SEL-0339 Introdução à Visão Computacional. Aula 6 Representação e Descrição

Documentos relacionados
Aula 7 - Representação e Descrição de Estruturas Bi-dimensionais. Prof. Adilson Gonzaga

Aula 9 Representação e Descrição. Profa. Fátima Nunes AULA 9 / 1. Profa. Fátima L. S. Nunes

Representação e Descrição. Guillermo Cámara-Chávez

Processamento digital de imagens

REPRESENTAÇÃO E DESCRIÇÃO. Nielsen Castelo Damasceno

Dr. Sylvio Barbon Junior. Departamento de Computação - UEL. 1 o Semestre de 2015

Representação e Descrição. Guillermo Cámara-Chávez

SEL-0339 Introdução à Visão Computacional. Aula 2 Processamento Espacial

SEL Visão Computacional. Aula 2 Processamento Espacial

Descritores de Imagem (introdução)

SEL-0339 Introdução à Visão Computacional. Aula 5 Segmentação de Imagens

Processamento Digital de Imagens

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Extração de Características

SEL-0339 Introdução à Visão Computacional. Aula 2 Processamento Espacial (Parte 2)

SEL-0339 Introdução à Visão Computacional. Aula 7 Reconhecimento de Objetos

Capítulo 6 Extração de Características e Reconhecimento de Padrões e Objetos. Computação Gráfica - Vol. 2 - Cap. 6

SEL-0339 Introdução à Visão Computacional. Aula 3 Processamento de Imagens Coloridas

Aula 3 Processamento Espacial

Descritores de Imagem (introdução)

Processamento digital de imagens

Introdução ao Processamento Digital de Imagens. Aula 6 Propriedades da Transformada de Fourier

Transformações Geométricas. Transformações Geométricas. Sistemas de Coordenadas. Translação: M.C.F. de Oliveira Rosane Minghim 2006

Processamento Digital de Imagens

Aula 4: Morfologia de Imagens

Processamento Digital de Imagens

Algoritmos geométricos

Extração de Características. Carlos Alexandre Mello

Respostas do Teste de Analise de Imagens :

Universidade Federal do Rio de Janeiro - IM/DCC & NCE

SEL Processamento Digital de Imagens Médicas. Aula 6 Processamento no Domínio da Frequência

Descritores de Imagem (exemplos)

Processamento Digital de Imagens. Análise de Imagens

RESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS. Nielsen Castelo Damasceno

Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação

Processamento de Imagens: fundamentos. Julio C. S. Jacques Junior

Aprendizagem de Máquina

SEL Processamento Digital de Imagens Médicas. Aula 4 Transformada de Fourier. Prof. Dr. Marcelo Andrade da Costa Vieira

Aula 5 - Segmentação de Imagens

Ponto em Polígono. António Leslie Bajuelos Departamento de Matemática Universidade de Aveiro

Computação Gráfica. Prof. MSc André Yoshimi Kusumoto

Extração de Características

Exemplos. Propagação (Reconstrução)

Consultas por Similaridade em Domínios de Dados Complexos

A B C A 1 B 1 C 1 A 2 B 2 C 2 é zero (exceto o caso em que as tres retas são paralelas).

CIC 111 Análise e Projeto de Algoritmos II

Métodos de Extração de Características

2 SIFT (Scale Invariant Feature Transform)

INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO

4 Detecção de Silhueta

SEL Introdução ao Processamento Digital de Imagens. Aula 9 Restauração de Imagens Parte 2

UNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba. Transformações Geométricas

[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações

Aula 8 Reconhecimento de Padroes : parte 2.

MAT 112 Vetores e Geometria. Prova SUB C

Um Estudo das Técnicas de Obtenção de Forma a partir de Estéreo e Luz Estruturada para Engenharia

Coordenadas Cartesianas

Universidade de Aveiro Departamento de Electrónica, Telecomunicações e Informática. Transformações 2D

Resultantes de um sistema de forças

Processamento De Imagem. Descritores de Cor

Computação Gráfica. Engenharia de Computação. CEFET/RJ campus Petrópolis. Prof. Luis Retondaro. Aula 3. Transformações Geométricas

MORFOLOGIA MATEMÁTICA

Visualização por Computador: Teoria, Prática e Aplicações

Processamento de Imagens. Segmentação por regiões

CPV 82% de aprovação na ESPM

Computação Gráfica - 09

Computação Gráfica - 09

Processamento de Imagens. Texturas

Aprendizagem de Máquinas. Extração de Características

PMR2560 Visão Computacional Conversão e Limiarização. Prof. Eduardo L. L. Cabral

Capítulo 1-Sistemas de Coordenadas

Professor: Computação Gráfica I. Anselmo Montenegro Conteúdo: - Objetos gráficos planares. Instituto de Computação - UFF

MAT 105- Lista de Exercícios

Introdução à Computação Gráfica

Processamento de Imagem. Convolução Filtragem no Domínio da Frequência (Fourier) Professora Sheila Cáceres

Objetos Gráficos Planares

7º Ano. Planificação Matemática 2014/2015. Escola Básica Integrada de Fragoso 7º Ano

3 Segmentador Multiresolução Estendido

Resistência dos Materiais

Análise e Complexidade de Algoritmos

Geometria Analítica. Geometria Analítica 28/08/2012

Professor: Anselmo Montenegro Conteúdo: Aula 2. - Primitivas Geométricas. Instituto de Computação - UFF

Figura 9.1: Corpo que pode ser simplificado pelo estado plano de tensões (a), estado de tensões no interior do corpo (b).

NOTAÇÕES. R : conjunto dos números reais C : conjunto dos números complexos

Aula 2 Aquisição de Imagens

Alunos: Caio Santos Renato Miceli

Rotação e Interpolação

Nome: nº Professor(a): UBERLAN / CRISTIANA Série: 3ª EM Turmas: 3301 / 3302 Data: / /2013

Radiométricas. Alexandre Xavier Falcão. Instituto de Computação - UNICAMP

Tratamento da Imagem Transformações (cont.)

Transformações de Pontos. Computação Gráfica Prof. Dr. Paulo Roberto Gomes Luzzardi Aluna: Karina da Silva Salles

Processamento de Imagem. Relaçionamentos entre pixels e Operações Aritméticas e Lógicas Professora Sheila Cáceres

Geometria Analítica - AFA

MAT2457 ÁLGEBRA LINEAR PARA ENGENHARIA I 2 a Lista de Exercícios - 1 o semestre de f 1 = 2 e 1 e 2 e 3,

Universidade Federal de Sergipe Departamento de Matemática. Imagem* Profª. Maria Andrade. *Parte desta apresentação foi do Prof. Thales Vieira.

PROCESSAMENTO DE IMAGENS

UFBA / UFRB a Fase Matemática RESOLUÇÃO: Professora Maria Antônia Gouveia. QUESTÕES de 01 a 08

7.1 Área: conceito e áreas do quadrado e do

Processamento de Imagens Digitais

Av. João Pessoa, 100 Magalhães Laguna / Santa Catarina CEP

Transcrição:

Departamento de Engenaria Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 6 Representação e Descrição Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga mvieira@sc.usp.br

Dados Geométricos 3D Computação Gráfica Imagem D Imagem D Processamento de imagens Imagem D Imagem D Visão Computacional Dados Geométricos 3D Visão Computacional - Aula1

Visão Computacional Imagem Digital Processamento de Imagem Extração/ Seleção de Características Reconecimento LENNA 3

4

Introdução q Após a segmentação, os agrupamentos resultantes são usualmente representados por meio de dados em um formato apropriado camados de descritores. Representação Fronteiras: Características externas. forma do objeto Foco na Regiões: Características internas. Foco na textura ou cor do objeto q Uma fronteira pode ser descrita pelo seu tamano, orientação, número de concavidades, etc... q Uma região pode ser descrita pela sua cor, textura, área, etc... q Os descritores devem ser insensíveis à translação, rotação e mudança de escala 5

Representação de Fronteiras

Representação de Fronteiras 1) Seguidor de fronteira Define uma sequência ordenada de pontos que descrevem uma fronteira. Para imagens binárias com a fronteira segmentada. Representação 1-D de uma forma bidimensional em uma imagem

Algoritmo: 1. Considere o ponto de partida b 0 como o ponto mais alto e mais a esquerda rotulado com valor 1 (objeto);. Denote por c 0 o vizino à esquerda (ponto de fundo); 3. Examine todos os vizinos-8 do ponto b 0 a partir de c 0 considerando o sentido orário e marque o primeiro ponto rotulado com 1 que for encontrado.

Algoritmo: 4. Inclua as coordenadas desse ponto na sequência como b 1. Ele faz parte da fronteira do objeto; 5. Denote por c 1 o ponto imediatamente anterior ao ponto b 1 encontrado na sequência (ponto de fundo); 6. Repita o passo 3 a 5 até que o ponto encontrado seja novamente b 0.

) Código da Cadeia: ( Cain Code ou Código de Freeman) q Representam uma fronteira através de uma sequência conectada de segmentos, de direção e comprimento definidos. Código de 4 direções Código de 8 direções 10

Exemplo: Código de 4 direções: Cain Code 11

q Se a representação da fronteira for feita a cada par de pixels o custo computacional do algoritmo é alto e o torna mais susceptível a ruídos. Ruído 1

q Deve-se reamostrar a fronteira através de uma grade de amostragem de tamano maior. q Então, conforme a fronteira é percorrida, um ponto na fronteira é atribuído a cada nó da grade em função da sua proximidade. q O código de cadeia deve ser calculado para a fronteira reamostrada.

Imagem Origem Código de 4 direções: 003333333111101101 Grade de reamostragem Origem Código de 8 direções: 076666553311 14

Exemplo: 15

Normalização do Código da Cadeia: q O Código da Cadeia de uma dada fronteira depende de uma origem. q A solução é normalizar o código para que independa da origem. Primeira Diferença ou Derivativo do Código da Cadeia: Invariante com relação à Rotação 16

17 Primeira Diferença ou Derivativo do Código da Cadeia: Método: 1. Considerar o Código da Cadeia de forma circular, ou seja, fecado em suas extremidades.. Montar o Código Derivativo de acordo com a distância no sentido anti-orário: 3 3 1 3 3 1 1 1 3 0 1 1 1 0 - - - p p p p p p 3 3 0 1 0 3 - p p 4 direções 1 3 3 1 0 0 0 3 3 0 0 1 1 0 0 0

Exemplo: Código da Cadeia: 003333333111101101 p 1 0-3 Código Derivativo: 3 0 3 0 0 0 0 0 3 1 3 0 3 1 3 0 0 3 1 0 3 1 18

Exemplo: 3 0 3 0 0 0 0 0 3 1 3 0 3 1 3 0 0 3 1 0 3 1 p 3 - p 1 Virar à Direita 90 o Virar à Esquerda 90 o Direção arbitrária ( 3 ) 19

0 Código Derivativo de 8 Direções: 5 4 3 0 3 3 4 3 3 0 6 0 0 7 4 0 1 1 4 1 0 - - - p p p p p p 4) 3)(7 )(6 1)(5 0)(4 7)(3 6)( 5)(1 (0 5 5) 4)(7 3)(6 )(5 1)(4 0)(3 7)( 6)(1 (0 6 6) 5)(7 4)(6 3)(5 )(4 1)(3 0)( 7)(1 (0 7 ) 1)(7 0)(6 7)(5 6)(4 5)(3 4)( 3)(1 (0 3 1) 0)(7 7)(6 6)(5 5)(4 4)(3 3)( )(1 (0 0) 7)(7 6)(6 5)(5 4)(4 3)(3 )( 1)(1 (0 1 7) 6)(7 5)(6 4)(5 3)(4 )(3 1)( 0)(1 (0 0 Sentido anti-orário

0 (0 0)(1 1)( )(3 3)(4 4)(5 5)(6 6)(7 7) 1 (0 1)(1 )( 3)(3 4)(4 5)(5 6)(6 7)(7 0) (0 )(1 3)( 4)(3 5)(4 6)(5 7)(6 0)(7 1) 3 (0 3)(1 4)( 5)(3 6)(4 7)(5 0)(6 1)(7 ) 7 (0 7)(1 0)( 1)(3 )(4 3)(5 4)(6 5)(7 6) 6 (0 6)(1 7)( 0)(3 1)(4 )(5 3)(6 4)(7 5) 5 (0 5)(1 6)( 7)(3 0)(4 1)(5 )(6 3)(7 4) Código da Cadeia: 076666553311 0 6 Código Derivativo: 6 7 7 0 0 0 7 0 6 0 7 7 1 7 1 1

3) Aproximações Poligonais: Uma fronteira pode ser aproximada por um polígono. Para uma fronteira fecada, a aproximação é exata quando o número de segmentos do polígono é igual ao número de pontos da fronteira. O objetivo da aproximação poligonal é capturar o formato da fronteira utilizando o menor número possível de segmentos.

Polígono de perímetro mínimo Cercar a fronteira por um conjunto de células concatenadas de tamano definido (esse tamano define a precisão da aproximação). O polígono é definido como se fosse um elástico que se encole e contorna a fronteira encontrando seus limites nos cantos interiores e exteriores da região delimitada pelas células.

Polígono de perímetro mínimo Define-se a região interna do conjunto de células concatenadas utilizando vizinança-4 (cinza-escuro). Deve-se rotular cada vértice do polígono interno em côncavo (preto) ou convexo (branco); Um vértice convexo é o ponto central de um trio de pontos que definem um ângulo na faixa de 0 <θ<180 e um vértice côncavo tem um ângulo na faixa de 180 <θ<360.

Polígono de perímetro mínimo Todos os vértices côncavos devem ser espelados considerando a diagonal oposta da célula externa da região. O polígono de perímetro mínimo é formado ligando-se os vértices encontrados (convexo e côncavo espelado), desprezando-se os vértices brancos que estão entre dois vértices pretos.

A orientação de um trio de pontos (a,b,c) com coordenadas (x 1,y 1 ), (x,y ), (x 3,y 3 ), respectivamente, pode ser calculado considerando-se a matriz abaixo: Como saber se um ponto é convexo ou côncavo? ú ú ú û ù ê ê ê ë é 1 1 1 3 3 1 1 y x y x y x A ï þ ï ý ü ï î ï í ì < > Convexo Colineares Côncavo A 0 0 0 ) det(

Exemplo:

Inscrição de Polígono Convexo: Fronteira Original Convexa Determinar os dois pontos mais distantes da fronteira ( a e b ); A forma foi subdividida em duas regiões; Determinar os pontos de maior distância perpendicular ao segmento a-b para as regiões superior e inferior (c e d); 8

Inscrição de Polígono Convexo: Inscrever o Polígono através da união dos pontos da fronteira determinados (a,b,c,d) Estabelecer um nível de Limiar para a distância perpendicular para definir o número de pontos do polígono. A Fronteira é então descrita através dos pontos que formam os vértices do Polígono inscrito ( a,b,c,d,...) 9

4) Assinaturas: q Representação unidimensional de uma fronteira em coordenadas polares. Exemplos: 1) Gráfico da Distância do centro de massa versus Ângulo: 30

Coordenadas Polares: y "'-------'-----'----x [X, Y] poicart(theta, RHO) coordinates. Te syntax is [THETA, RHO] cartpol(x, Y) 31

Exemplo: 3

Descritores de Fronteiras 1) Comprimento da Fronteira (Perímetro): Contagem do número de pixels da Fronteira. q Usando o Código da Cadeia: de 4 direções Número de elementos. de 8 direções Número de elementos pares (orizontais e verticais) mais x (número de elementos ímpares) elementos diagonais. 33

) Diâmetro da Fronteira: Diam ( B) max i, j [ D( p, p )] i j Onde: D p i, p ) ( j É a distância entre os píxels i e j sobre a Fronteira B. q O valor do Diâmetro e a orientação da lina que conecta os dois pontos da fronteira mais distantes são descritores úteis da fronteira. q Esta lina é também camada de Eixo Maior da fronteira. 34

3) Excentricidade da Fronteira: q É a razão entre o Eixo Maior (D) e o Eixo Menor (d) da fronteira. D E d q Eixo Menor é a maior distância entre dois pontos da fronteira B sobre uma perpendicular ao Eixo Maior. 35

4) Número do Formato: ( Sape Numbers ) q Utilizando o Código da Cadeia de 4 direções, o Número do Formato da fronteira é definido como o menor número formado pela primeira diferença (Código Derivativo) através da Rotação do Derivativo. q A Ordem n do Número do Formato é definida como o número de dígitos para representá-lo. n é par para fronteiras fecadas Código da Cadeia: Derivativo: Número do Formato: 36

Código da Cadeia: Derivativo: Número do Formato: Código da Cadeia: Derivativo: Número do Formato: Código da Cadeia: Derivativo: Número do Formato: Código da Cadeia: Derivativo: Número do Formato: 37

Geração do Número do Formato: 1. Dada a Fronteira que se quer determinar seu Número do Formato, localizar o Eixo Maior e o Eixo Menor.. Definir o Retângulo Básico que envolve a fronteira, baseado nos dois eixos localizados. 38

3. Aproximar o retângulo que envolve a fronteira através de um retângulo cuja Excentricidade (E) melor aproxima a do Retângulo Básico. Exemplo: Supondo-se que a excentricidade medida foi E. O Retângulo 3 x 6 foi escolido pois possui excentricidade E. O polígono tem ordem 18, ou seja, o código da Cadeia terá 18 elementos. 1 x 8 E8 x 7 E3.5 3 x 6 E 4 x 5 E1,5 39

4. Alinar a direção do Código da Cadeia com a grade resultante e gerar os códigos e o Número do Formato equivalentes à fronteira. Código da Cadeia: 0 0 0 0 3 0 0 3 3 1 1 1 Derivativo: 3 0 0 0 3 1 0 3 3 0 1 3 0 0 3 1 3 0 Número do Formato: 0 0 0 3 1 0 3 3 0 1 3 0 0 3 1 3 0 3 40

6) Descritores de Fourier: A sequência de coordenadas de uma fronteira percorrida no sentido orário pode ser representada utilizando números complexos, com as coordenadas x no eixo real e a coordenadas y no eixo imaginário: Reduz a representação -D para 1-D. s x + i i jy i 41

6) Descritores de Fourier: Aplicando a transformada de Fourier na sequência determinada, temos os descritores de Fourier da fronteira; A transformada inversa desses coeficientes reconstrói a fronteira. Ao invés de usarmos todos os coeficientes na transformada inversa, pode-se obter uma fronteira aproximada (reduzir os detales da forma) utilizando-se apenas alguns coeficientes de Fourier (utiliza-se um filtro passa baixa). Os componentes de alta frequência são responsáveis pelos detales finais da imagem e os de baixa frequência determinam a forma global da imagem. Quanto menor a frequência de corte, mais detales são perdidos mas menos descritores são utilizados para descrever a fronteira. 4

Exemplo: 43

Representação de Regiões

Representação de Regiões 1) Esqueleto de uma Região: q Redução de uma região ao seu esqueleto, através de um algoritmo de afinamento ou esqueletização. q O esqueleto de uma região pode ser definido pela Transformação do Eixo Médio ( Medial Axis Transform - MAT). q A MAT de uma região R com borda B é definida da seguinte forma: Para cada ponto p em R, encontramos seu vizino mais próximo em B. Se p tiver mais de um vizino desse tipo, então diz-se que ele pertence ao eixo médio (esqueleto) de R. Esqueleto Região R Borda B 45

Exemplo: Esqueleto de regiões considerando a Distância Euclidiana. Os pontos do Esqueleto possuem pelo menos dois pontos em B de mesma Distância Euclidiana. 46

Exemplo: 47

Descritores de Regiões 1) Área de uma Região (A): A Número de pixels contido dentro de sua fronteira. ) Compacidade: C P A Onde P Perímetro da fronteira e A Área da Região q A Compacidade é adimensional e insensível a mudanças de escala e orientação. 48

3) Descritores Topológicos: q Úteis para descrições globais no plano de Imagem. q Topologia é o estudo das propriedades de uma figura que não sejam afetadas por deformações, desde que não existam divisão ou fusão da figura. Número de Furos: Número de Componentes conectados: Região com furos Região com 3 componentes conectados 49

Número de Euler: E C - H Onde: C número de componentes Conectados H número de furos E 0 E -1 50

4) Descritores de Textura: Fornece medidas de propriedades da imagem como suavidade, rugosidade e regularidade. 51

Abordagem Estatística: Baseada em istograma Mean Moment L 1 Expression rn I z;p(z;) ;0 Standard deviation a J;;.j;;z Smootness R 1-1/(1 + ( ) Tird moment Uniformity Entropy L - l P,3 L (Z; - m)3 p(zj io L - l U L p(zj ; 0 L - l e - I p(z;)log p(z;) ; 0 Measure of Texture A measure of average intensity. A measure of average contrast. Measures te relative smootness of te intensity in a region. R is 0 for a region of constant intensity and approaces 1 for regions wit large excursions in te values of its intensity levels. In practice, te variance, a, used in tis measure is normalized to te range [0,1] by dividing it by (L-1f Measures te skewness of a istogram. Tis measure is 0 for symmetric istograms; positive by istograms skewed to te rigt about te mean; and negative for istograms skewed to te left. Values of tis measure are brougt into a range of values comparable to te oter five measures by dividing f.l3 by (L -1), te same divisor we used to normalize te variance. Measures uniformity. Tis measure is maximum wen all intensity values are equal (maximally uniform) and decreases from tere. A measure of randomness. Alguns descritores de textura baseados no istograma de uma região. Z i à Intensidade dos pixels P(z) àhistograma das intensidades L à número dos possíveis níveis de cinza 5

Exemplo de valores de textura em diferentes imagens 53

5) Momentos: q O momento de ordem (p+q) de uma função contínua bi-dimensional é definido como: m p q x y f x, y dx dy ò ò pq ) - - ( para p,q 0,1,,... m 00 0 0 x y f ( x, y) dx dy f ( x, y) dx dy ò ò - - ò ò - - m 00 área da Região 54

m 01 0 1 x y f ( x, y) dx dy y f ( x, y) dx dy ò ò - - ò ò - - m 10 1 0 x y f ( x, y) dx dy x f ( x, y) dx dy ò ò - - ò ò - - m 01 e m 10 são as coordenadas do Centro de Massa da Região 55

Momentos Centrais Normalizados: q São Momentos centralizados em regiões e podem ser expressos como: µ p q ( x - x) ( y - y) f ( x, y dx dy ò ò pq ) - - Onde: x m m 10 00 e y Para uma Imagem Digital: m m 01 00 São as coordenadas do Centro de Massa, normalizadas pela área da região. µ pq åå p ( - x) ( y - x y q x y) f ( x, y) 56

Momentos Centrais até a ordem 3: µ åå åå 0 0 00 x - x) ( y - y) f ( x, y) f ( x, y) x y x y ( m 00 µ 10 µ 01 µ µ µ Ordem 1 Ordem 0 0 m0 - xm10 0 m0 - ym01 11 m11 - ym10 µ µ µ µ Ordem 3 m - ym - xm + 1 1 11 0 y m m - xm - ym + 1 1 11 0 x m m - xm + 30 30 0 3 x m m - ym + 03 03 0 3 y m São Invariantes com relação à escala. 10 01 10 01 57

Momentos Invariantes: q Conjunto de Momentos (Momentos Invariantes de Hu) que são relativamente invariantes à translação, rotação e escala. Momentos Centrais Normalizados pela área: µ pq p + q 1 pq Onde: g + µ g 00 Para p+q,3,4,... q Hu calculou 7 desses momentos. q A experiência tem mostrado que os 7 Momentos Invariantes de Hu, são suficientes para descrever uma região independente da rotação, translação e escala. 58

59 Momentos Invariantes de Hu: 0 0 1 f + 11 0 0 4 ) ( f + - 03 1 1 30 3 ) (3 ) 3 ( f - + - 03 1 1 30 4 ) ( ) ( f + + + [ ] [ ] 03 1 1 30 03 1 03 1 03 1 1 30 1 30 1 30 5 ) ( ) 3( ) )( (3 ) 3( ) ( ) )( 3 ( f + - + + - + + - + + - [ ] ) )( ( 4 ) ( ) ( ) ( 03 1 1 30 11 03 1 1 30 0 0 6 f + + + + - + - [ ] [ ] 03 1 1 30 03 1 30 1 03 1 1 30 1 30 03 1 7 ) ( ) 3( ) )( (3 ) 3( ) ( ) )( (3 f + - + + - + + - + + -

Exemplo: 60

Exemplo: 61

FIM 6