes 65
66 Combining: Region Labeling + Contour Following 66
67 III. Imagens e Morfologia Matemática A morfologia matemática opera sobre as imagens como conjuntos de pontos Permite modificar de modo controlado a estrutura / morfologia de uma imagem É mais fácil de aplicar em imagens binárias Mas pode ser aplicada e imagens com níveis de cinzento ou a cores Engloba um conjunto de técnicas usada em análise de imagem em: Filtragem Segmentação Descrição de objectos 67
68 Ideia fundamental das operações morfológicas 68
69 Ideia fundamental das operações morfológicas 69
70 Elemento Estruturante Vizinhanças 70
71 A morfologia matemática opera sobre as imagens como conjuntos de pontos É mais facilmente aplicável a imagens binárias Uma imagem binária pode ser descrita como um conjunto de pontos 2D listando todas as coordenadas dos pixels a preto (foreground), linha a linha: origem X I= { (0,1), (1,1), (2,1), (3,1), (3,2), (3,3) } Um objecto binário é representado por um conjunto num espaço bidimensional 71
72 Operações sobre conjuntos de pontos Imagens binárias Foreground Background Reunião 72
73 Muitas operações podem ser consideradas como shape filtering É necessário conhecimento a priori da forma Faz-se um scanning da imagem com um elemento estruturante EE Há pontos em que o EE: Elemento estruturante - está completamente dentro do objecto - parcialmente dento do objecto Vamos fazer uma abordagem algorítmica à morfologia matemática! 73
74 Principais operações morfológicas Dilation Erosion Operações básicas Opening Closing Operações compostas Dilation Erosion Opening Closing 74
75 Dilation Objecto original Elemento estruturante Objecto final - Corresponde a estampar o elemento estruturante em cada ponto do objecto (pixels a 1) - Obtém-se em geral uma versão expandida do objecto - Pequenos buracos e pequenas intrusões são preenchidas Imagem original Elemento estruturante Sobrepõe-se a origem do EE a todos os pixels a 1 na imagem I e transportam-se os 1 para os pixels da imagem resultante Imagem final 75
76 Exemplo: 76
77 Outro exemplo 77
78 Erosion Objecto original Objecto final - É a operação dual da dilatação (a erosão de um objecto é equivalente à dilatação do fundo) - Obtém-se em geral uma versão contraída do objecto Elemento estruturante - Os buracos são aumentados e pequenas extrusões são eliminadas Imagem original Sobrepõe-se a origem do EE a todos os pixels a 1 na imagem, coloca-se 1 na imagem resultante quando o EE cabe completamente no objecto 78 Imagem final
79 Exemplo 79
80 Problema Calcule o resultado da erosão de I com os diferentes elementos estruturantes: 80
81 Propriedades Dualidade Comutatividade Associatividade 81
82 Exemplo Dualidade 82
83 Exemplo Operações sucessivas 83
84 Elementos estruturantes habituais 84
85 Exemplo Imagem original 85
86 Exemplo Small Disk 86
87 Exemplo 87
88 Exemplo 88
89 Determinação de contornos Outlining Como a erosão pode resultar numa contracção isotrópica pode-se efectuar a extracção de contornos com a operação composta: Contrai-se o objecto e subtrai-se do original Para obter uma erosão isotrópica pode usar-se EEs de 3x3 ou 5x5, O tamanho do elemento estruturante determina a a espessura do contorno obtido Contornos obtidos com um EE de 3x3 (Amer, 2002) 89
90 Exemplo 90
91 Exemplo Conectividade dos contornos vs conectividade do EE 91
92 Opening É uma erosão seguida de dilatação É idempotente! É a união de todos os EEs que cabem dentro do objecto Elemento estruturante Com um EE circular tende a: - suavizar os contornos do objecto - partir ligações estreitas - eliminar pequenas protuberâncias Imagem original O EE é aplicado a todo o objecto, mas nenhuma parte deste pode aparecer fora do objecto 92
93 Exemplo É uma erosão seguida de dilatação Na erosão: Alinha-se a origem do EE com todos os elementos a 1, quando este cabe completamente no objecto coloca-se a 1 o pixel correspondente na imagem final Elemento estruturante Estes pixels são zero na imagem final, pois o EE não cabe no objecto, quando alinhado com eles Na dilatação: Alinha-se a origem do EE com todos os elementos a 1, e colocam -se a 1 os pixels correspondentes ao EE na imagem final 93
94 Exemplo Opening com um elemento estruturante circular Imagem original Depois da erosão Depois da dilatação Nota: o raio do EE deve ser maior do que os subconjuntos a eliminar 94
95 Closing É uma dilatação seguida de erosão É dual do opening É idempotente Elemento estruturante Imagem original? 96
96 Exemplo Closing com um elemento estruturante circular Imagem original Imagem final 97
97 Propriedades Idempotência Dualidade 98
98 Exemplo Small Disk 99
99 Exemplo de Aplicação - Skeletonizing Erosões sucessivas!! 100
100 Operações sobre imagens com níveis de cinzento As mesmas operações Mas, o elemento estruturante representa uma função real 2D Valores positivos, negativos ou nulos Don t care 101
101 Dilatação 102
102 Erosão 103
103 Exemplo Small Disk 104
104 Exemplo 105
105 Exemplo 106
106 Exemplo Small Disk 107
107 Exemplo 108
108 Exemplo 109
109 Bibliografia W. Burger, M. J. Burge, Principles of Digital Image Processing, Vol.1 and Vol. 2, Springer, 2009 A. Watt, F. Policarpo, The Computer Image, Addison Wesley, 1998 R. Gonzalez, R Woods, Digital Image Processing, 2nd Ed., Addison Wesley, 2002 Agradecimentos Aos Profs. Augusto Silva e Paulo Dias, e a alunos de Doutoramento Imagem do 1º slide: Junqing Chen and Thrasyvoulos Pappas, Adaptive perceptual color-texture image segmentation SPIE - Electronic Imaging & Signal Processing, 2006 DOI: /
Capítulo III Processamento de Imagem
Capítulo III Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas
Leia maisProcessamento Digital de Imagens. Análise de Imagens
Processamento Digital de Imagens Análise de Imagens Eduardo A. B. da Silva Programa de Engenharia Elétrica - COPPE/UFRJ Laboratório de Sinais, Multimídia e Telecomunicações eduardo@smt.ufrj.br Sergio L.
Leia maisMORFOLOGIA MATEMÁTICA
MORFOLOGIA MATEMÁTICA Morfologia Na Biologia área que trata com a forma e a estrutura de plantas e animais Processamento de Imagens Ferramenta para extração de componentes de imagens que sejam úteis na
Leia maisOperações Pontuais. 1 operando. 2 operandos. Processamento e Análise de Imagem - A. J. Padilha - v ac
Operações Pontuais 1 operando T OP 2 operandos Pré-Processamento - 1 Operações Pontuais Nas operações pontuais, cada ponto da imagem-resultado - g(i,j) - é obtido por uma transformação T do ponto de coordenadas
Leia maisSimulação Gráfica. Segmentação de Imagens Digitais. Julio C. S. Jacques Junior
Simulação Gráfica Segmentação de Imagens Digitais Julio C. S. Jacques Junior Segmentação Subdivide uma imagem em suas partes ou objetos constituintes. O nível até o qual essa subdivisão deve ser realizada
Leia maisFiltros espaciais. Processamento e Recuperação de Imagens Médicas. Prof. Luiz Otavio Murta Jr. Depto. De Computação e Matemática (FFCLRP/USP)
Processamento e Recuperação de Imagens Médicas Prof. Luiz Otavio Murta Jr. Depto. De Computação e Matemática (FFCLRP/USP) 1 Propriedades Operadores de suavização os elementos da máscara são positivos e
Leia maisExemplos. Propagação (Reconstrução)
Processamento de Imagens Médicas Morfologia Matemática em Imagens Prof. Luiz Otavio Murta Jr. Informática Biomédica Depto. de Física e Matemática (FFCLRP/USP) Propagação (Reconstrução) lgoritmos Baseados
Leia maisProcessamento de Imagem. Filtragem no Domínio Espacial Professora Sheila Cáceres
Processamento de Imagem Filtragem no Domínio Espacial Professora Sheila Cáceres Filtragem A filtragem de imagens pode ser realizada no domínio do espaço e da frequência Operadores de filtragem são classificados
Leia maisAVALIAÇÃO QUALITATIVA DE DETECÇÃO DE BORDAS EM IMAGENS DE RADIOGRAFIA PERIAPICAIS
AVALIAÇÃO QUALITATIVA DE DETECÇÃO DE BORDAS EM IMAGENS DE RADIOGRAFIA PERIAPICAIS Hedlund Erik Martins Távora 1, John Hebert Da Silva Felix 2, Darleison Rodrigues Barros Filho 3, Fausta Joaquim Faustino
Leia maisPMR2560 Visão Computacional Detecção de bordas. Prof. Eduardo L. L. Cabral
PMR56 Visão Computacional Detecção de bordas Prof. Eduardo L. L. Cabral Objetivos Processamento de imagens: Características; Detecção de bordas. Características Tipos de características: Bordas; Cantos;
Leia maisUniversidade Federal do Rio de Janeiro - IM/DCC & NCE
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Segmentação Antonio G. Thomé thome@nce.ufrj.br Sala AEP/133 Conceituação Segmentação é uma tarefa básica no processo de análise
Leia maisAula 5 - Segmentação de Imagens
Aula 5 - Segmentação de Imagens Parte 1 Prof. Adilson Gonzaga 1 Segmentação Agrupamento de partes de uma imagem em unidades homogêneas relativamente a determinadas características. Segmentação é o processo
Leia maisProcessamento de Imagens
Processamento de Imagens SCC0251 Pré-processamento Material baseado nos livros do Sonka e do Gonzalez http://www.icaen.uiowa.edu/~dip/lecture/lecture.html 1 2 Propriedades de uma Imagem digital Vizinhança
Leia maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 3 de março de 2016 Transformação e filtragem de imagens
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Filtragem de Imagens A utilização de filtros tem como objetivo melhorar a qualidade das imagens através da: ampliação
Leia maisFILTRAGEM DE IMAGEM NO DOMÍNIO ESPACIAL (Operações aritméticas orientadas à vizinhança)
PROCESSAMENTO DE IMAGEM #5 Operações Aritméticas Orientadas à Vizinhanças Filtragem no Domínio Espacial (Máscaras) Máscaras de suavização (média e mediana) e aguçamento (laplaciano) Correlação x Convolução
Leia maisCAPÍTULO 4 SEGMENTAÇÃO DE IMAGENS SAR
CAPÍTULO 4 SEGMENTAÇÃO DE IMAGENS SAR Segundo Gonzales e Wintz (1987), um dos primeiros passos do processo de análise de uma imagem digital consiste em particioná-la em seus elementos constituintes. O
Leia maisFiltros espaciais (suavizaçào)
Processamento de Imagens Médicas Filtros espaciais (suavizaçào) Prof. Luiz Otavio Murta Jr. Informática Biomédica Depto. de Física e Matemática (FFCLRP/USP) 1 Necessidade de pré-processamento 2 Propriedades
Leia maisDiagnóstico Médico de Imagem Auxiliado por Computador
Diagnóstico Médico de Imagem Auxiliado por Computador Fundamentos de Sistemas Multimídia Flávio Luiz Seixas 2005 Agenda Agenda: Sistemas CAD Telemedicina Princípios da Tomografia Computadorizada Processamento
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Filtragem de Imagens A utilização de filtros tem como objetivo melhorar a qualidade das imagens através da: ampliação
Leia maisProcessamento de Imagens Marcia A. S. Bissaco
Engenharia Biomédica Processamento de Imagens Marcia A. S. Bissaco 1 Exemplos filtros Média Mediana Passa_B Passa_A Borda_H Borda_V Sobel_Y Sobel_X Oliveira, Henrique J. Quintino (UMC-SP), 2 Media Mediana
Leia maisFiltragem de Imagens no Domínio Espacial. 35M34 Sala 3D5 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227
Filtragem de Imagens no Domínio Espacial 35M34 Sala 3D5 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227 Image Enhancement 2 Image enhancement em Português significa algo como melhoria de imagens, mas o
Leia maisSegmentação de Imagem
Segmentação de Imagem Em análise de imagem o resultado pretendido não é, geralmente, outra imagem, mas antes uma sua descrição. Essa descrição refere-se, em regra, a partes específicas da imagem ou da
Leia maisAPLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS DIGITAIS EM IMAGENS GERADAS POR ULTRA-SOM
VIII ERMAC 8 o Encontro Regional de Matemática Aplicada e Computacional 0- de Novembro de 008 Universidade Federal do Rio Grande do Norte Natal/RN APLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS DIGITAIS
Leia maisFiltragem de Imagens Fixas
FEUP 2006/2007 TELEVISÃO DIGITAL Filtragem de Imagens Fixas Nuno Miguel da Cunha Pássaro Nuno Miguel Dantas de Faria nº de aluno: 010503228 email: ee01228@fe.up.pt nº de aluno: 010503160 email: ee01160@fe.up.pt
Leia maisProcessamento de Imagem. Convolução Filtragem no Domínio da Frequência (Fourier) Professora Sheila Cáceres
Processamento de Imagem Convolução Filtragem no Domínio da Frequência (Fourier) Professora Sheila Cáceres Lembrando Filtragem Correlação A correlação e a convolução sãos dois conceitos relacionados a filtragem.
Leia maisProcessamento de Imagens
Processamento de Imagens Prof. Marcelo Portes de Albuquerque Prof. Márcio Portes de Albuquerque Monitores: Fernanda Dutra Moraes (CBPF) Pedro de Souza Asad (CBPF) IX Escola do CBPF 22 IX Escola do CBPF
Leia mais4 Detecção de Silhueta
4 Detecção de Silhueta No decorrer deste capítulo é proposto um modelo de detecção da silhueta da mão capaz de lidar com os erros da segmentação e ruídos na sua morfologia. Num primeiro passo são considerados
Leia maisFiltros e Morfologia. Prof. Dr. Geraldo Braz Junior
Filtros e Morfologia Prof. Dr. Geraldo Braz Junior Filtragem Operações que visam extrair informações importantes da imagem CaracterísAcas Cantos, bordas, agrupamentos Melhoramento rearada de ruídos, aumento
Leia maisFiltragem no domínio de frequência
Filtragem no domínio de frequência Filtragem no domínio de frequência Modificar a transformada de Fourier de uma imagem e computar a inversa para obter o resultado. Dada uma imagem f(x,y), MxN, a equação
Leia maisFILTROS ESPACIAIS PASSA-BAIXA
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO CMP65 - INTRODUÇÃO AO PROCESSAMENTO DE IMAGENS PROFESSOR JACOB SCARCHANSKI FILTROS ESPACIAIS PASSA-BAIXA POR DANIEL NEHME
Leia maisRealce de imagens parte 2: ltragem espacial SCC5830/0251 Processamento de Imagens
Realce de imagens parte 2: ltragem espacial SCC5830/0251 Processamento de Imagens Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2013/1 Moacir Ponti
Leia mais[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações
[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações Dr. Sylvio Barbon Junior PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DE ALIMENTOS - UEL 2016 Assunto Aula 4 Segmentação de Imagens 2 de
Leia maisProcessamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Algoritmos básicos de Processamento de Imagem Contagem do Número de Objectos numa Imagem Binária. Cantos Externos
Leia maisFiltragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha
Filtragem As técnicas de filtragem são transformações da imagem "pixel" a "pixel", que dependem do nível de cinza de um determinado "pixel" e do valor dos níveis de cinza dos "pixels" vizinhos, na imagem
Leia maisFundamentos da Computação Gráfica
Fundamentos da Computação Gráfica Trabalho 2 Visão. Detecção de cantos. Manuel Alejandro Nodarse Moreno (1322198) Introdução. Detecção de cantos é uma abordagem utilizada em sistemas de visão computacional
Leia maisTrabalho Final de Processamento de Imagens: Panografia
Trabalho Final de Processamento de Imagens: Panografia 1. Introdução Vítor Silva Sousa 1 1 Escola Politécnica Universidade Federal do Rio de Janeiro (UFRJ) Rio de Janeiro RJ Brasil vitor.silva.sousa@gmail.com
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 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 maisProcessamento de Imagens
Processamento de Imagens SCE 5830 Pré-processamento Material baseado no livro do Sonka e Gonzalez http://www.icaen.uiowa.edu/~dip/lecture/lecture.html Propriedades de uma Imagem digital Vizinhança Conectividade
Leia maisFiltragem. Processamento digital de imagens. CPGCG/UFPR Prof. Dr. Jorge Centeno
Filtragem Processamento digital de imagens CPGCG/UFPR Prof. Dr. Jorge Centeno Operações de vizinhança (Filtros) Filtros lineares Filtro passa-baixas (suavização) Filtro passa-altas (realce) Filtros direcionais
Leia maisProcessamento de Imagens
Processamento de Imagens Morfologia Matemática Binária Prof. Luiz Eduardo S. Oliveira Universidade Federal do Paraná Departamento de Informática http://web.inf.ufpr.br/luizoliveira Luiz S. Oliveira (UFPR)
Leia maisVisão computacional. Juliana Patrícia Detroz Orientador: André Tavares Silva
Visão computacional Juliana Patrícia Detroz Orientador: André Tavares Silva Visão computacional Tentativa de replicar a habilidade humana da visão através da percepção e entendimento de uma imagem; Fazer
Leia maisColégio Politécnico da UFSM DPADP0024 : Processamento Digital de Imagens (Prof. Dr. Elódio Sebem)
A filtragem digital é uma transformação da imagem mediante operações locais. Na imagem filtrada o ND de cada pixel está em função do NDs dos pixels do seu entorno na imagem inicial, sem modificações de
Leia maisCARACTERÍSTICAS DE IMAGENS: PONTOS E SUPERFÍCIES
CARACTERÍSTICAS DE IMAGENS: PONTOS E SUPERFÍCIES O que são? CARACTERÍSTICAS DE IMAGENS (Image Features) o Propriedades Globais de uma imagem, ou de parte dela (característica global). Por exemplo: Médias
Leia maisDescritores de Imagem
Descritores de Imagem André Tavares da Silva 31 de março de 2014 1 Descritores de imagem (continuação) 1.1 Frameworks de detecção de objetos SIFT (scale-invariant features transform) (Lowe, 1999) SIFT
Leia maisAUTOMATED ASSESSMENT OF BREAST TISSUE DENSITY IN DIGITAL MAMMOGRAMS
AUTOMATED ASSESSMENT OF BREAST TISSUE DENSITY IN DIGITAL MAMMOGRAMS Introdução Câncer de mama É uma das neoplasias mais comuns que afligem as mulheres Globalmente, a cada 3 min uma mulher é diagnosticada
Leia maisMétodos de Segmentação de Imagem para Análise da Marcha
Métodos de Segmentação de Imagem para Análise da Marcha Maria João M. Vasconcelos, João Manuel R. S. Tavares maria.vasconcelos@fe.up.pt, tavares@fe.up.pt 3º Congresso Nacional de Biomecânica 11-12 Fevereiro
Leia mais1 1 1 *1/ *1/ *1/49
O que é filtragem? As técnicas de filtragem são transformações da imagem pixel a pixel, que não dependem apenas do nível de cinza de um determinado pixel, mas também do valor dos níveis de cinza dos pixels
Leia maisProcessamento e Análise de Imagens Médicas
Processamento e Análise de Imagens Médicas Prof. Luiz Otávio Murta Junior 1 : Programa Fundamentos de imagem O modelo de imagem Brilho, contraste, luminância A imagem digital Quantização, amostragem e
Leia maisAula 5. Melhoria de imagens por filtragens: Não lineares simples e homomórficas.
Aula 5 (non-linear and homomorphic filters) Melhoria de imagens por filtragens: Não lineares simples e homomórficas. Análise de Imagens - 5 Aura Conci Classificação dos filtros Domínio ou espaço em que
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 mais4 as Jornadas Politécnicas de Engenharia
4 as Jornadas Politécnicas de Engenharia Imagens de Faces: Exemplos de Metodologias e Aplicações Fernando Carvalho, João Manuel R. S. Tavares Aplicação Metodologias Modelos Conclusões Trabalho Futuro Introdução:
Leia maisExtração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV
Extração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV Izadora Aparecida RAMOS 1,3,4 ; Servílio Souza de ASSIS 1,3,4 ; Bruno Alberto Soares OLIVEIRA
Leia maisSEGMENTAÇÃO DE IMAGENS DIGITAIS DE ALGAS MICROSCÓPICAS POR GRANULOMETRIA MORFOLÓGICA
SEGMENTAÇÃO DE IMAGENS DIGITAIS DE ALGAS MICROSCÓPICAS POR GRANULOMETRIA MORFOLÓGICA Sérgio R. Nauffal 1, Jacques Facon 2, Flávio Bortolozzi 3 1 snauffal@utp.br, Universidade Tuiuti do Paraná, Av. Comendador
Leia mais2. Passos fundamentais para o processamento de imagens
Filtro de Canny Jeverson Siqueira 1, Wallace Caldeira 1, Miguel Matrakas 1 1 Ciência da Computacão Faculdades Anglo Americano de Foz do Iguaçu (FAA) CEP: 85868-03 Foz do Iguaçu PR Brasil siqueira.jeverson@gmail.com,
Leia maisProcessamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
Processamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores António M. Gonçalves Pinheiro Departamento de Física Universidade da Beira Interior Covilhã - Portugal pinheiro@ubi.pt Bibliografia
Leia maisCurso de Extensão: Noções de Sensoriamento
UFBA Curso de Extensão: Noções de Sensoriamento IPF Institut für Photogrammetrie und Fernerkundung Mauro Alixandrini Universität Karlsruhe (TH) www.kit.edu 04.08 Noções de Sensoriamento Remoto Aula 2 Comportamento
Leia maisLição de Processamento Digital de Sinais. Operação de Zooming em Processamento de Imagem. Rui Jesus
Lição de Processamento Digital de Sinais Operação de Zooming em Processamento de Imagem Rui Jesus ISEL, Julho 22 .INTRODUÇÂO. Enquadramento Esta lição destina-se aos alunos da disciplina de Processamento
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 maisA Utilização de Filtros Gaussianos na Análise de Imagens Digitais
Trabalho apresentado no XXXV CNMAC, Natal-RN, 014. A Utilização de Filtros Gaussianos na Análise de Imagens Digitais Edison O. Jesus, Roberto Costa Jr. Universidade Federal de Itajubá, UNIFEI Instituto
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/133 Tratamento de Imagens - Sumário Detalhado Objetivos Alguns
Leia maisIntrodução FILTRAGEM NO DOMÍNIO DA FREQUÊNCIA
FILTRAGEM NO DOMÍNIO DA FREQUÊNCIA Introdução Um sinal no domínio do espaço (x,y) pode ser aproximado através de uma soma de senos e cossenos com frequências (f, f2, f3,...fn) de amplitudes (a, a2,...
Leia maisImplementação do algoritmo SIFT para detecção de objetos em imagens.
Universidade Federal do Rio de Janeiro Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia Programa de Engenharia de Sistemas e Computação Rio de Janeiro, RJ - Brasil Implementação
Leia maisUniversidade Federal do Rio de Janeiro - IM/DCC & NCE
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Tratamento da Imagem - Filtros Antonio G. Thomé thome@nce.ufrj.br Sala AEP/033 Sumário 2 Conceito de de Filtragem Filtros
Leia maisModelação de Sólidos. Sistemas Gráficos/ Computação Gráfica e Interfaces FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO
Modelação de Sólidos Sistemas Gráficos/ Computação Gráfica e Interfaces 1 Modelação de Sólidos Em 2D um conjunto de segmentos de recta ou curvas não formam necessariamente uma área fechada. Em 3D uma colecção
Leia maisDetecção de Arestas em Imagens Digitais
Detecção de Arestas em Imagens Digitais Helder C. R. de Oliveira Orientador: Prof. Marco A. Piteri Presidente Prudente 211 Sumário 1 Introdução 1 2 Processamento de Imagens e Detecção de Arestas 3 2.1
Leia maisTrabalhos de laboratório
Trabalhos de laboratório Âmbito : manipulação e processamento de imagem e vídeo Objectivo: Não é possível perceber realmente processamento de imagem (ou qualquer outro tópico de engenharia), sem aplicar
Leia maisSistemas especialistas Fuzzy
Sistemas Fuzzy Sistemas especialistas Fuzzy Especialistas Senso comum para resolver problemas Impreciso, inconsistente, incompleto, vago Embora o transformador esteja um pouco carregado, pode-se usá-lo
Leia maisFiltragem de Imagens no Domínio da Freqüência. 35M34 Sala 3D5 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227
Filtragem de Imagens no Domínio da Freqüência 35M34 Sala 3D5 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227 Introdução Fourier formulou no início do século XVIII a teoria de que qualquer função que se
Leia maisResumo. Filtragem Adaptativa. Filtros adaptativos. Tarefas desempenhadas pelos filtros
Resumo Filtragem Adaptativa Luís Caldas de Oliveira lco@istutlpt Instituto Superior Técnico Sistemas de filtragem adaptativa Conceitos de filtragem adaptativa Filtro de Wiener Algoritmo steepest descent
Leia maisProcessamento de Imagens
Processamento de Imagens André Tavares da Silva andre.silva@udesc.br Roteiro O que é imagem Operações com imagens Convolução discreta Transformada de Fourier Transformada de Wavelets Morfologia matemática
Leia maisAnálise de Fourier. Imagens no Domínio da Freqüência
Análise de Fourier Imagens no Domínio da Freqüência Todas as imagens deste trabalho foram obtidas de R. C. Gonzalez and R. E. Woods - Digital Image Processing, Addison Wesley Pub. Co. 1993 - ISBN 0-201-60078-1
Leia maisRealce de imagens parte 1: operações pontuais SCC0251 Processamento de Imagens
Realce de imagens parte 1: operações pontuais SCC0251 Processamento de Imagens Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2013/1 Moacir Ponti Jr.
Leia maisEncontrando a Linha Divisória: Detecção de Bordas
CAPÍTULO 1 Encontrando a Linha Divisória: Detecção de Bordas Contribuíram: Daniela Marta Seara, Geovani Cássia da Silva Espezim Elizandro Encontrar Bordas também é Segmentar A visão computacional envolve
Leia maisProcessamento de Sinal e Imagem
Processamento de Sinal e Imagem Mestrado em Informática Médica Hélder Filipe Pinto de Oliveira Apresentação do Docente Formação Académica Licenciatura Eng. Eletrotécnica e de Computadores, FEUP (1999 2004)
Leia maisRestauração de Imagens
Restauração de Imagens Disciplina: Tópicos em Computação (Processamento Digital de Imagens) 1 / 30 Conceitos Preliminares O principal objetivo das técnicas de restauração é melhorar uma imagem em algum
Leia maisCAPITULO 2 Processamento de Imagens
CAPITULO 2 Processamento de Imagens 2. Considerações Iniciais Como já comentamos no capítulo, as imagens digitais podem ser representadas como uma matriz de pontos, chamados pixel. A cada pixel está associado
Leia maisSEGEMENTAÇÃO DE IMAGENS. Nielsen Castelo Damasceno
SEGEMENTAÇÃO DE IMAGENS Nielsen Castelo Damasceno Segmentação Segmentação Representação e descrição Préprocessamento Problema Aquisição de imagem Base do conhecimento Reconhecimento e interpretação Resultado
Leia maisCapítulo 5 Filtragem de Imagens
Capítulo 5 Filtragem de Imagens Capítulo 5 5.1. Filtragem no Domínio da Frequência 5.2. Filtragem no Domínio Espacial 2 Objetivo Melhorar a qualidade das imagens através da: ampliação do seu contraste;
Leia maisInstituto Tecnológico de Aeronáutica. Prof. Carlos Henrique Q. Forster Sala 121 IEC. ramal 5981
CC222 Visão Computacional Descrição e Feições Instituto Tecnológico de Aeronáutica Prof. Carlos Henrique Q. Forster Sala 121 IEC ramal 5981 Tópicos da aula Detecção de cantos Detecção de contornos Regiões
Leia maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 08 - deteção de características de baixo-nível (low-level feature detection) parte II Antonio Oliveira Ricardo Marroquim 1 / 1 aula de hoje feature detection
Leia maisEstudo sobre Deteção de Bordas em Imagens de Profundidade
L. SILVA, D. WEINGAERTNER, O. BELLON Estudo sobre Deteção de Bordas em Imagens de Profundidade LUCIANO SILVA DANIEL WEINGAERTNER OLGA REGINA PEREIRA BELLON (orientadora) UFPR - Departamento de Informática
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 mais4 Extração direta das PELs
4 Extração direta das PELs A detecção de arestas em imagens está relacionada à extração de feições, sendo uma ferramenta fundamental em processamento de imagens e visão computacional. Essa detecção visa
Leia maisNatan Martins Jory. Reconhecimento de Moedas via Processamento de Imagens
Natan Martins Jory Reconhecimento de Moedas via Processamento de Imagens São José SC agosto / 2011 Natan Martins Jory Reconhecimento de Moedas via Processamento de Imagens Monografia apresentada à Coordenação
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 maisConvolução Correlação. Profs. Theo Pavan e Adilton Carneiro TAPS
Convolução Correlação Profs. Theo Pavan e Adilton Carneiro TAPS Sistema Sistema processo em que os sinais de entrada são transformados resultando em um outro sinal de saída. x(t) Sistema de tempo contínuo
Leia maisFiltros Digitais. Filtros básicos, parâmetros no domínio do tempo e frequência, classificação de filtros
Filtros Digitais Filtros básicos, parâmetros no domínio do tempo e frequência, classificação de filtros Filtros são usados basicamente para dois propósitos: Separação de sinais combinados; Restauração
Leia maisQUANTIFICAÇÃO AUTOMÁTICA DA RIGIDEZ DA BORDA DA GOTA DE SANGUE PERIFÉRICO EM IMAGENS DE MICROSCOPIA ÓTICA
QUANTIFICAÇÃO AUTOMÁTICA DA RIGIDEZ DA BORDA DA GOTA DE SANGUE PERIFÉRICO EM IMAGENS DE MICROSCOPIA ÓTICA C. F. F. Costa Filho, M. G. F. Costa, F. Pinagé, J. M. Aguiar. Universidade do Amazonas Laboratório
Leia maisPontifícia Universidade Católica do Rio de Janeiro. Departamento de Informática. Fundamentos de Computação Gráfica
1. Imagens sísmicas Pontifícia Universidade Católica do Rio de Janeiro Departamento de Informática Fundamentos de Computação Gráfica Aluno: Stelmo Magalhães Barros Netto Relatório do trabalho Imagens Sísmicas
Leia mais3 Transformação SIFT (Scale Invariant Feature Transform)
3 Transformação SIFT (Scale Invariant Feature Transform) Este capítulo apresenta as seguintes seções: - 3.1 Uma Introdução Sobre Descritores Locais: A técnica SIFT ( Scale Invariant Feature Transform )
Leia maisUNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA DE ENGENHARIA DEPARTAMENTO DE ELETRÔNICA E DE COMPUTAÇÃO
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA DE ENGENHARIA DEPARTAMENTO DE ELETRÔNICA E DE COMPUTAÇÃO FILTRO SIGMA COM DETEÇÃO DE BORDAS PARA CANCELAMENTO DE RUIDO GAUSSIANO EM IMAGENS PRETO E BRANCO
Leia maisPropriedades da Convolução
Processamento Digital de Sinais Propriedades da Convolução Prof. Dr. Carlos Alberto Ynoguti Algumas respostas a impulso Função delta Amplificador / Atenuador Atrasador Integrador Diferenciador Filtro passa-baixas
Leia maisModelo Digital do Terreno. Modelação do Relevo. Representação. Representação. Matricial. Declive
Sistemas de Informação Geográfica Modelação do Relevo. Modelo Digital do Terreno. Representação 3. Declive, Orientação, Curvatura 4. Caracterização morfológica. TIN. Isolinhas 7. GRID vs. TIN vs. Isolinhas
Leia maisFILTRAGEM NO DOMÍNIO ESPACIAL. Daniel C. Zanotta 10/06/2016
FILTRAGEM NO DOMÍNIO ESPACIAL Daniel C. Zanotta 10/06/2016 Passa-Baixas O efeito visual de um filtro passa-baixa é o de suavização da imagem e a diminuição de mudanças abruptas de níveis de cinza. As altas
Leia maisIntrodução a Análise de Imagens Digitais
Introdução a Análise de Imagens Digitais Uma imagem digital é uma representação de uma cena por meio de um conjunto de elementos discretos e de tamanhos finitos, chamados de pixels, colocados em um arranjo
Leia maisImplementação de algoritmo de tratamento de imagens para detecção de falhas em cordão de solda. Rafael Marques Ilivinski
Implementação de algoritmo de tratamento de imagens para detecção de falhas em cordão de solda Rafael Marques Ilivinski Departamento Acadêmico de Eletrônica (DAELN) - Universidade Tecnológica Federal do
Leia maisAula 6 - Segmentação de Imagens Parte 2. Prof. Adilson Gonzaga
Aula 6 - Segmentação de Imagens Parte 2 Prof. Adilson Gonzaga 1 Motivação Extração do Objeto Dificuldades Super segmentação over-segmentation 1) Segmentação por Limiarização (Thresholding Global): Efeitos
Leia maisIdentificação de veículos utilizando técnicas de visão computacional
Identificação de veículos utilizando técnicas de visão computacional Eliézer Fazzioni Bourchardt,, Maximiliano Zambonatto Pezzin Curso de Sistemas de Informação Universidade do Contestado (UnC) Rua Victor
Leia mais