Processamento de Imagens - kusumoto.com.br · escopo do processamento de imagens, ... dados para a...
Transcript of Processamento de Imagens - kusumoto.com.br · escopo do processamento de imagens, ... dados para a...
Prof. André Y. Kusumoto – [email protected]
Visão Computacional
• Não existe um consenso entre os autores sobre o correto
escopo do processamento de imagens, a síntese de imagens e
visão computacional
• Essas áreas se entrelaçam e algumas vezes se sobrepõem
• O que resulta nesse desacordo
GONZALEZ e WOODS (2010)
• sugerem um paradigma com três tipos de processos
computacionais
• consideram uma linha contínua entre processamento de
imagens e a visão computacional
2
Prof. André Y. Kusumoto – [email protected]
Visão Computacional
• Processos de baixo nível
• usam imagens como entradas e saídas do processo.
• pré-processamento de imagens - envolvem operações como realce de imagem,
minimização de ruídos e restauração
• Processos de nível médio
• as saídas são atributos extraídos dessas imagens que em alguns casos, para se
otimizar o processamento, usam técnicas de segmentação (i.e. subdividir a imagem
em regiões de interesse ou objetos) para a extração do conhecimento desejado.
• Processos de alto nível
• são realizadas operações para analisar um conjunto de objetos identificados no nível
anterior para se obter informações associadas às funções cognitivas da visão
3
Fonte: Gonzalez e Woods, 2010
Prof. André Y. Kusumoto – [email protected]
Visão Computacional
CONCI, AZEVEDO e LETA (2008)
• classificam a computação gráfica em três grandes áreas
• duas áreas são praticamente o agrupamento dos três tipos
apresentados por GONZALEZ e WOODS (2010).
• esta abordagem introduz uma grande área chamada de Síntese
de Imagens (SI)
• utiliza de dados para a criação de novas imagens digitais
tais como o ultrassom e tomografias.
4
Prof. André Y. Kusumoto – [email protected]
Visão Computacional
• Análise de Imagens (AI)
• incorpora os processos de nível médio e alto apresentados por
GONZALEZ e WOODS (2010)
• tem como objetivo a extração de informações úteis das imagens
• Nesse contexto, a Visão Computacional (VC), assim como a
segmentação das imagens, estão contidas nessa grande área
5
Fonte: CONCI, AZEVEDO e LETA , 2008
Prof. André Y. Kusumoto – [email protected]
Visão Computacional
• Portanto, a visão computacional pode ser definida como:
6
Aplicação de métodos e técnicas
de processamento e análise de imagens
com o objetivo de extrair
informações relevantes de imagens digitais,
de maneira similar às capacidades
biológicas da visão humana
e/ou superando tais capacidades
Fonte: KUSUMOTO, 2015
Prof. André Y. Kusumoto – [email protected]
Visão Computacional
Principais Etapas de um Sistema de Visão Computacional
7
Fonte: CONCI, AZEVEDO e LETA , 2008
Prof. André Y. Kusumoto – [email protected]
Visão Computacional
Aquisição de Imagens
• O objetivo é a criação de uma representação digital de uma
pessoa, objeto ou ambiente.
• Uma câmera digital utiliza um sensor que captura amostras (i.e.
quadros) da energia (i.e. intensidade de luz) emitida e/ou
refletida pelo objeto ou ambiente, convertendo cada ponto do
quadro (i.e. pixel) em um sinal elétrico que será quantizado.
8
Fonte: CONCI, AZEVEDO e LETA , 2008
Prof. André Y. Kusumoto – [email protected]
Visão Computacional
Restauração e Realce
• Visa melhorar a qualidade da imagem aplicando técnicas de atenuação de
ruído, correção de contraste ou brilho
• Restauração - busca compensar deficiências específicas, geradas no
momento de aquisição, na transmissão ou em alguma etapa do
processamento.
• Realce - destaca detalhes da imagem que são de interesse para análise
ou que tenham sofrido alguma deteorização.
9
Fonte: CONCI, AZEVEDO e LETA , 2008
Prof. André Y. Kusumoto – [email protected]
Visão Computacional
Segmentação
• Isolar regiões de pontos da imagem pertencentes a objetos para posterior
extração de atributos e cálculo de parâmetros descritivos.
• Baseada na detecção de descontinuidades (bordas) ou de similaridades
(regiões) na imagem
• Técnica mais utilizada: Limiarização
10
Fonte: CONCI, AZEVEDO e LETA , 2008
Prof. André Y. Kusumoto – [email protected]
Visão Computacional
Extração de Atributos ou
Características
• A partir de imagens já segmentadas (em objeto e fundo) ou binárias,
busca-se obter dados relevantes ou atributos, das regiões ou objetos
destacados.
• Os tipos de atributos ou características mais comuns são: número total de
objetos; dimensões (área, perímetro, centro de gravidade, etc),
geométrica (circularidade, retilineidade, etc).
• Outros atributos
11
Fonte: CONCI, AZEVEDO e LETA , 2008
Prof. André Y. Kusumoto – [email protected]
Visão Computacional
Classificação e
Reconhecimento
• A palavra classificação não denota nenhum juízo de valor, mas apenas o
agrupamento em classes de diversos objetos obtidos na segmentação.
• Em geral, vários atributos são necessários para uma correta classificação.
• Quanto mais atributos, mais complexo se torna o problema.
• Dessa forma, é muito importante realizar uma seleção adequada dos
atributos disponíveis.
12
Fonte: CONCI, AZEVEDO e LETA , 2008
Prof. André Y. Kusumoto – [email protected]
Visão Computacional
Decisão
• O objetivo de um sistema de Visão Computacional é tomar decisões a
partir da extração de informações do mundo real através de imagens.
• A tomada de decisão pode ser feita a partir de indagações simples a
respeito de parâmetros extraídos dos objetos ou de algoritmos mais
complexos de Inteligência Artificial.
13
Fonte: CONCI, AZEVEDO e LETA , 2008
Prof. André Y. Kusumoto – [email protected]
Imagem Digital
• É a representação visual de um conteúdo, seja ele um objeto, uma
paisagem ou o registro de um determinado momento.
CONCI, AZEVEDO e LETA, 2008
• Uma imagem digital pode ser considerada como uma “representação de
uma imagem em uma região discreta, limitada através de um conjunto
finito de valores inteiros que representam cada um de seus pontos”
GONZALEZ e WOODS, 2010
• Uma imagem pode ser definida como uma função bidimensional f(x,y),
onde x e y representam as coordenadas no plano espacial. A amplitude
de f em qualquer coordenada x,y é a intensidade de luz projetada na
coordenada x,y
14
Prof. André Y. Kusumoto – [email protected]
Imagem Digital
• Imagem Digital é o resultado da discretização e da quantização de uma
imagem
• Discretização - é o processo de conversão da imagem em uma representação
discreta. Através de uma amostragem, a imagem é descrita por um número finito de
pontos.
• Quantização - cada ponto deve ser representado por um número finito de tons ou
cores.
• Os valores de discretização (resolução espacial) e de quantização
representam o quanto a imagem será mais ou menos definida (nítida)
15
Prof. André Y. Kusumoto – [email protected]
Imagem Digital
• É composta por um número finito de elementos representados pelas
coordenadas de xi e yj em uma matriz de dimensão n x m
• Cada elemento da imagem digital é chamado de pixel (i.e. Picture
Element)
• Pixel - elemento da imagem ou a menor unidade individual da imagem.
• Assim, deve ser definido para cada pixel a sua profundidade de cor
representada por uma quantidade de bits.
16
Prof. André Y. Kusumoto – [email protected]
Imagem Digital
Profundidade de cor
• Determinada pela quantidade de bits utilizados para representar um pixel
em forma de cor (bits por pixel – bpp).
• Se cada pixel for possuir a profundidade de 8 bits, cada pixel poderá
assumir os valores de 0 a 255, sendo o valor 0 correspondente à cor preta
e 255 a cor branca.
• Assim, para uma imagem de 320x240 serão necessários 320 x 240 x 1
(byte) = 76.800 bytes ou 75 KB
17
Prof. André Y. Kusumoto – [email protected]
Imagem Digital
Imagens Multibandas
• imagens digitais onde cada pixel possui n bandas espectrais.
• quando uma imagem é representada pela composição das três bandas
visíveis (RGB) tem-se uma imagem colorida aos olhos humanos.
• representação de uma
imagem colorida com
profundidade 1 byte por pixel temos uma imagem com profundidade 24
bits por pixel
18
Prof. André Y. Kusumoto – [email protected]
Imagem Digital
Imagens vetoriais x matriciais (raster)
• Imagens raster
• representadas por uma matriz bidimensional. Cada elemento da matriz
corresponde a um pixel da imagem.
• Quando uma imagem do tipo raster precisa ser escalada (i.e. alteração
em sua escala), sua nitidez é degradada.
• Imagens vetoriais
• representadas pelas equações matemáticas que descrevem sua
geometria.
• No caso das imagens vetoriais, não há problemas em alterar suas
dimensões, pois não perdem sua nitidez. Basta recalcular as
equações.
19
Prof. André Y. Kusumoto – [email protected]
Referências
Referências
• GONZALEZ, R. C.; WOODS, R. E. Processamento digital de imagens.
3. ed. São Paulo: Pearson Prentice Hall, 2010.
• CONCI, A.; AZEVEDO, E.; LETA, F. R. Computação Gráfica. Rio de
Janeiro, Editora Campus, 2008. v. 2. 432 p.
• KUSUMOTO, A. Y. Identificação de alvos em ensaios de separação de
carga utilizando visão computacional. 2015. 107f. Dissertação
(Mestrado em Ciências e Tecnologias Espaciais) - Instituto Tecnológico de
Aeronáutica, São José dos Campos.
20