universal image quality index - version ii
TRANSCRIPT
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
A Universal Image Quality IndexMétrica de Avaliação da Qualidade em Imagens Digitais
Michel Alves dos Santos
Pós-Graduação em Engenharia de Sistemas e ComputaçãoUniversidade Federal do Rio de Janeiro - UFRJ - COPPECidade Universitária - Rio de Janeiro - CEP: 21941-972Docente Responsável: Prof. Dsc. Ricardo Marroquim
{michel.mas, michel.santos.al}@gmail.com
03 de Maio de 2013
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Como Medir a Qualidade de Imagens?
Figura: Avaliação de Imagens. (A) Imagem original “Lena”, 512x512, 8bits/pixel; (B) Imagem contaminada com ruído gaussiano aditivo.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Métricas de Qualidade
Métricas de Qualidade Subjetivas e Objetivas.
Figura: Organograma exibindo alguns tipos de métricas de qualidade.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Métricas de Qualidade
Classificação Referencial das Métricas
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Métricas de Qualidade
Empregabilidade das Métricas de Qualidade
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Aplicações das Métricas de Qualidade
Áreas nas quais essas métricas podem atuar.
Aplicações na Área Geológica;
Aplicações na Área Metereológica;
Aplicações na Área Médica;
Aplicações na Área Militar;
Aplicações na Área de Transmissão de Vídeo, etc.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Previamente...
Antes do “Índice de Qualidade Universal”.
Abordaremos, apenas a título de comparação,outras métricas que são amplamente utilizadas.
As métricas abordadas serão:
MSE I Mean Squared Error;
NRMSE I Normalized Root Mean Squared Error;
PSNR I Peak Signal-To-Noise Ratio.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
MSE - Mean Squared Error
Sejam x = {xi |i = 1, 2, . . . ,N} e y = {yi |i = 1, 2, . . . ,N} ossinais de duas imagens e N é o número de sinais das imagens.
O MSE entre as imagens x e y será dado por:
MSE (x , y) = 1N
N∑i=1
(xi − yi)2
É largamente usado em tarefas de otimização eproblemas de deconvolução, porém possui limitaçõesquando usado na predição da percepção humana de
qualidade e fidelidade de imagens.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
NRMSE - Normalized Root Mean Squared Error
Sejam x = {xi |i = 1, 2, . . . ,N} e y = {yi |i = 1, 2, . . . ,N} ossinais de duas imagens e N é o número de sinais das imagens.
O NRMSE entre as imagens x e y será dado por:
NRMSE (x , y) = N∑
i=1(xi − α · yi)
2/ N∑
i=1x 2
i
Onde α será dado por:
α =
N∑i=1
(xi · yi)
/ N∑i=1
y 2i
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
PSNR - Peak Signal-To-Noise Ratio
O PSNR é uma relação entre o máximo possível depotência de um sinal, pela potência do ruído, quando
comparamos um sinal antes e depois de um processo dedegradação. Sua unidade é o dB (decibel).
O índice de qualidade é definido como:
PSNR = 10 · log10MAX 2
pMSE
= 20 · log10( MAXp√
MSE
)
Onde MAXp é o valor máximo possível de um pixel eMSE é o erro quadrático médio do conjunto avalidado.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Peak Signal-To-Noise Ratio
Aplicando o conceito de PSNR em vídeos e imagens,podemos observar que o mesmo é a relação entre aentrada e a saída de um processo de compressão comperdas, que avalia o quanto o processo introduziu
ruídos na imagem ou frame original.
Quanto maior o valor do PSNR, maior é a relação entrea potência do sinal pela potência do ruído, o que
significa melhor qualidade.
Valores de PSNR acima de 42dB correspondem àcompressões que introduzem perdas imperceptíveis ao
olho humano, o que significa uma qualidadeexcepcional.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Peak Signal-To-Noise Ratio
Quadro de Qualidade dos Valores PSNR
Qualidade ValoresQualidade Excepcional Acima de 42dBBastante Aceitável Acima de 36dBQualidade Mediana Entre 30dB e 36dBBaixa Qualidade Abaixo de 30dB
Tabela: Quadro com as faixas de qualidade para o índice PSNR.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
A Universal Image Quality Index
Movidos pela necessidade de uma métrica que fossefácil de se obter e de ser empregada em várias
aplicações de processamento de imagens, Zhou Wang eAlan Bovik propuseram um novo índice.
Diferente dos métodos tradicionais de avaliação deerro, o índice proposto foi concebido para modelagem
de quaisquer distorções em imagens como umacombinação de 3 fatores:
Perda de Correlação;Distorções na Luminância;Distorções no Contraste.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Características da “Nova” Métrica
Principais Características do Índice de Qualidade
Matematicamente definido;
Baixa complexidade computacional;
Modelado para lidar com diferentes tipos de distorção;
Independente de avaliação humana
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Definição do Novo Índice de Qualidade
Sejam x = {xi |i = 1, 2, . . . ,N} e y = {yi |i = 1, 2, . . . ,N} ossinais das imagens original e de teste, respectivamente.
O novo índice de qualidade proposto será definidocomo:
Q =4σxy x y
(σ2x + σ2y)[(x)2 + (y)2]Os valores assumidos por Q variam no intervalo [−1, 1]
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Detalhamento do Novo Índice de Qualidade
Q =4σxy x y
(σ2x + σ2y)[(x)2 + (y)2]
x = 1N
N∑i=1
xi y = 1N
N∑i=1
yi
σ2x = 1N−1
N∑i=1
(xi − x)2 σ2y = 1N−1
N∑i=1
(yi − y)2
σxy = 1N−1
N∑i=1
(xi − x)(yi − y)
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Os Três Fatores que Compõem o Índice
Q =4σxy x y
(σ2x + σ2
y)[(x)2 + (y)2]O novo índice de qualidade pode ser reescrito como o
produto de três fatores ou componentes:
Q =σxy
σxσy· 2 x y(x)2 + (y)2 ·
2σxσy
σ2x + σ2
y
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Entendendo Melhor a Composição de Fatores.
Q =σxy
σxσy· 2 x y(x)2 + (y)2 ·
2σxσy
σ2x + σ2
y
σxy
σxσy=⇒ Coeficiente de correlação entre x e y .
2 x y(x)2 + (y)2 =⇒ Coeficiente de luminância entre x e y .
2σxσy
σ2x + σ2
y=⇒ Coeficiente de constraste entre x e y .
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Quadro de Avaliação dos Fatores.
Q =σxy
σxσy· 2 x y(x)2 + (y)2 ·
2σxσy
σ2x + σ2
y
Fator Intervalo Melhor CasoCoeficiente de Correlação [−1, 1] yi = axi + b, ∀ i = 1, 2, . . . ,NCoeficiente de Luminância [0, 1] x = yCoeficiente de Contraste [0, 1] σx = σy
Tabela: Quadro comparativo entre os fatores que compõem o índice.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Finalmente... Como Funciona o Algoritmo?
Usando a abordagem de janelas deslizantes!
Começamos pelo canto superior esquerdo da imagemcom uma janela deslizante de tamanho B × B.
Movemos a janela pixel a pixel, de maneira horizontal evertical através de todas as linhas e colunas da imagem
até alcançar o canto inferior da mesma.
A cada passo computamos o índice de qualidade localQj levando em consideração apenas os valores internos
da janela.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Ilustrando...
Passo 1
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Ilustrando...
Passo 2
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Ilustrando...
Passo 3
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Ilustrando...
Passo 20
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Ilustrando...
Passo 21
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Ilustrando...
J-ésimo
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Ao Final do Processo...
Ao término do processo:
Teremos executado um total de M passos.
O índice de qualidade global da imagem será dado por:
Q =1M
M∑j=1
Qj
E além disso teremos acesso ao mapa de índices dequalidade da imagem.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Mapa de Índices de Qualidade
Admitindo um bloco de avaliação de dimensão B × B:
Map.Width = Image.Width - B + 1
Map.Height = Image.Height - B + 1
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Fluxograma - Obtenção do Índice de Qualidade
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Exemplo - Obtido Através da Plataforma R
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Mapas - Obtidos Através da Plataforma R
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Índices - Obtidos Através da Plataforma R.
Índices Relativos ao Exemplo Anterior.
Índice Valor EncontradoUniversal Image Quality Index (UIQI) 0.60898Mean Squared Error (MSE) 81.3293Normalized Root Mean Squared Error (NRMSE) 0.00469Peak Signal-To-Noise Ratio (PSNR) 29.0283
Tabela: Quadro com os índices encontrados utilizando a plataforma Rpara a imagem “Lena”, 512x512, 8bits/pixel. Observe que um simplesdesfoque gaussiano levemente aplicado faz com que o PSNR atinja o
limiar de qualidade que é dito como bastante aceitável quando seu valorse encontra acima de 36dB e mediano entre 30dB e 36dB.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Codificação da Função Média em R
Exibindo a função que computa a média dosblocos original e de teste.
x = 1N
N∑i=1
xi y = 1N
N∑i=1
yi
Implementada na Plataforma R.� �1 MyMeanFunction <− f u n c t i o n (my . b l o c k . or . matr i x )2 {3 r e t u r n (mean (my . b l o c k . or . matr i x ) )4 }� �Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Codificação da Função Variância em R
Exibindo a função que computa a variânciados blocos original e de teste.
σ2x = 1N−1
N∑i=1
(xi − x)2 σ2y = 1N−1
N∑i=1
(yi − y)2
Implementada na Plataforma R.� �1 MySquaredSigmaFunction <− f u n c t i o n (my . b l o c k . or . matr ix , my .mean . v a l u e )2 {3 N <− l eng th (my . b l o c k . or . matr i x )4 r e t u r n ( sum ( (my . b l o c k . or . matr i x − my .mean . v a l u e ) ^2)/ (N − 1) )5 }� �Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Codificação da Função Covariância em R
Exibindo a função que computa a covariância.
σxy = 1N−1
N∑i=1
(xi − x)(yi − y)
Implementada na Plataforma R.� �1 MyDoubleSigmaFunction <− f u n c t i o n ( b l o c k . x , mean . x , b l o c k . y , mean . y )2 {3 # Resgatando o tamanho do b loco , podemos u s a r o v a l o r de x ou y4 N <− l eng th ( b l o c k . x )56 # Retornando v a l o r7 r e t u r n ( sum ( ( b l o c k . x − mean . x )*( b l o c k . y − mean . y ) )/ (N − 1) )8 }� �Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Codificação do Índice em R� �
1 M y U n i v e r s a l I m a g e Q u a l i t y I n d e x P e r B l o c k <− f u n c t i o n (my . b l o c k . x , my . b l o c k . y )2 {3 # Mapeando os v a l o r e s dos b l o c o s x e y para i d e n t i f i c a d o r e s menos v e r b o s o s4 x <− my . b l o c k . x5 y <− my . b l o c k . y67 # Mean8 x_bar <− MyMeanFunction ( x )9 y_bar <− MyMeanFunction ( y )
1011 # C ova r i an ce12 double_s igma <− MyDoubleSigmaFunction ( x , x_bar , y , y_bar )1314 # Var i an ce15 squa red_s igma_x <− MySquaredSigmaFunction ( x , x_bar )16 squa red_s igma_y <− MySquaredSigmaFunction ( y , y_bar )1718 # Numerator19 numerador <− 4*double_s igma*x_bar*y_bar2021 # Denominator22 denominador <− ( squa red_s igma_x + squared_s igma_y )*( x_bar ^2 + y_bar ^2)2324 # Index b l o c k v a l u e r e t u r n25 r e t u r n ( numerador/denominador )26 }� �Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Codificação do Mapa em R� �
1 MyUnive r sa l ImageQua l i t y IndexMap <− f u n c t i o n ( o r i g i n a l , t e s t , my . b l o c k . s i z e = 8)2 {3 bs <− my . b l o c k . s i z e # Diminuindo a v e r b o s i d a d e45 # Resgatando as tamanhos6 my . rows <− dim ( o r i g i n a l ) [ 1 ] ; my . c o l s <− dim ( o r i g i n a l ) [ 2 ]78 # D e f i n i n d o o tamanho do mapa9 my . map . h <− my . rows − bs + 1 ; my . map .w <− my . c o l s − bs + 1
10 my . q u a l i t y . map <− matr i x (0 , nrow = my . map . h , nco l = my . map .w)1112 # Looping que v a r r e a imagem13 f o r ( i i n 1 : ( my . rows − bs + 1) )14 {15 f o r ( j i n 1 : ( my . c o l s − bs + 1) )16 {17 # Resgatando os b l o c o s18 tmp_o r i g i n a l <− o r i g i n a l [ i : ( i + bs − 1) , j : ( j + bs − 1) ]19 tmp_ t e s t <− t e s t [ i : ( i + bs − 1) , j : ( j + bs − 1) ]2021 # Armazenando r e s u l t a d o do b l o c o c o r r e n t e .22 MyQ <− M y U n i v e r s a l I m a g e Q u a l i t y I n d e x P e r B l o c k ( tmp_o r i g i n a l , tmp_ t e s t )23 my . q u a l i t y . map [ i , j ] <− i f ( i s . nan (MyQ) ) 1 e l s e MyQ24 }25 }26 r e t u r n ( my . q u a l i t y . map )27 }� �Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Alguns Cuidados Devem Ser Tomados!
Devemos prestar atenção ao cálculo das componentesdo Índice de Qualidade!
O que acontece com o índice se o seguinte bloco foravaliado?
132 132 132 132 132 132 132 132132 132 132 132 132 132 132 132132 132 132 132 132 132 132 132132 132 132 132 132 132 132 132132 132 132 132 132 132 132 132132 132 132 132 132 132 132 132132 132 132 132 132 132 132 132132 132 132 132 132 132 132 132
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Quadro Comparativo.
Estimativas Fornecidas e Encontradas.
Distorção Artigo Encontrado MSEA MSEE
Mean Shift 0.9894 0.98939 225 225.032Contrast Stretching 0.9372 0.93389 225 225.244Impulsive Salt-Pepper Noise 0.6494 0.64889 225 225.472Multiplicative Speckle Noise 0.4408 0.44048 225 225.769Additive Gaussian Noise 0.3891 0.38898 225 226.283Blurring 0.3461 0.34302 225 224.741Jpeg Compression 0.2876 0.28725 215 215.603
Tabela: Quadro comparativo entre os índices fornecidos pelo artigo eencontrados através de implementação do algoritmo utilizando a
plataforma R para a imagem “Lena”, 512x512, 8bits/pixel. MSEA -fornecido no artigo. MSEE - encontrado através de implementação.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Quadro Comparativo - Mean Shift.
Figura: Comparação entre imagens: “Lena”, 512x512, 8 bits/pixel.
Avaliação Utilizando Imagem Original e Mean Shift
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Comparativo Detalhado - Mean Shift.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Quadro Comparativo - Contrast Stretching.
Figura: Comparação entre imagens: “Lena”, 512x512, 8 bits/pixel.
Avaliação Utilizando Imagem Original e Contrast Stretching
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Comparativo Detalhado - Contrast Stretching.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Quadro Comparativo - Impulsive Salt-Pepper Noise.
Figura: Comparação entre imagens: “Lena”, 512x512, 8 bits/pixel.
Avaliação Utilizando Imagem Original e Salt-Pepper Noise
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Comparativo Detalhado - Impulsive Salt-Pepper Noise.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Quadro Comparativo - Multiplicative Speckle Noise.
Figura: Comparação entre imagens: “Lena”, 512x512, 8 bits/pixel.
Avaliação Utilizando Imagem Original e Speckle Noise
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Comparativo Detalhado - Multiplicative Speckle Noise.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Quadro Comparativo - Additive Gaussian Noise.
Figura: Comparação entre imagens: “Lena”, 512x512, 8 bits/pixel.
Avaliação Utilizando Imagem Original e Gaussian Noise
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Comparativo Detalhado - Additive Gaussian Noise.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Quadro Comparativo - Blurring.
Figura: Comparação entre imagens: “Lena”, 512x512, 8 bits/pixel.
Avaliação Utilizando Imagem Original e Blurring
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Comparativo Detalhado - Blurring.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Quadro Comparativo - Jpeg Compression.
Figura: Comparação entre imagens: “Lena”, 512x512, 8 bits/pixel.
Avaliação Utilizando Imagem Original e Jpeg Compression
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Comparativo Detalhado - Jpeg Compression.
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Isso é tudo pessoal !!!
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação
Agradecimentos
Grato Pela Atenção!Michel Alves dos Santos - [email protected]
Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756