Apresentação do PowerPoint - Blog das Exatas
Transcrição
Apresentação do PowerPoint - Blog das Exatas
exatasfepi.com.br Processamento Digital de Imagens Aula 04 André Luís Duarte “A sabedoria oferece proteção, como o faz o dinheiro, mas a vantagem do conhecimento é esta: a sabedoria preserva a vida de quem a possui.” Eclesiastes 7:12 [email protected] Processamento Digital de Imagens Filtragem de imagens Filtragem passa-baixa 21/10/2014 2 [email protected] Filtragem de imagem Operação feita sobre os valores dos pixels da imagem Filtragem no domínio espacial Usa a operação de convolução para aplicar os filtros 21/10/2014 3 [email protected] Operação de convolução É um conjunto de somas de produtos entre valores Por exemplo, convolução unidimensional entre dois vetores A e B O vetor B é espelhado Após cada soma de produtos é deslocado espacialmente de uma posição 21/10/2014 4 [email protected] Exemplo de Convolução Dados os vetores: A = {0,1,2,3,2,1,0} B = {1,3,-1} 21/10/2014 5 [email protected] Exemplo de Convolução 21/10/2014 6 [email protected] Exemplo de Convolução 21/10/2014 7 [email protected] Exemplo de Convolução 21/10/2014 8 [email protected] Exemplo de Convolução 21/10/2014 9 [email protected] Exemplo de Convolução 21/10/2014 10 [email protected] Exemplo de Convolução 21/10/2014 11 [email protected] Exemplo de Convolução 21/10/2014 12 [email protected] Convolução Podemos estender o raciocínio para matrizes Lembrando que a máscara deve ser espelhada 21/10/2014 13 [email protected] Exemplo2 de Convolução 21/10/2014 14 [email protected] Exemplo2 de Convolução 21/10/2014 15 [email protected] Exemplo2 de Convolução 21/10/2014 16 [email protected] Convolução Para calcular os valores dos pixels próximos a borda podemos adotar 3 estratégias Preencher com zeros o contorno da imagem Preencher o contorno da imagem com os mesmos valores da(s) primeira(s) e última(s) linha(s) Prevenir a eventual introdução de erros nas regiões da borda considerando apenas valores para os quais a máscara de convolução ficou inteiramente contida na imagem 21/10/2014 17 [email protected] Detecção de Pontos Isolados Destaca pixels brilhantes circundados por pixels mais escuros Corresponde ao filtro passa-altas −1 −1 −1 −1 8 −1 −1 −1 −1 21/10/2014 18 [email protected] Filtro passa baixa São filtros que suavizam os contornos das imagens São usados para borramento e redução de ruído O filtro tem que possuir todos os coeficiente positivos 21/10/2014 19 [email protected] Filtro passa baixa 1 1 1 × 1 1 9 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 × 1 25 1 1 1 1 1 1 1 21/10/2014 1 1 1 1 1 20 [email protected] Filtro da mediana Uma das principais limitações do filtro da média em situações onde o objetivo é remoção de ruídos em imagens está na sua incapacidade de preservar bordas e detalhes finos da imagem 21/10/2014 21 [email protected] Filtro da mediana Uma técnica alternativa é o filtro da mediana Nesta técnica, o nível de cinza do pixel central da janela é substituído pela mediana dos pixels situados em sua vizinhança Apresenta desempenho particularmente bom em situações nas quais a imagem é contaminada por ruído impulsivo (sal-e-pimenta) Para situações em que o ruído é do tipo gaussiano seu desempenho é apenas satisfatório, comparável ao do filtro pela média 21/10/2014 22 [email protected] Filtro da mediana 50 32 20 32 66 13 71 44 15 42 54 11 78 67 100 100 53 11 89 87 100 100 44 10 21/10/2014 95 100 120 119 100 9 100 119 198 200 32 100 23 [email protected] Filtro da mediana 50 32 20 32 66 13 71 44 15 42 54 11 78 67 100 100 53 11 89 87 100 100 44 10 21/10/2014 95 100 120 119 100 9 100 119 198 200 32 100 24 [email protected] Filtro da mediana 50 32 20 32 66 13 71 44 15 42 54 11 78 67 100 100 53 11 89 87 100 100 44 10 21/10/2014 95 100 120 119 100 9 100 119 198 200 32 100 25 [email protected] Filtro da mediana 50 32 20 32 66 13 50 71 71 44 15 42 54 11 78 67 100 100 53 11 78 32 89 87 100 100 44 10 44 67 21/10/2014 95 100 120 119 100 9 100 119 198 200 32 100 20 15 100 26 [email protected] Filtro da mediana 50 32 20 32 66 13 15 20 71 44 15 42 54 11 78 67 100 100 53 11 32 44 89 87 100 100 44 10 50 67 21/10/2014 95 100 120 119 100 9 100 119 198 200 32 100 71 78 100 27 [email protected] Filtro da mediana 50 32 20 32 66 13 15 20 71 50 15 42 54 11 78 67 100 100 53 11 32 44 89 95 87 100 100 120 100 119 100 44 9 10 Mediana 50 67 21/10/2014 100 119 198 200 32 100 71 78 100 28 [email protected] Filtro passa alta Enfatiza detalhes finos ou realça imagens que tenham sido borradas Valores negativos podem aparecer obrigando um clipping ou uma normalização 21/10/2014 29 [email protected] Filtro passa alta A máscara é a mesma usada para detecção de pontos isolados Depois de aplicada usa-se a normalização na imagem resultante −1 −1 −1 1 × −1 8 −1 9 −1 −1 −1 21/10/2014 30 [email protected] Filtro detector de borda Uma borda é caracterizada por mudanças abruptas de descontinuidade na imagem Os níveis de cinza predominantes são consideravelmente diferentes Os detectores de borda se baseiam na ideia de derivadas que mede a taxa de variação de uma função Obs.: variação é maior em áreas de borda do que em áreas constantes 21/10/2014 31 [email protected] Filtro detector de borda Como as imagens são bidimensionais, usamos derivadas parciais nas direções vertical y e horizontal x que são representadas por um vetor gradiente O gradiente é calculado pela seguinte fórmula: 𝐺𝑅 = 𝐺𝑥 2 + 𝐺𝑦 2 21/10/2014 32 [email protected] Filtro detector de borda As máscaras mais usadas são: Sobel Prewitt Roberts Frei-Chen 21/10/2014 33 [email protected] Irwin Sobel Nasceu em 1940 na cidade de Nova Iorque Se formou no MIT em 1961 e fez seu doutorado pesquisa no Stanford Artificial Intelligence Projeto ( SAIL ) com modelos de câmera e máquinas percepção Passou a maior parte de sua carreira na HP Labs. 21/10/2014 34 [email protected] Sobel Vertical e horizontal 1 0 −1 2 0 −2 1 0 −1 −1 −2 −1 0 0 0 1 2 1 21/10/2014 35 [email protected] Sobel 2 Vertical e horizontal 1 1 0 −1 2 0 −2 4 1 0 −1 1 −1 0 4 1 21/10/2014 −2 −1 0 0 2 1 36 [email protected] Prewitt Vertical e horizontal 1 0 −1 1 0 −1 1 0 −1 1 1 1 0 0 0 −1 −1 −1 21/10/2014 37 [email protected] Prewitt 2 Vertical e horizontal 1 1 0 −1 1 0 −1 3 1 0 −1 1 1 0 3 −1 21/10/2014 1 1 0 0 −1 −1 38 [email protected] Lawrence G. Roberts Nascido em 1937 em Connecticut é um cientista americano que recebeu o Prêmio Draper em 2001 e o Prêmio Príncipe de Astúrias em 2002 "para o desenvolvimento da Internet " Como um gerente de programa e diretor do escritório da Agência de Projetos de Pesquisa Avançada , Roberts e sua equipe criaram a ARPANET que foi a predecessora da Internet moderna 21/10/2014 39 [email protected] Roberts Vertical e horizontal 0 0 −1 0 0 1 0 0 0 0 0 0 1 0 0 21/10/2014 0 0 −1 40 [email protected] FreiChen Vertical e horizontal −1 − 2 2 + 2 −1 1 0 0 0 1 2 1 1 2 0 0 2+ 2 −1 − 2 1 21/10/2014 1 0 −1 41
Documentos relacionados
revisão aula 1906
G(x,y):= max {|D1(x,y)|, |D2(x,y)|, |D3(x,y)|, |D4(x,y)|} 3. A direção do gradiente é dada pelo ângulo que lhe proporcionou o máximo: A(x,y):= argmax {|D1(x,y)|, |D2(x,y)|, |D3(x,y)|, |D4(x,y)|}
Leia mais