Processamento de Imagens
Digitais
Mercedes G. Márquez
Universidade Estadual de Mato
Grosso do Sul
Tópicos
1. Imagem digital
2. Processamento de imagens digitais:
- Conceito e aplicações
- Áreas correlatas
3. Etapas do processamento de imagens
4. Pré-processamento: Técnicas de Realce
5. Exemplos
Imagem digital
Matriz cujos índices de linhas e de colunas identificam
um ponto na imagem, e o correspondente valor do
elemento da matriz identifica o nível de cinza naquele
ponto.
y
f(x,y)
x
Imagem digital
Os elementos dessa matriz digital são chamados de
“pixels" (abreviação de "picture elements").
250
(x,y)  f(x,y)
Pixel
245
Nível de cinza
f(245,250)=0
Imagem digital
• Resolução espacial (depende da resolução do sensor)
128 x 128 pixels
64 x 64 pixels
Imagem digital
Imagem de 31 x 41 pixels ampliada 12 vezes
Imagem digital
Imagem de 1944 x 2592 pixels (5 Megapixels)
Imagem digital
• Resolução radiométrica (geralmente 256 níveis)
256 niveis de cinza
8 niveis de cinza
Imagem digital
• Resolução radiométrica (geralmente 256 níveis)
0  Preto .... 255  Branco
Imagem digital
• Imagens Coloridas ( 3 Canais )
1o Canal  R (Red) Vermelho
2o Canal  G (Green) Verde
3o Canal  B (Blue) Azul
Imagem digital
f(10:15,10:15)
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Imagem digital
f(120:125,290:295)
255 235 255 217 210 255
252 254 245 240 220 253
252 219 212 255 255 246
234 219 241 241 251 255
241 255 247 255 251 249
252 255 253 253 251 167
f(175:180,115)
254
255
255
255
255
255
Tópicos
1. Imagem digital
2. Processamento de imagens digitais:
- Conceito e aplicações
- Áreas correlatas
3. Etapas do processamento de imagens
4. Pré-processamento: Técnicas de Realce
5. Exemplos
Processamento de imagens
digitais
Usa operadores matemáticos para alterar os valores
dos pixels de uma imagem com dois propósitos:
(1) melhoria da qualidade da imagem.
Exemplos:
- Melhora de contraste
- Redução de ruído
Processamento de imagens
digitais
(1)
melhoria da qualidade da imagem.
Exemplos:
-Restauração de imagens
Imagem borrada
Imagem restaurada
Processamento de imagens
digitais
(1)melhoria da qualidade da imagem – Algumas
aplicações
- Imagens biomédicas : melhorar o contraste para
facilitar a interpretação de raios x e outras imagens
biomédicas.
- processar imagens degradadas de objetos
irrecuperáveis ou resultados experimentais muito
caros para serem repetidos
Processamento de imagens
digitais
(2) extração de informação
automática de máquinas.
- reconhecimento de caracteres
- reconhecimento de padrões
para
percepção
Processamento de imagens
digitais
(2) extração de informação para
automática de máquinas – Aplicações
percepção
- Reconhecimento de Formas e Padrões,
- Robótica (sensores visuais em robôs)
- Imagens biomédicas (contagem automáticas de
células), etc.
Processamento de imagens
digitais
Processamento de Imagens
Melhoria da imagem
(Pré-processamento)
Extração de informação
(Análise de imagens)
Tópicos
1. Imagem digital
2. Processamento de imagens digitais:
- Conceito e aplicações
- Áreas correlatas
3. Etapas do processamento de imagens
4. Pré-processamento: Técnicas de Realce
5. Exemplos
Áreas correlatas do processamento
de imagens digitais
Melhoria da imagem
Pré-Processamento
Extração de
informação
IMAGENS
Análise
de imagens
Computação
Gráfica
DADOS
Etapas do processamento de
imagens digitais
Análise de imagens
Aquisição
Pré-processamento
Segmentação
Representação e
descrição
Reconhecimento
e interpretação
Etapas do processamento de
imagens digitais
Problema : Leitura automática da placa de um carro
Etapas :
Aquisição
- Aquisição de imagens por “scanner” .
- Aquisição de imagens por máquinas fotográficas
digitais.
Etapas do processamento de
imagens digitais
Problema : Leitura automática da placa de um carro
Pré-processamento
- Objetivo é melhorar a imagem para aumentar as chances
de sucesso dos processos seguintes.
- No exemplo, o pré-processamento realçaria contrastes,
removeria ruído e isolaria regiões cuja textura indicasse a
probabilidade de informação alfanumérica.
Etapas do processamento de
imagens digitais
Problema : Leitura automática da placa de um carro
Pré-processamento
Etapas do processamento de
imagens digitais
Problema : Leitura automática da placa de um carro
Segmentação
-divide uma imagem de entrada em partes ou objetos
constituintes.
-A segmentação automática é considerada uma das tarefas
mais difíceis no processamento de imagens digitais.
-A saída é constituída tipicamente por dados em forma de
pixels (fronteira e interior de uma região).
Etapas do processamento de
imagens digitais
Problema : Leitura automática da placa de um carro
Representação e Descrição
- Descrição, também chamado seleção de características,
procura extrair características que resultem em alguma
informação quantitativa de interesse que sirvam para
discriminação entre classes de objetos.
- Descritores como buracos e concavidades são
características poderosas que auxiliam na diferenciação
entre uma parte do alfabeto e outra.
Etapas do processamento de
imagens digitais
Problema : Leitura automática da placa de um carro
Reconhecimento e interpretação
-Reconhecimento é o processo que atribui um rótulo a um
objeto, baseado na informação fornecida pelo seu descritor.
A interpretação envolve a atribuição de significado a um
conjunto de objetos reconhecidos.
Etapas do processamento de
imagens digitais
Problema : Leitura automática da placa de um carro
Reconhecimento e interpretação
Pré-processamento : Técnicas de realce
• As técnicas de realce dividem-se em duas
categorias, sendo elas:
– Domínio espacial: onde a imagem tem seus pixels
alterados de forma direta, podendo ser por
processamento ponto-a-ponto ou por filtros;
– Domínio de freqüência: onde as alterações são feitas
utilizando a Transformada de Fourier e filtros.
Realce no Domínio Espacial
Realce no Domínio Espacial
• Os métodos de domínio espacial geralmente
são expressos na forma
g(x,y) = T[f(x,y)]
• Sendo:
– f(x,y) é uma ou mais imagens de entrada;
– g(x,y) sua corresponde processada;
– T é um operador que atua sobre alguma
vizinhança de um ponto (x,y) de f.
Realce por Processamento
Ponto-a-Ponto
Realce por Processamento Ponto-aPonto
• Modifica o nível de cinza de um pixel
independentemente da natureza de seus
vizinhos.
Alargamento do Contraste
• Forma da função de transformação para
alargamento do contraste
L-1
(r2, s2)
T(r)
s
L = Número de níveis de cinza
(r1, s1)
r
L-1
Alargamento do Contraste
• utiliza a equação da reta para mapear o intervalo da escala
dinâmica da imagem de entrada no intervalo [0, 255]
– P1 = (r1,s1) e P2 = (r2,s2)
– P1 = (menor, 0)
– P2 = (maior, 255)
• o valor r corresponde ao valor do pixel da imagem de entrada e
o valor s será o equivalente na imagem de saída
• Usando a equação da reta y - y1 = ((y2 - y1 )/(x2 - x1))(x - x1),
temos que
s = ((s2 - s1 )/(r2 - r1))(r - r1)
Alargamento do Contraste
(a)
(b)
(a) Imagem original e (b) resultado
de alargamento de contraste.
Alargamento do Contraste
(a)
(b)
(a) Imagem original e (b) resultado
de alargamento de contraste.
Alargamento do Contraste
(a)
(b)
(a) Imagem original e (b) resultado
de alargamento de contraste.
Alargamento do Contraste
(a)
(b)
(a) Imagem original e (b) resultado
de alargamento de contraste.
Compressão da Escala Dinâmica
• Função de transformação logarítmica
L-1
s
T(r)
r
R
s=c log(1+|r|)
R = Número de níveis de cinza da imagem de entrada;
L = Número de níveis de cinza da imagem processada.
Compressão da Escala Dinâmica
(a)
(b)
(a) Imagem com ampla escala
dinâmica e (b) resultado após
compressão.
Compressão da Escala Dinâmica
(a)
(b)
(a) Imagem com ampla escala
dinâmica e (b) resultado após
compressão.
Histograma de Imagem Digital
• Representação gráfica que relaciona cada nível
de cinza com sua freqüência de aparecimento na
imagem digital.
Histograma de Imagem Digital
(a)
(b)
(a) Imagem e (b) seu histograma.
Equalização do Histograma
• Método utilizado para obter um histograma
mais uniforme.
• Possibilita o aumento da escala dinâmica da
imagem.
Equalização do Histograma
• Consiste em uma transformação não-linear que considera a
distribuição acumulativa da imagem original, para gerar uma imagem
resultante, cujo histograma será aproximadamente uniforme.
• Segue-se o princípio que o contraste de uma imagem seria otimizado
se todos os 256 possíveis níveis de intensidade fossem igualmente
utilizados, ou seja, todas as barras verticais que compõem o
histograma fossem da mesma altura.
• Uma aproximação é conseguida ao se espalhar os picos do histograma
da imagem, deixando intocadas as partes mais "chatas" do mesmo.
• Consegue-se:
– Reduzir o contraste em áreas muito claras ou muito escuras, numa
imagem.
– Expandir os níveis de cinza ao longo de todo intervalo.
Equalização do Histograma
(a)
(b)
(c)
(d)
(a)Imagem original (b) seu histograma;
(c) imagem obtida pela equalização do histograma e (d) seu histograma.
Equalização do Histograma
(a)
(b)
(c)
(d)
(a)Imagem original (b) seu histograma;
(c) imagem obtida pela equalização do histograma e (d) seu histograma.
Equalização do Histograma
(a)
(b)
(c)
(d)
(a)Imagem original (b) seu histograma;
(c) imagem obtida pela equalização do histograma e (d) seu histograma.
Equalização do Histograma
(a)
(b)
(c)
(d)
(a)Imagem original (b) seu histograma;
(c) imagem obtida pela equalização do histograma e (d) seu histograma.
Equalização do Histograma
(a)
(b)
(c)
(d)
(a)Imagem original (b) seu histograma;
(c) imagem obtida pela equalização do histograma e (d) seu histograma.
Trabalho:
Investigue e interprete a fórmula da
equalização de histograma
Realce por Filtragem Espacial
Realce por Filtragem Espacial
• Utiliza máscaras denominadas filtros espaciais
w1 w2 w3
• Exemplo de máscara 3x3
w4
w5
w6
w7
w8
w9
• Sendo:
– w1, w2, ..., w9 coeficientes da máscara;
– z1, z2, ..., z9 níveis de cinza dos pixels da imagem sob
a máscara;
– resposta R para cada pixel da imagen igual a w1z1 +
w2z2 + ... + w9z9.
Filtragem Espacial Passa-baixas
• Filtro de suavização – Filtro da média;
• Exemplo de máscara 3x3
1
1
1
1
1
1
1
1
1
• Sendo:
– R = (w1z1 + w2z2 + ... + w9z9)/9
– R = (z1 + z2 + ... + z9)/9
Filtragem Espacial Passa-baixas
(a)
(b)
(d)
(e)
(c)
(a) Imagem original;
(b)-(e) resultado de
filtragem espacial passabaixas com máscara de
tamanho nxn, n = 5, 9,
15, 25.
Filtragem Espacial Passa-baixas
(a)
(b)
(d)
(e)
(c)
(a) Imagem original;
(b)-(e) resultado de
filtragem espacial passabaixas com máscara de
tamanho nxn, n = 5, 9,
15, 25.
Filtragem Espacial Passa-baixas
• Filtro da mediana
• Redução de ruído sem borramento da imagem.
• Substituição do pixel pela mediana dos pixels de
uma janela m x m de vizinhos.
Filtragem Espacial Passa-Altas
• Filtro de aguçamento;
• Exemplo de máscara 3x3
-1
-1
-1
-1
8
-1
-1 -1 -1
• Sendo:
–R = (w1z1 + w2z2 + ... + w9z9)/9
• Quando a mascara está sobre uma área de valores cinza
constantes ou ligeiramente diferentes, a saída é zero ou
muito pequena.
Filtragem Espacial Passa-Altas
(a)
(b)
(a) Imagem de uma retina humana
(b) resultado após filtragem passaaltas.
Filtragem Espacial Alto-reforço
• Filtro de aguçamento;
• Exemplo de máscara 3x3
-1
-1
-1
-1
w
-1
-1
-1
-1
• Sendo:
– w = 9A – 1, A>= 1;
– R = (w1z1 + w2z2 + ... + w9z9)/9
Filtragem Espacial Alto-reforço
(a)
(b)
(c)
(d)
(a) imagem original; (b)-(d) resultados da filtragem “alto reforço”, com A =1.1, 1.15 e 1.2, respectivamente.