Mestrado em Computação Aplicada - Computação Gráfica Disciplina: Fundamentos de Computação Gráfica Aluno: Juliano Tiago Rinaldi

1. Mestrado Acadêmico em
Computação Aplicada
SEMINÁRIO SOBRE PROCESSAMENTO DE
IMAGENS
Prof. PhD Marcelo da Silva Hounsell
Disciplina: Fundamentos de Computação Gráfica
Aluno: Eng. Juliano Tiago Rinaldi

2. Agenda
• Representação da Imagem Digital
• O Processo de Digitalização de uma Imagem
• Amostragem; Resolução Espacial; Quantização
• Histograma; Equalização de Histograma
• Representação Matricial de uma Imagem Colorida
• Vizinhança de um pixel
• Brilho; Contraste; Negativo
• Limiarização
• Filtros; Filtragem Discreta – Convolução; Filtro passa baixa; Filtro passa alta
• Segmentação
2

3. Representação da Imagem Digital
3
Uma imagem monocromática é uma
função bidimensional da intensidade da luz
f(x,y), onde x e y denotam as coordenadas
espaciais (largura e altura) e o valor f em
qualquer ponto (x, y) é proporcional ao
brilho (ou nível de cinza) da imagem
naquele ponto
intensidade da luz pode ser modelada
como: f(x,y)=i(x,y).r(x,y)
i –iluminação do ambiente: 0 < i(x,y) < ∞
r –reflectânciados objetos: 0 ≤r(x,y) ≤1
[THOMÉ, G. Antonio]

4. Representação da Imagem Digital
4
A representação em contexto digital requer
a adoção de escalas, tanto para as
coordenadas x e y da imagem, como para
a intensidade da luz
Escalas de x e
y geralmente
são diferentes
[THOMÉ, G. Antonio]

5. Quantização de uma Função
5
Partições do eixo x (amostragens)
A imagem capturada deve ser convertida
em valores numéricos para poder ser
analisada via computador, ou seja, é
realizada a discretização (transformação
de um espaço contínuo em um espaço
discreto).
O processo de quantização consiste em
dividir aproximar o valor da função para
o nível de escala mais próximo
[THOMÉ, G. Antonio]

6. O Processo de Digitalização de uma Imagem
6
Consiste das etapas de:
Amostragem / espaçamentos horizontal e vertical –matriz de pixels
Quantização / níveis de representação da intensidade da luz
Codificação / representação binária da matriz de pixels
[THOMÉ, G. Antonio]

7. Amostragem
7
• Amostrar é realizar a medição (normalmente uniforme) dos
níveis de cinza ao longo de uma imagem
• A amostragem terá como resultado uma matriz M x N de
amostras da imagem, onde cada elemento é chamado de pixel.
• A dimensão de um pixel ao longo do eixo x, ou do eixo y, está
relacionada com o espaço físico entre as amostras.
[THOMÉ, G. Antonio]

8. Resolução Espacial
• A resolução espacial é determinada pelo número de pixels por área da imagem,
ou seja, pela dimensão do pixel na imagem
• Quanto mais pixels uma imagem tiver (ou quanto menor o tamanho do pixel),
maior é a sua resolução e melhor a sua qualidade .
• A resolução espacial de uma imagem influi na qualidade da percepção que se
tem da mesma.
• As figuras abaixo apresentam a imagem da Lena em diversas resoluções:
8
512x512 256x256 128x128 64x64
[THOMÉ, G. Antonio]

9. Quantização
• É a representação do valor medido de um pixel aproximado por um
inteiro
9
[THOMÉ, G. Antonio]

10. Histograma
• Ocorrência de determinado nível de cinza (valor da intensidade), ou
a frequência deste valor na imagem.
• Exemplo: para 10 níveis de cinza:
10
ARAKAKI, Julio

11. Equalização de Histograma
11
ARAKAKI, Julio

12. Representação Matricial de uma Imagem Colorida
12
RGB

13. Representação Matricial de uma Imagem Colorida
• Uma imagem colorida também pode
ser armazenada usando uma imagem
monocromática e um mapa de cores.
• Neste caso, o valor de cinza de cada
pixel na imagem é um índice para
uma célula do mapa de cores
• A célula do mapa de cores contém o
valor das componentes R, G e B
referentes à cor do pixel
13

14. Vizinhança de um pixel
• Vizinhança – 4 [N4(p)]
• Em uma imagem digital 2D, um pixel p(x,y) tem quatro vizinhos que
compartilham uma aresta com p(x,y): p(x+1,y),p(x-1,y),p(x,y+1) e
p(x,y-1)
• Ou seja, é o conjunto de pixels ao redor de P, sem considerar as
diagonais
• Vizinhança –D [ND(p)]
• São considerados os vizinhos que compartilham um vértice com
p(x,y)
• Ou seja, é o conjunto de pixels ao redor de P, considerando apenas
as diagonais
14
[THOMÉ, G. Antonio]

15. Vizinhança de um pixel
• Vizinhança – 8 [N8(p)]
• São considerados os vizinhos que compartilham pelo
menos um vértice com p(x,y)
• Ou seja, é o conjunto de pixels ao redor de P,
considerando as arestas e as diagonais
• N8(p) = N4(p) U ND(p)
15
[THOMÉ, G. Antonio]

16. Brilho
16
O Ajuste de brilho de uma imagem, consiste em somar-se ou decrementar-
se um escalar ao valor de cada pixel em cada canal.
Original Diminuído Aumentado

17. Contraste
17
O Ajuste de contraste de uma imagem é feito multiplicando cada pixel em
cada canal por um escalar, no caso da diminuição, o número deve estar
entre 0 e 1, no caso de aumento deve ser maior que 1.
Original Diminuído Aumentado

18. Negativo
18
Original Negativo
A conversão para o negativo da imagem é feita obtendo-se o
número símetrico do valor de cada canal de cada pixel no intervalo
dado. No caso de [0, 255]. A operação pode ser simplificada através
da fórmula: novo valor = 255 - antigo valor

19. Limiarização
• A limiarização é um caso específico de segmentação
• O princípio da limiarização consiste em separar as regiões de uma
imagem em duas classes (o fundo e o objeto)
• As outras regiões são classificadas como não interessantes
19

20. Limiarização
• Se os níveis de cinza dos pixels do objeto e do fundo apresentarem
distintamente duas classes na forma de dois picos a limiarização é
trivial.
• O objetivo é encontrar o vale entre os dois picos encontrando um
limiar T que separe as duas classes
20

21. Limiarização
21

22. Filtros
Imagem
Original
Filtro
Imagem
Final
22
ARAKAKI, Julio

23. Filtragem Discreta - Convolução
23

24. Filtro passa baixa
24
ARAKAKI, Julio
• Componentes de alta freqüência caracterizam bordas ou outros detalhes finos
de uma imagem
• O efeito resultante é o embaçamento da imagem

25. Filtro passa alta
25
• Redução de características que variam lentamente em uma imagem como o
contraste e a intensidade média
• Efeito de intensificação das bordas e de detalhes finos na imagem.

26. Segmentação
26

27. Segmentação
• A segmentação subdivide uma imagem em suas partes ou objetos
constituintes que devem corresponder às áreas de interesse da
aplicação.
27
O nível até onde esta subdivisão deve ser realizada depende do problema a
ser resolvido

28. Segmentação
• Segmentação é uma das tarefas mais difíceis em processamento de
imagens
• A segmentação determina o eventual sucesso ou fracasso da
análise
• Com o objetivo de aumentar a confiabilidade e o resultado da
segmentação, deve-se fazer uso de todo e qualquer conhecimento
prévio sobre o problema
• Os algoritmos de segmentação são geralmente baseados na busca
pelas descontinuidades ou pelas similaridades dos níveis de cinza
28

29. Referências
• THOMÉ, G. Antonio; Aquisição e Representação da Imagem Digital, IM/DCC & NCE,
http://equipe.nce.ufrj.br/thome/p_grad/nn_img/transp/c2_aquis_v2.pdf acesso em
13/04/2014.
• ARAKAKI, Julio; Processamento de Imagens,
http://www.pucsp.br/~jarakaki/tec1/2012_DIP.pdf acesso em 14/04/2014
• http://www.inf.ufrgs.br/~mdcenteno/INF01046/t2/t2.html acesso em 14/04/2014
• http://www.pessoal.utfpr.edu.br/janeczko/index_files/pdi/aula06_PDI_Limiarizacao.p
df acesso em 14/04/2014
• http://equipe.nce.ufrj.br/thome/p_grad/nn_img/transp/c5_segmentacao.pdf acesso
em 14/04/2014
• http://www.cin.ufpe.br/~cabm/visao/Aula03_Imagem.pdf acesso em 14/04/2014
29