Processamento Digital de Imagens Cor
Em uma descrição física a cor está associada ao seu comprimento de onda. Ao se analisar o espectro eletromagnético na região do visível, os menores comprimentos de onda estão associados a cor violeta e os de maior ao vermelho, passando pelos de azul, verde, amarelo e laranja. Deve-se salientar que está associação é feita pelo sistema visual humano.
A incidir em um objeto a luz pode ser absorvida ou refletida. A cor de um objeto é devido a luz refletida pelo mesmo.
Assim, se um objeto reflete de mesma forma em todos os comprimentos de onda, ele parecerá branco. Se, no entanto, existir um conjunto de comprimentos de onda para o qual o objeto reflita a luz incidente com maior intensidade, então este terá a cor associada a somatória desta luz refletida. De outra forma, se o objeto absorver a luz incidente, o mesmo será negro.
No caso de luz acromática (sem cores presentes) basta a intensidade para caracterizá-la. No estudo de luz cromática (com cores presentes) são utilizadas algumas propriedades que permitem a sua caracterização: radiância, luminância e brilho.
A radiância se refere a energia luminosa emitida por uma fonte luminosa medida em watt (W).
A luminância é uma medida da quantidade de radiação percebida por um observador, sendo medida em lúmen (lm). Deve-se notar que um sistema de aquisição de imagens não possui a mesma eficiência em todos os comprimentos de onda.
O brilho está associado a intensidade luminosa e, embora em imagens monocromáticas possua uma interpretação bastante precisa, no caso de imagens cromáticas é uma propriedade bastante subjetiva.
Embora cor tenha uma descrição simples em termos de comprimento de ondas, a percepção da cor por um ser humano é bastante complexo, envolvendo fenômenos psicofísicos e ainda não completamente entendido. O número de nomes de cores varia com a cultura (Sekuler, R. e Blake, R. Perception. 3ed McGraw Hill, 1990). O próprio questionamento de se o que uma pessoa chama de verde causa a mesma sensação em outra pessoa, é difícil de ser respondido.
Efeitos relativos à iluminação e interação fundo/objeto de análise devem ser considerados e podem levar interpretações erradas.
A retina possui dois tipos de receptores: os cones e os bastonetes. Em um olho existem entre 6 e 7 milhões de cones que são altamente sensíveis a cores e entre 75 e 150 milhões de bastonetes que são responsáveis pela visão geral sendo analisada.
http://www.evl.uic.edu/aej/488/diagrams/rods_and_cones.jpg
Experiências psicofísicas indicam que existem três tipos diferentes de pigmentos presentes nos cones (Sekuler, R. e Blake, R. Perception. 3ed McGraw Hill, 1990).
Cores primárias (aditivas)
A partir da adição de duas cores primárias obtêm-se uma cor secundária: magenta (vermelho + azul) ciano (verde + azul) amarelo (vermelho + verde).
Um sistema formado pelas três cores secundárias é utilizado na descrição de pigmentos e corantes, considerando-se os comprimentos de ondas que são absorvidos (subtraídos) pelo material. Assim, em um pigmento ciano, o vermelho é absorvido e o verde e azul são refletidos.
Cores secundárias (subtrativas)
Na análise de uma imagem colorida são utilizadas as seguintes características: brilho, matiz e saturação.
O brilho está associado a intensidade no caso de imagens em tons de cinza. O matiz (hue) traz a informação a respeito do comprimento de onda dominante em uma determinada cor. A saturação (saturation) descreve o grau de mistura de um matiz com a luz branca, indicando o quão pura a cor é.
Cores não saturadas são apagadas, ao passo que cores saturadas são vibrantes. O vermelho é altamente saturada ao passo que o cor de rosa é não saturado. Uma cor 100% saturada não contém nenhuma luz branca. Uma mistura de luz branca e um matiz possui saturação entre 0 e 100.
A cromaticidade é uma descrição que incorpora o matiz e a saturação. Assim, pode-se descrever uma imagem de acordo com o brilho e a cromaticidade.
As imagens coloridas podem ser obtidas por meio da aquisição de uma cena por dispositivos sensíveis a vários comprimentos de onda, ou pela atribuição de uma cor para intensidades monocromáticas, sendo neste último caso chamada de imagem em pseudo-cor.
Exemplo de pseudo-cor imagem de satélite
Modelos de cores O uso de modelos de cor permite a especificação de cores a partir de pontos em um sistema de coordenadas. A especificação de um modelo de cor está associado a aplicação. Assim, de uma forma geral, usa-se o modelo RGB (Red, Green e Blue) para monitores e câmeras de vídeo, o CMY (Cyan, Magenta e Yellow) para impressoras e o HSI (Hue, Saturation e Intensity) para a manipulação de imagens. Para o processamento de imagens, utiliza-se mais freqüentemente os modelos RGB e HSI.
Modelo RGB Utiliza-se um sistema de coordenadas cartesianas sendo que cada eixo representa uma das cores primárias. Nestes eixos, os valores são normalmente normalizados a 1.
O sub-espaço que representa todas as cores é definido por um cubo cujos vértices representam: (0,0,0) o preto (1,0,0) o vermelho (0,1,0) o verde (0,0,1) o azul (1,0,1) o magenta (0,1,1) o ciano (1,1,0) o amarelo (1,1,1) o branco.
Cubo RGB A escala de tons de cinza é descrita pela reta que une a origem ao vértice (1,1,1).
Com este modelo, a cor de um pixel presente em uma imagem é representada por um vetor neste sub-espaço: p = r e + r g e + g b eb onde r, g e b são valores de 0 a 1 que representam as contribuições de vermelho, azul e verde e são vetores unitários nas direções positivas de e i cada um dos eixos cartesianos.
Uma abordagem ao se realizar o processamento de imagens utilizando o modelo RGB é aplicar a operação em cada um dos canais separadamente e em seguida somar os resultados. Operações como a equalização do histograma podem, no entanto, alterar significativamente a distribuição de cores. Nestes casos, é melhor utilizar o modelo HSI.
Arquivo de imagem em tons de cinza: 121 32 45 54... Arquivo de imagem em cores: (121 32 45) (53 28 32)... Arquivo com tons de cinza em uma imagem colorida: (121 121 121) (32 32 32)...
Crescimento de regiões No caso de crescimento de regiões, podese impor condições em cada um dos canais separadamente para se obter resultados satisfatórios.
Imagem da porta segmentada a partir da imagem do corredor usando-se como semente o pixel na posição (285, 257) de valores R=14, G=119 e B=154 e como critério de agregação ΔR=40, ΔG=40 e ΔB=60.
Imagem do batente segmentada a partir da imagem do corredor usando-se como semente o pixel na posição (62, 256) de valores R=9, G=100 e B=128 e como critério de agregação ΔR=40, ΔG=40 e ΔB=60.
Imagem do cesto segmentada a partir da imagem do corredor usando-se como semente o pixel na posição (494, 364) de valores R=18, G=36 e B=71 e como critério de agregação ΔR=40, ΔG=40 e ΔB=60.
Para tornar a escolha do pixel semente automático, pode-se implementar um processo que, dados valores para R, G, B e os critérios de agregação, varre-se a imagem horizontalmente, de cima para baixo, e ao se encontrar um pixel com os valores especificados, inicia-se o processo de crescimento de regiões.
Resultados da segmentação automática com valor de semestre R=G=B=23 e critério de agregação ΔR=ΔG=ΔB=10.
Modelo HSI Este modelo desacopla a informação de brilho daquelas referentes a cor propriamente dita. Usa como parâmetros o matiz (Hue), a saturação (Saturation) e o brilho (Intensity)
Transformação de RGB para HSI
Referências: Gonzalez, cap. 4 Crane, cap. 1