Processamento de Imagens e Aplicações

Transcrição

1 Processamento de Imagens e Aplicações João do E. S. Batista Neto Instituto de Ciências Matemáticas e de Computação ICMC-USP

2 Domício Pinheiro Agência Estado

3 fica á r G o utaçã p m o C Vis ão Co mp u t ac ion al Processamento de Imagens ão ç a liz a u Vis fica í t n Cie Anális e de I m agens

4 Áreas Relacionadas Modelagem Visualização Computacional Computação Gráfica Síntese de Imagens Processamento de Imagens Visão Computacional

5 e ag Im m as t la e r or C s a e Ár Modelagem de dados (processamento de dados) DADOS Visualização Visão (computação gráfica, síntese de imagem) (análise de imagem) IMAGEM Processamento de imagens

6 Modelagem Cena: lista de objetos + condições de iluminação Objetos: características geométricas Forma Maneira como interagem com a luz incidente. Ambos os tipos de características podem ser descritos através de modelos Grau variável de sofisticação -> realismo! Modelagem geométrica Especificação de características óticas (material, cor, transparência, etc). Muita estrutura de dados!!!! Cena realista -> requer muito trabalho

7 Modelagem de dados (visualização) Curvas, superfícies, etc

8 Métodos p/ Modelagem Métodos Analíticos ou Algébricos: representação de curvas, superfícies. Métodos Analíticos ou Algébricos: representação de curvas, superfícies.

9 Computação Gráfica síntese de imagens técnicas para gerar representações visuais a partir de especificações geométricas e de atributos visuais dos seus componentes modelagem e rendering objetivo: mundo 3D no computador cena descrita em termos de sua geometria e atributos visuais para o rendering, até obter matriz de pixels

10 Sistemas Gráficos: Características sistemas altamente interativos usuário controla o conteúdo, a estrutura e a aparência dos objetos e imagens visualizadas na tela, usando dispositivos de interação forte relação com HCI - Interação Usuário Computador

11 Quer Ficar Rico? Rendering: processo de geração de imagem a partir de um modelo. Em português: visualização

12 Computação Gráfica 2D 3D

13 Rendering

14 Real ou Imaginário

15 Processamento de Imagens técnicas de transformações de imagens descritas na forma de uma matriz de pixels objetivo: melhorar características visuais (aumentar contraste, melhorar foco, reduzir ruído, eliminar distorções), extrair elementos de interesse; ou mesmo transformar a imagem, criando efeitos visuais cena: matriz de pixels

16 Identificação de pássaros para controle de poluição ambiental

17 Segmentação por Campos Aleatórios de Markov em multi escala Leandro Gerhardiger, 2006

18

19 Segmentação de um tumor em momografia

20 Recuperação de conteúdo em grandes BD por imagem

21

22 Identificação de Ferrugem de Cana Casa Branca

23

24

25

26 Criação de mosaica em plantações de eucalipto

27

28 Mosaico criado automaticamente, sem nenhum georeferenciamento

29 CSI A missão!!

30 Encontre os caracteres 'a'

31 O que é visão computacional? É a ciência que desenvolve as bases teóricas e algoritmicas pelas quais informações úteis são automaticamente extraídas de imagens por meio de computadores

32 O que é um sistema de Visão Computacional? Um programa que enxerga uma imagem e realiza as operação que lhe são solicitadas! Análise de imagens Segmentação + extração de características Algum processo inteligente de inferência Reconhecimento de padrões Machine learning, classificação, etc..

33 O que precisamos saber para ter sucesso na construção de um sistema de visão artificial? Aspectos Cognitivos: combinação dos aparelhos sensoriais e comportamento psico-biológico: neurociências, IA, filosofia, psicologia, lingüística. Aspectos fisiológicos do cérebro.

34 Aspectos Cognitivos

35 Exemplo : ilusão cognitiva (distorção) Tamanho, comprimento, curvatura

36 Exemplo : percepção visual aspectos culturais Mostre estas figuras para um árabe e um zulu...

37 Exemplo : percepção visual especialização

38 Movimento sacádico

39 Aspectos Fisiológicos

40 Visão Natural: sistema super paralelo Macro Micro Intermediário

41 Visão Natural: o olho humano

42 Blid Spot: Ponto Cego Feche seu olho direito. Foque no número 3. Avance e recue. Ou foque nos nros à direita ou esquerda!

43 Cones: (sens.) C C M L M Bastonetes: Alta sensibilidade à luminosidade, não percebem cor Cones: Alta sensibilidade a cor, alta quantidade na fóvea C

44 O córtex visual

45 Córtex Inferote mporal Córtex Parietal V4 (comp. de onda; orientação; disparidade) Cor e forma co m cor V5 (direção; orientação; disparidade) Movimento V3 (direção; orientação; disparidade) Formas dinâmicas Pálidas (comp. de onda) Faixas finas Faixas grossas (comp. de onda; orientação; disparidade) (direção; orientação; disparidade) blobs interblobs 4B (comp. de onda) (comp. de onda; orientação; disparidade (direção; orientação; disparidade) LGN par vocelul ar LGN magnocelular Cones Bastonetes V2 V1

46 Exemplo 1: fisiologia A região A é mais escura que B, certo? Isso não é uma pegadinha

47 Errado!

48 Resposta Contraste local Algo claro, rodeado por algo mais escuro, tende a parecer mais claro do que é. E vice-versa! Este é um exemplo da excelente qualidade de nosso sistema visual, certo? Certo!

49 Exemplo 2: fisiologia Explicação: campos receptivos da retina

50 Visão Computacional/Artificial VISÃO é o processo de descobrir, a partir de imagens, o que está presente no mundo e onde está localizado Disciplinas relacionadas Processamento de Imagens Computação Gráfica Reconhecimento de Padrões Robótica Inteligência artificial

51 Um sistema de visão computacional para indústria

52 Três níveis de atuação Melhorar qualidade da imagem Pouca inteligência Extrair e caracterizar componentes Alguma inteligência Reconhecimento Alta Inteligência

53 Exemplo: um sistema de visão para reconhecer digitais

54 Reconhecimento de Digitais padrões Bifurcações Terminações

55 Típico sistema de visão Processamento de Imagens Aquisição Cena 1 6 IA / reconhecimento de padrões Pré-processamento Extração de características 4 Análise de Imagens

56 Passo 1 - Aquisição Cena

57 Aquisição

58 Passo 2 - Pré-processamento Cena

59 Pré-processamento

60 Passo 3 - Processamento de Imagens 1 Cena

61 Processamento de Imagens

62 Passo 4 - Análise de Imagens Cena

63 Análise de Imagem 1- Procurar todos e marcar: - bifurcações - terminações

64 Análise de Imagem 2 - Determinar as orientações: - bifurcações - terminações

65 Passo 5 - Extração de Características Cena

66 Extração de Características: Modelo Matemático Modelo Matemático - Semelhança de Triângulos Combinar as marcações 3 a 3

67 Passo 6 - IA / Reconhecimento de padrões Cena

68 IA / Reconhecimento de padrões Armazenar o modelo matemático de todos os triângulos Base de conhecimento

69 IA / Reconhecimento de padrões Armazenar o modelo matemático de todos os triângulos Base de conhecimento

70 IA / Reconhecimento de padrões Comparar com modelos treinados Base de conhecimento Padrão reconhecido, digital identificada

71 É fácil emular a visão humana?

72 Reconhecimento

73 Importância da cor

74 Importância da Textura

75 The role of shape

76 Importância do agrupamento

77 Auxílio da matemática Sistemas mais antigos empregavam métodos heurísticos Hoje recorremos à matemática, às vezes um pouco pesada! Cálculo Algebra Linear Probabilidade e estatística Processamento de Sinais Projeção Geométrica Geometria Computacional Otimização Boa notícia: muita computação!

78 Aplicações Inspeção industrial/controle Qualidade Segurança Reconhecimento Facial Reconhecimento Gestos Aplicações espaciais Análise de imagens médicas Veículos autônomos Agro-negócio

79 Identificação de pássaros para controle de poluição ambiental

80 Segmentação por Campos Aleatórios de Markov em multi escala Leandro Gerhardiger, 2006

81 Segmentação de um tumor em momografia

82 Recuperação de conteúdo em grandes BD por imagem

83 Identificação de Ferrugem de Cana Casa Branca

84

85

86

87 Criação de mosaica em plantações de eucalipto

88

89 Mosaico criado automaticamente, sem nenhum georeferenciamento