Extração de Informação em imagens
de jogos de futebol via Entropia não
Extensiva
Algemiro Augusto
Professor: Marcelo Gattass
Fundamentos da Computação Gráfica
Entropia de Shannon
S   pi log pi
Entropia de Shannon
Propriedade de aditividade
Sejam P1 e P2 duas distribuições de probabilidades e sejam S1
e S2 as suas respectivas entropias associadas. A entropia total
do sistema pode ser dada como:
S  S1  S 2
Segmentação de Imagens Baseada em Entropia
Em 1981 Pun mostrou como segmentar uma imagem
maximizando a entropia total do sistema.
S  Sback  Sroi
Sistemas que que obedecem essa equação são chamados
Sistemas Extensivos.
Sistemas Não-Extensivos
Em 1988 Tsallis propôs uma nova formulação para
calcular a entropia de sistemas não-extensivos.
S
1  p
q
i
q 1
Propriedades de Sistemas Não-Extensivos
• Long Range Interactions
• Long Range Memory
Como consequência dessas propriedades, tais sistemas
possuem a seguinte características de adição:
S  Sback  Sroi  (1  q) * Sback * Sroi
Segmentação de Imagens utilizando Entropia NãoExtensiva
S  Sback  Sroi  (1  q) * Sback * Sroi
t
S
1   piq
0
q 1
255

1   piq
t 1
q 1
t
255
1   piq 1   piq
0
t 1
 (1  q) *
*
q 1
q 1
Proposta para extração de informação de imagens de
jogos baseada em Entropia Não-Extensiva
1. Converter a imagem de entrada para HSV;
2. Mapear HSV em 18 – 3 – 3;
3. Converter para grayscale;
4. Binarizar utilizando Entropia Não-Extensiva;
5. Retirar os contornos;
6. Analizar as regiões; (ainda não feito)
Imagem Original
Conversão para HSV
HSV Mapeado para H=18, S=3, V=3
Grayscale
Binarização não-extensiva
Regiões Candidatas