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.