visão por computador aplicada à robótica...
TRANSCRIPT
![Page 1: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/1.jpg)
1
UN
IVE
RSI
DA
DE
DE
AV
EIR
OU
NIV
ER
SID
AD
E D
E A
VE
IRO
Dep
tD
ept .
de E
lect
róni
ca e
Tel
ecom
unic
açõe
s. d
e El
ectró
nica
e T
elec
omun
icaç
ões
IST
IST --
ISEP
ISEP
Mestrado em Engenharia Electrotécnica e de ComputadoresMestrado em Engenharia Electrotécnica e de Computadores2003/30042003/3004
ModelizaçãoModelização e Controlo de Sistemas Dinâmicose Controlo de Sistemas Dinâmicos
Visão por Computador Aplicada à Robótica IndustrialVisão por Computador Aplicada à Robótica Industrial
Filipe Miguel Silva Filipe Miguel Silva [email protected]
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 2
ÍndiceParte II – Visão por Computador
• Introdução• Formação e geometria da imagem• Imagem em baixo nível• Histograma• Aplicação de um filtro• Operações de suavização, realce e limitação
![Page 2: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/2.jpg)
2
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 3
Visão por Computador
• A visão por computadorvisão por computador é o processo de:– Extracção– Caracterização– Interpretação
... de informação a partir do mundo tridimensional
Trucco e Verri“Computing properties of the 3D world from one or more digital image”
Stockman e Shapiro“To make useful decisions about real physical objects and scenes based on sensed images”
Ballard e Brown“The construction of explicit, meaningful description of physical objects from images”
Trucco e Verri“Computing properties of the 3D world from one or more digital image”
Stockman e Shapiro“To make useful decisions about real physical objects and scenes based on sensed images”
Ballard e Brown“The construction of explicit, meaningful description of physical objects from images”
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 4
Visão por Computador vs. Gráficos
• Computação Gráfica– Produzir imagens “plausíveis”... escolhendo os modelos, as condições e os parâmetros da imagem
• Visão por computador– Dadas as imagens reais com ruído, fenómenos de amostragem, etc... estimar quantidades físicas
A visão é o inverso da animação !A visão é o inverso da animação !
![Page 3: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/3.jpg)
3
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 5
Visão por Computador vs. Processamento de Imagem
• Computação Gráfica– Produzir imagens “plausíveis”... escolhendo os modelos, as condições e os parâmetros da imagem
• Visão por computador– Tem haver com a forma como as imagens reflectem o mundo 3D
Filtragem para extracção de propriedadesRealce de detalhes para reconhecimento/detecçãoCompressão que preserva a informação geométrica da imagem
Filtragem para extracção de propriedadesRealce de detalhes para reconhecimento/detecçãoCompressão que preserva a informação geométrica da imagem
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 6
Aplicações
• Processos industriais (e.g., inspecção, controlo de qualidade)
• Navegação em robótica autónoma e móvel
• Vigilância e segurança
• Interfaces gráficas homem-máquina
• Processamento de imagens médicas
• Formação de bases de dados
• Engenharia inversa
![Page 4: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/4.jpg)
4
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 7
Desafios e Dificuldades
• O desafio da visão por computador é desenvolver capacidades de nível humano para computadores e robôs:
– Porque é difícil a visão ?
– A projecção do mundo 3D numa retina 2D significa a perda da terceira dimensão
– As variações devido ao ruído, à iluminação e múltiplos factores dão origem a confusões e ambiguidades
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 8
Áreas e Níveis da Visão por Computador
• Que informação pode ser extraída ?
• Como pode ser extraída ?
• Como deve ser representada ?
• Como pode ser usada para atingir o objectivo ?
![Page 5: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/5.jpg)
5
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 9
1. PercepçãoAquisição ou obtenção de imagem
2. Pré-processamentoRedução de ruído ou realce de contrastes
3. SegmentaçãoPartição da imagem em zonas de interesse (objectos)
4. DescriçãoDeterminação de propriedades de objectos (tamanho, forma, ...)
5. ReconhecimentoIdentificação de objectos descritos a partir de uma base de dados
6. InterpretaçãoAtribuição de significados a um conjunto de objectos reconhecidos
BaixoNível
MédioNível
AltoNível
Áreas e Níveis da Visão por Computador
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 10
Estrutura de um Problema de Visão
Aquisiçãode ImagemAquisição
de ImagemPré-
processamentoPré-
processamentoExtracção dePropriedadesExtracção dePropriedades AnáliseAnálise
•Redução de ruído•Realce de detalhes•Transformações
•Redução de ruído•Realce de detalhes•Transformações
PROBLEMA
•Sensor•Iluminação
•Sensor•Iluminação
•Linhas•Arestas•Contornos•Regiões
•Linhas•Arestas•Contornos•Regiões
![Page 6: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/6.jpg)
6
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 11
Tipos de Imagem
• Fotográficas– luz reflectida
• Range Images– distância
• Tomografia– densidade de tecidos
• Infravermelhos– calor
O objectivo é concentrar no primeiro tipoO objectivo é concentrar no primeiro tipo
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 12
Formação da Imagem
• As imagens formam-se quando um sensorsensor registra radiaçãoradiação que interagiu com objectosobjectos físicos
Câmara escura As dimensões e definição do orifício definem a nitidez e o plano focal
Olho humano– A imagem forma-se no plano da retina (superfície sensível à luz) por
projecção da luz vinda do mundo 3D através de uma lente– O cristalino muda de dimensões (músculos) para mudar o plano focal e
ajustar-se à distância dos objectos– A íris controla a quantidade de luz que entra, mudando o diâmetro da
pupila
Câmara escura As dimensões e definição do orifício definem a nitidez e o plano focal
Olho humano– A imagem forma-se no plano da retina (superfície sensível à luz) por
projecção da luz vinda do mundo 3D através de uma lente– O cristalino muda de dimensões (músculos) para mudar o plano focal e
ajustar-se à distância dos objectos– A íris controla a quantidade de luz que entra, mudando o diâmetro da
pupila
![Page 7: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/7.jpg)
7
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 13
Imagem através de uma Lente
• Imagem focada– Todos os raios de luz que saem de um dado ponto do objecto em direcção a uma lente
convergente vão confluir num outro ponto a uma certa distância do cento da lente
Distância focal, λDistância focal, λ
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 14
Obtenção da Imagem
• Processo básico1) Os fotões atingem o detector2) O detector carrega3) Essa carga é lida como uma intensidade de luz
• Os sensores modernos baseiam-se nos Charge Coupled Devices– Baixo custo e consumo de energia– Reduzidas dimensões– Altas sensibilidades– Percepção discretizada em linhas e colunas (500×582, 752×582)
![Page 8: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/8.jpg)
8
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 15
Imagem Digital
• Matriz de números constituída por elementos discretos ou pixels
– Os números representam intensidade de luz (brightness) que atinge uma área do sensor
Imagens Binárias – os pixels são representados por um só bitImagens a Níveis de Cinzento – os pixels são representados por 1 byteImagens a Cores – à mais que um valor por pixel (3 bytes)
Imagens Binárias – os pixels são representados por um só bitImagens a Níveis de Cinzento – os pixels são representados por 1 byteImagens a Cores – à mais que um valor por pixel (3 bytes)
pixel, Picture Elementpixel, Picture Element
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 16
Câmara Digital
• Processo de amostragem da imagem– Amostragem espacial: número limitado de pontos (pixels) nas duas dimensões– Amostragem de amplitude: cada ponto é representado por um número que traduz a
intensidade luminosa global (número limitado de níveis)
CâmaraCâmara Amostragem da imagem
Amostragem da imagem
Computador central
Computador central
DisplayDisplay
Sinal analógico
Sinal digital
![Page 9: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/9.jpg)
9
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 17
Parâmetros Físicos Envolvidos
• Parâmetros Ópticos– caracterizam o sensor
• Parâmetros Fotométricos: caracterizam a luz reflectida pelos objectos
• Parâmetros Geométricos: determinam a posição relativa do objecto em relação ao sensor
⇒ Tipo de lente, distância focal, campo de visão, abertura angular
⇒ Tipo de lente, distância focal, campo de visão, abertura angular
⇒ Tipo, intensidade e direcção de iluminação⇒ Propriedades reflectoras do objecto em causa⇒ Efeitos da estrutura do sensor na quantidade de
luz que atinge os fotoreceptores
⇒ Tipo, intensidade e direcção de iluminação⇒ Propriedades reflectoras do objecto em causa⇒ Efeitos da estrutura do sensor na quantidade de
luz que atinge os fotoreceptores
⇒ Tipo de projecção, posição e orientação do sensor, distorções de perspectiva
⇒ Tipo de projecção, posição e orientação do sensor, distorções de perspectiva
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 18
Técnicas de Iluminação
• Qual a importância da iluminaçãoiluminação ?– Simplificar os algoritmos– Eliminar sombras, reflexões especulares, etc
• Técnicas de iluminação– Iluminação difusa (não directa)
As características da superfície são importantes (eliminar sombras)– Retro-iluminação (contraluz)
Apenas a silhueta do objecto é suficiente (alto contraste em imagens binárias)– Luz estruturada
Estabelece um padrão de luz no espaço de trabalho (detecção, análise geométrica)– Iluminação direccionada
Inspecção de superfícies de objectos (realce de propriedades)
![Page 10: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/10.jpg)
10
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 19
Geometria da Imagem
• Quais são os processos geométricosprocessos geométricos que determinam a imagem ?
ZXx
ZXx
−=→
−=
λλ
λλ
ZYy
ZYy
−=→
−=
λλ
λλ
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 20
Transformação de Perspectiva
• Como expressar estas equações na forma matricial ?– Coordenadas homogéneas do ponto real
– Matriz de transformação de perspectiva P
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡
+−
=
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡
−
=⋅=
kkZkZ
kY
kX
k
kZ
kY
kX
WPC hh
λλ1100
0100
0010
0001
[ ]Th kkZkYkXW =
![Page 11: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/11.jpg)
11
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 21
Transformação de Perspectiva
• Conversão de coordenadas homogéneas para coordenadas cartesianascalculadas na imagem (ponto C):– A coordenada z não tem aqui sentido– As coordenadas x e y obtêm-se em função de (X,Y,Z) e de λ
– A determinação inversa é obtida pela transformação
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡
=−
1100
0100
0010
0001
1
λ
Phh CPW ⋅= −1
A transformação não produz pontos no espaço 3D !!!
A transformação não produz pontos no espaço 3D !!!
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 22
Calibração da Câmara
• E se os sistemas de coordenadas da câmara e do mundo real são diferentes ?– Relação de transformações
– Transformação de perspectiva
pTp CC
RR ⋅=
( ) pTpTp RR
CRC
RC ⋅=⋅=−1
( ) pTPpTPC RR
CRC
R ⋅⋅=⋅⋅=−1
![Page 12: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/12.jpg)
12
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 23
Visão Estereoscópica
• A informação de profundidade pode ser obtida usando visão estereoscópica (duas imagens separadas)– Qual a coordenada do ponto real W(X,Y,Z) conhecidos os pontos na imagem C1(x1,y1) e
C2(x2,y2) ?
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 24
Imagem em Baixo Nível
• Relações básicas entre pixels– Vizinhança– Critérios de distância
• Pré-processamento– Filtros de convolução– Detecção de pixels isolados– Técnicas de suavização– Técnicas de realce– Detecção de arestas– Limitação e binarização– Suavização de imagens binárias
![Page 13: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/13.jpg)
13
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 25
Relações entre Pixels
• Vizinhança de um pixel (número de pixels vizinhos)
N4 (horizontal e vertical)
ND (diagonal)N8 = N4 + ND
• Medida de distância entre pixels
– Euclidiana
– D4 (ou city-block)
– D8 (ou chessboard)
( ) ( ) ( )
( )
( ) ( )yyxx
yyxx
yyxxE
qpqpqpD
qpqpqpD
qpqpqpD
−−=
−+−=
−+−=
,max,
,
,
8
4
22
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 26
Pré-processamento de imagem
• Abordagens típicas– Espacial: sobre os pixels da imagem– Frequência: transformadas de Fourier
– Abordagem ESPACIAL– Criação de uma nova imagem g(x,y) = h[ f(x,y) ]
h() é um operador de pré-processamento que opera numa vizinhança de cada pixel– Uso de máscaras de convolução (janelas ou filtros)
Matriz de coeficientes apropriados a determinado tipo de tratamento ou detecção de propriedades
![Page 14: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/14.jpg)
14
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 27
Princípio de Utilização de um Filtro
• Novo pixel é função do original e do filtro
pi pertence à vizinhança do ponto em causa
valor directo do novo pixelusado de forma indirecta para o definir
– Coeficientes de um filtro 3×3:
( ) ∑ ⋅==
N
iii pwyxg
1,
( )yxg ,
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 28
Filtro para Detecção de Pontos Isolados
• Aplicando a uma imagem binária o filtro
• ... detecta-se um pixel é ponto isolado no meio de outros
– se g(x,y) = 8 ou –8 o ponto (x,y) é isolado
– os valores de –7, -6, -5,..., 6, 7 correspondem a todas as outras possibilidades
![Page 15: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/15.jpg)
15
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 29
Técnicas de Suavização (smoothing)
• As técnicas de suavização dizem respeito, essencialmente, à redução de ruído
– Média de imagens: N imagens da mesma cena
– Filtros de média: todos os pesos de um filtro 3×3 com valor 1/9
– Filtros de mediana: substituir cada pixel pela mediana da distribuição dos níveis de todos os pixels da sua vizinhança incluindo o próprio (filtros 3×3 ou 5×5)
( ) ( )∑==
N
ii yxf
Nyxg
1,1,
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 30
Técnicas de Realce (enhancement)
• As técnicas de realce dizem respeito à adaptação ou compensação face a alterações de iluminação da cena
Histograma da Imagem
0 50 100 150 200 250
0
200
400
600
800
1000
1200
Exemplo
![Page 16: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/16.jpg)
16
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 31
Operações no Histograma
• Equalização– Alteração do valor de cada pixel para uniformizar a distribuição de níveis de cinzento
na imagem• Histogramas locais em vez de globais
– Afectar a imagem parcialmente• Aplicação de um histograma pré-definido
– Realçar as partes mais escuras tornando-as mais claras e escurecendo as partes mais intensas
• Expansão de contraste– Alteração da imagem para varrer toda a gama dinâmica de cinzentos com B bits:
( ) ( ) ( ) ( )[ ]( )[ ] ( )[ ]yxfyxf
yxfyxfyxg B
,min,max,min,12,
−−
−=
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 32
Detecção de Arestas (edge detection)
• Importante para a detecçãodetecção de objectos numa cena
– A técnica consiste em detectar variações de intensidade usando um operador derivativo local
![Page 17: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/17.jpg)
17
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 33
Operador de Gradiente
• Definição
• Variante discreta
• ... e filtros correspondentes
T
y
x
yf
xf
G
GG ⎥⎦
⎤⎢⎣⎡
∂∂
∂∂
=⎥⎥⎦
⎤
⎢⎢⎣
⎡=
ryxyx GGGGG +≈+= 22r
( ) ( )
( ) ( )1,,
,1,
−−=
−−=
yxfyxfG
yxfyxfG
y
x
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 34
Outros Filtros de Gradiente
• Filtros de Sobel• Alternativa mais eficiente para detectar arestas
• Laplaciano• Muito sensível ao ruído (pouco usado !!!)
=xG =yG
( )[ ] 2
2
2
2,
yf
xfyxfL
∂∂
+∂∂
==L
![Page 18: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/18.jpg)
18
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 35
Exemplos de Filtros de Arestas
Gradiente simples: Gx+Gy Filtro de Sobel
Gradiente simples: Gx+Gy Filtro de Sobel
rice.tif
Limitação (valor médio)
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 36
Limitação (thresholding)
• Processo de redução dos níveis de cinzento da imagem• Em geral para dois níveis ⇒ imagem binária
• Esta é a técnica mais usada em visão aplicada à robótica• Primeira operação para “separar” o objecto do fundo
( )( )
( )⎪⎩
⎪⎨⎧
≤←
>←=
Tyxf
Tyxfyxg
,0
,1,
![Page 19: Visão por Computador Aplicada à Robótica Industrialana/ROBOTICA/docs/P2_ViscoComputador_MSc-ISEP.pdf · Modelização e Controlo de Sistemas Dinâmicos Visão por Computador Aplicada](https://reader034.vdocuments.site/reader034/viewer/2022052610/5c11016209d3f267308b78e6/html5/thumbnails/19.jpg)
19
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 37
Limitação Dinâmica
• Qual o threshold que mais informação preserva ?– O valor médio ....? Nem sempre !!
– A melhor solução é obtida após análise do histograma
0 50 100 150 200 250
0
500
1000
1500
T=128
T=80
Filipe M. Silva Modelização e Controlo de Sistemas Dinâmicos 38
Suavização de Imagens Binárias
• Quais as situações que requerem suavização ?– Pontos isolados ou “buracos” em imagens– Cavidades em troços rectos– Vértices de objectos (cantos) ausentes
• Operações lógicas (binárias) sobre os pixels