Prof. André Y. Kusumoto – [email protected]
Uma operação pontual global em uma imagem digital r é a função
f(r) aplicada a todo pixel da imagem:
Operações pontuais globais em imagens
2
r: s = f(r)
Figura 3.38 - Relação entre imagem origem e destino.
Prof. André Y. Kusumoto – [email protected]
Operações pontuais globais baseadas na curva de tom
3
Figura 3.39
Representação na forma
linear
Figura 3.40. Alteração da
imagem destino a partir de uma
função (alargamento de
contraste) genérica.
Prof. André Y. Kusumoto – [email protected]
Operações pontuais globais baseadas na curva de tom
4
Figura 3.44 Curva de tom original e alteradas, com suas respectivas curvas de tom e histogramas
GIMP: Cores → Curvas
Prof. André Y. Kusumoto – [email protected]
Compressão de histograma
5
Figura 3.45 - Efeito da Compressão de Histogramas
GIMP: Cores → Níveis
Prof. André Y. Kusumoto – [email protected]
Expansão de histograma
6
Figura 3.46. Efeito da Expansão de Histogramas.
GIMP: Cores → Níveis
Prof. André Y. Kusumoto – [email protected]
Imagem negativa
7
Figura 3.47. Efeito da imagem negativa.
Prof. André Y. Kusumoto – [email protected]
Equalização
• O objetivo da equalização de imagens é a melhoria do seu contraste.
• Para tanto, o ideal é que os níveis de cinza sejam representados de
maneira uniforme e distribuída.
• Consiste na redistribuição dos valores de nível de cinza em uma imagem
de forma que todos os pixels tenham a mesma probabilidade de aparecer.
• A equalização de histogramas procura distribuir igualmente para todos os
níveis de pixels da imagem o que não permite estabelecer parâmetros de
mudança capazes de ressaltar faixas de níveis de cinza na imagem.
Operações globais baseadas em histograma
8
Prof. André Y. Kusumoto – [email protected]
Operações globais baseadas em histograma
Equalização
9
Figura 3.49 – (a) Imagem com baixo contraste e seu histograma
(b) Imagem após equalização e seu histograma.
Prof. André Y. Kusumoto – [email protected]
Operações Pontuais
•O pixel, na posição (xi,yi), da imagem resultante depende apenas
do pixel na imagem original.
15
Figura 4.1 – Esquema de operações pontuais em imagens.
Prof. André Y. Kusumoto – [email protected]
Operações Pontuais
•O processamento pode levar em consideração dados globais da
imagem, como por exemplo, o histograma.
•As operações locais pixel-a-pixel de duas imagens podem ser
descritas pela expressão:
17
Z = ( X OpP Y ) (4.3)
OpP é um operador aritmético ou lógico.
Prof. André Y. Kusumoto – [email protected]
Operações Aritméticas
18
Figura 4.3 – Exemplo de operação aritmética de soma
Prof. André Y. Kusumoto – [email protected]
Operações Aritméticas
19
Figura 4.4 –Imagens X e Y utilizadas como exemplos.
(a) X (b) Y
Exemplos de operações aritméticas com as imagens da Figura 4.4.
(a) X+Y (b) X-Y
Prof. André Y. Kusumoto – [email protected]
• Adição
• Pode ser utilizado para colocar conteúdo de uma imagem sobrepondo
outra
• Subtração
• Utilizado para remover algum padrão indesejável
• Detectar mudanças (movimento?) entre duas imagens da mesma
cena.
• Multiplicação e Divisão
• Multiplicar uma imagem por uma “máscara” pode esconder certas
regiões deixando exposto apenas objetos de interesse
Operações Aritméticas
21
Prof. André Y. Kusumoto – [email protected]
• A adição de duas imagens com 256 níveis de cinza, por exemplo, pode
resultar em número maior que o valor 255 para determinados pixels. Por
outro lado, a subtração de duas imagens pode resultar em valores
negativos para alguns pixels.
• Uma maneira de resolver esse problema é, após a aplicação do operador aritmético,
realizar uma transformação da escala de cinza na imagem resultante para manter
seus valores dentro do intervalo adequado.
• A divisão de imagens pode produzir valores fracionários, os quais devem
ser convertidos para valores inteiros. Além disso, divisão por zero deve
ser evitada.
• Uma maneira simples de evitar esse problema é adicionar o valor 1 a todos os
valores de intensidade dos pixels, tal que o intervalo de níveis de cinza passa a ser
interpretado de 1 a 256, ao invés de 0 a 255
Operações Aritméticas
22
Prof. André Y. Kusumoto – [email protected]
Operações Lógicas
23
Operações lógicas podem
ser aplicadas apenas a
imagens binárias
Prof. André Y. Kusumoto – [email protected]
Operações Locais
•Um pixel da imagem resultante depende de uma vizinhança do
mesmo pixel na imagem original
24
Figura 4.9 – Exemplo de uma operação local em uma área em torno do pixel (xi, yi).
Prof. André Y. Kusumoto – [email protected]
Forma de atenuar o efeito de aliasing
•Filtro de média
27
(4.2)
Figura 4.12 –Imagem com Aliasing (c) e o efeito da aplicação de filtro de média (d).
(c) (d)
=
)y,f(x)y,f(x)y,f(x
)y,f(x )y,f(x)y,f(x
)y,f(x)y,f(x)y,f(x
9
1 )y,g(x
11111
11
111i11
ii
jiiiii
iiiiii
iiiii
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.
•Slides do Prof. Dr. Guillermo Cámara Chávez. Disponível em:
http://www.decom.ufop.br/guillermo/
28