TOPOLOGIA DA IMAGEM DIGITAL



Documentos relacionados
Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens

Aquisição e Representação da Imagem Digital

Classificação de Imagens

A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação.

Fundamentos de Processamento de Imagens SCC0251/5830 Processamento de Imagens

Capítulo 7. Topologia Digital. 7.1 Conexidade

Topologia digital. Vizinhança

Aula 5 - Classificação

COMPUTAÇÃO GRÁFICA. Rasterização e Preenchimento de Regiões. MARCO ANTONIO GARCIA DE CARVALHO Fevereiro de Computação Gráfica

Simulação Gráfica. Morfologia Matemática. Julio C. S. Jacques Junior

Teoria dos Grafos. Edson Prestes

Prova de Admissão para o Mestrado em Matemática IME-USP

Processamento de Imagem Morfológica (Morfologia Matemática) Tsang Ing Ren UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática

Faculdade de Computação

António Costa. Paulo Roma Cavalcanti

Cálculo do conjunto paralelo

o conjunto das coberturas de dominós de uma superfície quadriculada S. Um caminho v 0 v 1...v n

Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching"

Fundamentos de Imagens Digitais. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens

Processamento Digital de Imagens

Segmentação de Imagens

Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU

QUESTÕES COMENTADAS E RESOLVIDAS

Exercícios Adicionais

Lista 1 para a P2. Operações com subespaços

Processamento Digital de Imagens

Processamento Digital de Imagens

SEGEMENTAÇÃO DE IMAGENS. Nielsen Castelo Damasceno

9 Comandos condicionais

Potenciação no Conjunto dos Números Inteiros - Z

INSTITUTO TECNOLÓGICO

Operações Pontuais. Guillermo Cámara-Chávez

Classificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões

Resolução de sistemas lineares

Processamento e Análise de Imagens (MC940) Análise de Imagens (MO445)

QUANTIFICADORES. Existem frases declarativas que não há como decidir se são verdadeiras ou falsas. Por exemplo: (a) Ele é um campeão da Fórmula 1.

ESTEREOSCOPIA INTRODUÇÃO. Conversão de um par de imagens (a)-(b) em um mapa de profundidade (c)

AV1 - MA (b) Se o comprador preferir efetuar o pagamento à vista, qual deverá ser o valor desse pagamento único? 1 1, , , 980

Desenho de Segmentos de Recta

FACULDADE DE CIÊNCIA E TECNOLOGIA. Cursos de Engenharia. Prof. Álvaro Fernandes Serafim

Prof. Daniela Barreiro Claro

Função do 2º Grau. Alex Oliveira

6. Programação Inteira

Encontrando a Linha Divisória: Detecção de Bordas

Morfologia Matemática Binária

ANÁLISE MATEMÁTICA II

Pedro Ribeiro 2014/2015

UNIPAMPA Universidade Federal do Pampa. Núcleo de Tecnologia da Informação (NTI)

7 - Análise de redes Pesquisa Operacional CAPÍTULO 7 ANÁLISE DE REDES. 4 c. Figura Exemplo de um grafo linear.

Eduardo Camponogara. DAS-5103: Cálculo Numérico para Controle e Automação. Departamento de Automação e Sistemas Universidade Federal de Santa Catarina

Preenchimento de Áreas e de Polígonos. Antonio L. Bajuelos Departamento de Matemática Universidade de Aveiro

Capítulo 2. Álgebra e imagens binárias. 2.1 Subconjuntos versus funções binárias

Regras Métodos Identificadores Variáveis Constantes Tipos de dados Comandos de atribuição Operadores aritméticos, relacionais e lógicos

Cálculo em Computadores trajectórias 1. Trajectórias Planas. 1 Trajectórias. 4.3 exercícios Coordenadas polares 5

Processamento de Imagens COS756 / COC603

Universidade Federal de Alagoas Instituto de Matemática. Imagem. Prof. Thales Vieira

4. Tangentes e normais; orientabilidade

Estruturas de Repetição

EQUAÇÕES DIFERENCIAIS

UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS

Processamento de Imagem. Representação, Armazenamento e Formato de imagens Professora Sheila Cáceres

Refração da Luz Índice de refração absoluto Índice de refração relativo Leis da refração Reflexão total da luz Lentes Esféricas Vergência de uma lente

REPRESENTAÇÃO DE DADOS EM SISTEMAS DE COMPUTAÇÃO AULA 03 Arquitetura de Computadores Gil Eduardo de Andrade

NOÇÕES DE ÁLGEBRA LINEAR

Processos Estocásticos

2 Texturas com Relevo e Equações de Pré Warping

Unidade 11 - Probabilidade. Probabilidade Empírica Probabilidade Teórica

Sumário. 1. Instalando a Chave de Proteção Novas características da versão Instalando o PhotoFacil Álbum 4

MATEMÁTICA GEOMETRIA ANALÍTICA I PROF. Diomedes. E2) Sabendo que a distância entre os pontos A e B é igual a 6, calcule a abscissa m do ponto B.

RELAÇÕES BINÁRIAS Produto Cartesiano A X B

Profa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung

Coordenadas Polares Mauri C. Nascimento Dep. De Matemática FC Unesp/Bauru

MORFOLOGIA MATEMÁTICA. Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR

Medidor de distância a laser Manual de instruções

Sistemas Lineares. Módulo 3 Unidade 10. Para início de conversa... Matemática e suas Tecnologias Matemática

Controlando o trabalho impresso 1

AULA 6 - Operações Espaciais

DEFIJI Semestre :07:19 1 INTRODUÇÃO

Informática Aplicada a Radiologia

Processamento Digital de Imagens

VIII. VARIÁVEIS. Tabela I ARQUITETURA DA MEMÓRIA. 0x0000 0x34 0x0001 0xB0 0x0002 0x23. 0xFFFF 0x00

Imagem e Gráficos. vetorial ou raster?

Eletricidade e Magnetismo - Lista de Exercícios I CEFET-BA / UE - VITÓRIA DA CONQUISTA COORDENAÇÃO DE ENGENHARIA ELÉTRICA

Álgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP

Visão e Processamento de Imagens. Imagem digital. Processamento Digital de Imagens. Obtenção de uma imagem digital

ITA º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR

OBJETIVOS: Definir área de figuras geométricas. Calcular a área de figuras geométricas básicas, triângulos e paralelogramos.

Astra LX Frases Codificadas Guia para o processo de Configuração de Frases Codificadas no Programa AstraLX.

Pré processamento de dados II. Mineração de Dados 2012

M-MACBETH. M-MACBETH Versão (beta) Manual do usuário

Exercícios Teóricos Resolvidos

INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA

Figure 2 - Nós folhas de uma árvore binária representando caracteres ASCII

Modelagem Digital do Terreno

Coordenadas Polares. Prof. Márcio Nascimento.

Sumário INTRODUÇÃO 3 TELA DE APRESENTAÇÃO 3 DESENHANDO E TRANSFORMANDO 29 FERRAMENTA FORMA 29 PREENCHIMENTOS E CONTORNOS 36

Aula 4 Estatística Conceitos básicos

Teoria dos Grafos. Edson Prestes

2 Pesquisa de valores em uma lista de dados

CAPÍTULO 2. Grafos e Redes

Transcrição:

Faculdade de Computação Universidade Federal de Uberlândia TOPOLOGIA DA IMAGEM DIGITAL Sumário Vizinhança de um pixel O que é conectividade? Algoritmo para rotular componentes conectadas Relação de adjacência Medidas de distância 1

Valor de um pixel Uma imagem é tratada como uma matriz de pixels Um pixel p na coordenada (x,y) está associado a um valor de intensidade V(p) correspondente a f(x,y) Imagem de 8 bits: V(p) = {k 0 <= k <= 255} Vizinhança de um pixel Vizinhança-4 de um pixel p (N 4 (p)) Um pixel p na coordenada (x,y) tem 4 vizinhos cujas coordenadas são dadas por N 4 (p) = {(x+1, y), (x 1, y), (x, y+1), (x, y 1)} Se p é um pixel da borda, então ele terá um numero menor de vizinhos x y p 2

Vizinhança de um pixel Vizinhança diagonal de um pixel p (N D (p)) Um pixel p na coordenada (x,y) tem 4 vizinhos na diagonal cujas coordenadas são dadas por N D (p) = {(x+1, y+1),(x+1,y 1),(x 1,y+1), (x 1, y 1)} x y p Vizinhança de um pixel Vizinhança-8 de um pixel p (N 8 (p)) Os 8-vizinhos de um pixel p é o conjuntos dos vizinhos N 4 (p) e dos N D (p). N 8 (p) = N 4 (p) N D (p) x y p 3

Adjacência É um conceito distinto de vizinhança Serão observados, além da vizinhança, os valores dos pixels vizinhos Estabelece limites de objetos e componentes de regiões Adjacência Os valores dos pixels vizinhos devem estar contidos dentro de um conjunto Q de valores de intensidades. Ex: Imagens binárias: Q = {1} Imagens tons de cinza: Q = {v v > 127} Três tipos de adjacência Adjacência-4 Adjacência-8 Adjacência-m 4

Adjacência Adjacência-4 A 4 (p) O pixel q está na vizinhança-4 de p q N 4 (p) p e q estão na mesma faixa de valores V(p) Q e V(q) Q x 1 y 0 1 1 0 Q = 1 p = (x, y), V(p) = 1 A 4 (p) = * x, y 1, x + 1, y + Adjacência Adjacência-8 A 8 (p) O pixel q está na vizinhança-8 de p q N 8 (p) p e q estão na mesma faixa de valores V(p) Q e V(q) Q x 1 1 0 y 0 1 0 0 0 1 Q = 1 p = (x, y), V(p) = 1 A 8 (p) = * x 1, y 1, x, y 1, x + 1, y + 1 + 5

Adjacência Adjacência-m A m (p) Conectividade mista q N 4 (p) ou q N 8 (p) e V(N 4 (p) N 4 (q)) Q p e q estão na mesma faixa de valores V(p) Q e V(q) Q x 1 1 0 y 0 1 0 0 0 1 Q = 1 p = (x, y), V(p) = 1 A m (p) = * x 1, y 1, x, y 1, x + 1, y + 1 + Adjacência Adjacência-m A m (p) A adjacência mista é uma modificação adjacência-8; Foi criada para eliminar ambiguidades que frequentemente ocorrem com adjacencia-8 A 4 (p) A 8 (p) A m (p) 6

Relação de Adjacência Um caminho digital do pixel p(x,y) ao pixel p(s,t) é uma sequência de pixels distintos (x 0,y 0 ), (x 1,y 1 ),, (x n,y n ), em que (x 0,y 0 ) = (x,y) e (x n,y n ) = (s,t); os pixels (x i,y i ) e (x i-1,y i-1 ) são adjacentes para 1 i n Se (x 0,y 0 ) = (x n,y n ) então o caminho é fechado Conectividade Conectividade entre pixels é um conceito muito importante É útil para Estabelecer os limites dos objetos Identificar as componentes de uma imagem obtenção de propriedades especificas do objeto para processamento de mais alto nível 7

Conectividade Precisamos identificar quais pixels pertencem a cada componente da imagem I Para isto precisamos saber quais pixels são conexos background Objeto 1 Imagem I Objeto 2 Conectividade Dois pontos p e q ε S são conexos se existe um caminho entre p e q tal que todos os pontos deste caminho também pertencem a S S. P.q Para qualquer pixel p em S, o conjunto de pixles conexos a ele em S é chamado de um componente conexo de S Se existir apenas um componente conexo entao S é dito ser um conjunto conexo 8

Conectividade Seja R um subconjunto de pixels em uma imagem I R é uma região de I se R for um conjunto conexo Duas regiões R i e R j são adjacentes se sua união formar um conjunto conexo Para definir um conjunto conexo o tipo de adjacência utilizada precisa ser especificado Conectividade Exemplo R1 U R2 formam uma região se a adjacência-8 for utilizada Usando adjacência-4, R1 e R2 são duas regiões disjuntas 9

Conectividade Exemplo Neste exemplo as regiões Si e Sj são disjuntas para qualquer adjacência (não existe caminho entre p e q) Si Sj Fronteira ou contorno de uma região Seja R uma região A fronteira de R é o conjunto de pixels adjacentes aos pixels do complemento de R R R c Ponto da fronteira 10

Rotular Componentes Conectadas Atribui diferentes rótulos para regiões disjuntas em uma dada imagem Rotular componentes conectadas é um passo fundamental para analise automática de imagens: identificar forma, calcular área, definir fronteira da região obter características de forma ou contorno Algoritmo para Rotular Componentes Conectadas Considere que desejamos rotular componentes 4-conectadas Seja p um pixel a ser analisado. A varredura se dá da esquerda para a direita, de cima para baixo. Seja r e t o pixel de cima e a esquerda respectivamente. Dada a natureza da varredura, r e t já foram rotulados se satisfizeram o critério de similaridade (Cs=1; considere que estamos tratando com uma imagem binária). 11

Algoritmo para Rotular Componentes Conectadas Procedimento: Se p = 0 então verifica o próximo pixel; Se p = 1, examinar r e t Se (r == 0 e t == 0) então rotula p com novo rótulo; Se (r == 1 e t == 0) ou (r == 0 e t == 1) rotula p com o rótulo de r ou de t; Se (r == 1 e t == 1) e possuem o mesmo rótulo então rotula p com este rótulo; Se (r == 1 e t == 1) e possuem rótulos diferentes então rotula p com um dos rótulos e indica equivalência de rótulos; Algoritmo para Rotular Componentes Conectadas No final do processo todos que satisfazem o critério de similaridade estarão rotulados, mas alguns com rótulos equivalentes Neste caso: transformar todos os pares de rótulos equivalentes em classes de equivalência, atribuindo um rótulo diferente para cada classe; varrer novamente a imagem e substituir cada rótulo pelo rótulo atribuído a sua classe de equivalência. 12

Demonstração do algoritmo Resultado 13

Rotular Componentes Conectadas - Exercício Considere Sc={1} e a imagem abaixo: 1 1 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 1 0 1 0 0 0 0 0 1 1 0 0 0 0 0 1 1 Componentes 4-conectadas: A A 0 0 0 0 0 0 A A 0 0 0 0 0 0 0 B 0 0 0 0 0 0 B B 0 C 0 0 0 0 0 D D 0 0 0 0 0 D D Os rótulos C e D são equivalentes. Temos, portanto, 3 componentes 4-conectadas. Como o procedimento de rotular deve ser alterado para obtermos componentes 8-conectadas??? Medida de distância ou Métrica 28 Dados os pixels p, q e z com coordenadas (x,y), (s,t) e (u,v), respectivamente, D é uma função de distância se D(p,q) = D(q,p), simetria D(p,q) 0, não negatividade D(p,p) = 0 Além dessas 3 propriedades, também valem D(p,q) = 0, se e somente se p = q D(p,z) D(p,q) + D(q,z), também conhecida como desigualdade do triângulo 14

Medida de distância ou Métrica 29 Desigualdade triangular z D(q,z) D(p,z) q D(p,q) p Medidas de distância p 15

Medidas de distância Distancia D 4 ou City-block distance ou distância de Manhattan: D 4 (p,q) = x-s + y-t S = {q D4(p,q) r} forma um diamante centrado em p Comparando com a distância Euclideana Medidas de distância Distancia D 8 ou Chessboard distance ou Distancia de Chebyshev D 8 (p,q) = max( x-s, y-t ) S = {q D 8 (p,q) r} forma um quadrado centrado em p 16

Medidas de distância Distância de Minkowiski: é uma métrica do espaço Euclideano e generaliza as outras distâncias D M (p,q) = [(x-s) p + ( y-t) p ] 1/p p = 1 distância de Manhattan p = 2 distância Euclideana p = distância de Chebyshev Distância de Minkowski para diferentes valores de p 17

Aplicações: shape matching Como obter o esqueleto da forma? Imagine uma região cujo material pega fogo de forma uniforme Coloque fogo simultaneamente em cada ponto do contorno e veja o fogo se alastrar para o interior da região; Sempre que fogo se encontra vindo de pontos diferentes, ele apaga formando uma linha Esta linha é o esqueleto 18

Esqueletonização O esqueleto pode ser obtido via transformada de distância Transformada de distância Calcula um campo escalar (ou vetorial) que representa as distâncias mínimas entre o objeto e os pontos do espaço no qual ele está envolvido A transformada de distância é normalmente utilizada em imagens binárias Transformada de distância O resultado da transformação é uma imagem similar à original, exceto que os níveis de cinza dentro da região são alterados para identificar a menor distância de cada ponto ao contorno da forma 19

Transformada de distância Exemplos Esqueletonização O esqueleto ocorre nas regiões de singularidade da transformada (cristas e descontinuidade de curvatura) 20

Esqueletonização Outros exemplos Esqueletonização O uso de diferentes métricas diferentes esqueletos O esqueleto é útil: produz uma representação simples e compacta da forma; preserva características topológicas e de tamanho da forma original 21

Outros exemplos para o uso de distancia: Método de Interpolação - SIDITRANS (dissertação de Walter A.A. Oliveira) Exercícios 1- Na figura abaixo, quais opções estão corretas? a) q ε N 4 (p) b) q ε N 8 (p) q c) q ε N D (p) 2 Calcule a distância entre os pixels p e q a) Euclidiana b) City block q c) Chess board p p 22

Exercícios 3 - Determine se S1 e S2 são: a) 4-conectadas b) 8-conectadas c) m-conectadas S1 0 0 0 0 0 0 1 0 0 0 1 0 0 1 1 1 S2 0 0 1 1 0 1 0 0 1 1 0 0 0 0 0 0 Exercícios 4 - Encontre o esqueleto para a imagem binária abaixo (a parte clara é fundo). Use distância D 8 : 23