Processamento Digital Propriedades de uma Imagem Digital ...€¦ · Processamento Digital de...
Transcript of Processamento Digital Propriedades de uma Imagem Digital ...€¦ · Processamento Digital de...
1
Processamento Digital de Imagens
Propriedades de Imagem Digital
Prof. Sergio Ribeiro
Ciência da Computação Tópicos
� Propriedades de uma Imagem Digital
� Vizinhança
� Conectividade
� Medidas de Distância
� Operações Lógicas e Aritméticas
� Efeitos de Operações Aritméticas
� Operações Aritméticas em Imagens Monocromáticas
� Exemplos de Aplicações
� Operações Lógicas Pixel a Pixel
� Operações Lógicas em Imagens MonocromáticasProcessamento Digital de Imagens 2
Propriedades de uma Imagem Digital
� Será visto as principais relações entre pixels emuma imagem digital.
� Imagem digital ⇒ função f(x,y) discretizadotanto espacialmente quanto em amplitude.
� Imagem digital ⇒ matriz cujas linhas e colunasidentificam um ponto na imagem, cujo valorcorresponde ao nível de cinza da imagemnaquele ponto.
Processamento Digital de Imagens 3
Vizinhança
� Um pixel p, de coordenadas (x,y), possuiquatro vizinhos horizontais e verticais, cujas coordenadas são: (x+1, y), (x-1, y), (x, y+1) e (x, y-1).
� Esses pixels formam a chamada “4-vizinhança”
de p ⇒ N4(p).
� Os quatro vizinhos diagonais de p são os pixels de coordenadas: (x-1, y-1), (x-1, y+1), (x+1, y-1) e (x+1, y+1).
� Quatro vizinhos diagonais de p ⇒ Nd(p).Processamento Digital de Imagens 4
Vizinhança
Processamento Digital de Imagens
� A “8-vizinhança” de p é definida como:
N8(p) = N4(p) ∪ Nd(p)
p
N4(p)
p
Nd(p)
p
N8(p)
5
Conectividade
� Conectividade entre pixels é um importanteconceito porque estabelece limites de objetosem uma imagem.
� Dois pixels estão conectados se eles sãoadjacentes segundo algum critério e se seusníveis de cinza seguem um critério desimilaridade.� Ex: Em uma imagem binária, dois pixels podem
ser 4-vizinhos mas somente serão 4-conectadosse possuírem o mesmo valor.
Processamento Digital de Imagens 6
2
Conectividade
Processamento Digital de Imagens
� Conjunto V é o conjunto de valores de tons de cinza utilizados para se definir a conectividade.� Ex: numa imagem binária fazemos V = {1} para a
conexão de pixels com valor 1.
� Numa imagem de múltiplos tons de cinza (ex: 256 nc), para a conexão de pixels com valores de intensidade na faixa de 32 a 64, temos:
V = {32,33,...,63,64}
7
Conectividade
� Definição dos critérios de conectividade:
1. “4-conectividade”: dois pixels p e q, com valores de tom de cinza contidos em V, são “4-conectados” se q ∈ N4(p).
2. “8-conectividade”: dois pixels p e q, em V, são “8-conectados” se q ∈ N8(p).
3. “m-conectividade (conectividade mista)”: dois pixels p e q, em V, são “m-conectados” se:
a) q ∈ N4(p)
b) q ∈ Nd(p)
Processamento Digital de Imagens
ou
N4(p) ∩ N4(q) = ∅e
8
Conectividade
� Conectividade mista é uma modificação da 8-conectividade e é introduzida para eliminar os múltiplos caminhos que geralmente surgem quando a 8-conectividade é usada.� Ex: considere V = {1} para o trecho de imagem
abaixo.
Processamento Digital de Imagens
1 1 0
0 1 0
1 0 0Segmento de imagem binária
1 1 0
0 1 0
1 0 0Pixels 8-conectados
1 1 0
0 1 0
1 0 0Pixels m-conectados
9
Medidas de Distância
� Muitas aplicações requerem o cálculo da distância entredois pixels de uma imagem.
� Entretanto, não há uma única forma para se definirdistância em imagens digitais.
� Para os pixels p, q e z, com coordenadas (x1,y1), (x2,y2)e (x3,y3), respectivamente, D é uma função distânciaou medida de distância se:
a) D(p,q) ≥ 0
b) D(p,q) = D(q,p)
c) D(p,z) ≤ D(p,q) + D(q,z)
Processamento Digital de Imagens
(D(p,q) = 0 se p = q)
e
10
Medidas de Distância
Processamento Digital de Imagens
� A distância Euclidiana entre p e q é definida como:
De(p,q) = �1� �22� �1� �2
2
� Na distância Euclidiana, os pixels que possuem distância de p menor ou igual a um valor r são os pontos contidos em um disco de raio r centrado em p.
� Por exemplo, os pontos com distância De ≤ 3 de um ponto central (x,y)
formam o seguinteconjunto de pontos:
11
Medidas de Distância
� A distância Euclidiana está mais próxima do caso contínuo, mas requer mais esforço computacional (produz valores fracionários).
� Outra medida de distância é a distância D4, também conhecida como distância city block.
� A distância D4 entre p e q é definida como:
D4(p,q) = |x1 – x2| + |y1 – y2|
� Onde | . | denota módulo (ou valor absoluto).
Processamento Digital de Imagens 12
3
Medidas de Distância
Processamento Digital de Imagens
� Neste caso, os pixels que têm uma distância D4 de pmenor ou igual a um valor r formam um losango centrado em p.
� Em particular, os pontos com distância 1 (D4 = 1) são os pixels 4-vizinhos do ponto central.
� Por exemplo, os pontos com distância D4 ≤ 3 de um ponto central (x,y)
formam o seguinteconjunto de pontos:
13
Medidas de Distância
� Outra medida de distância é a distância D8
(chamada de distância chessboard).
� A distância D8 entre p e q é definida como:
D8(p,q) = max(|x1 – x2|,|y1 – y2|)
� Onde max é um operador que devolve omaior valor dentre um conjunto de valores.
� Neste caso, os pixels que têm uma distânciaD8 de p menor ou igual a um valor r formamum quadrado centrado em p.
Processamento Digital de Imagens 14
Medidas de Distância
� Os pontos com distância 1 (D8 = 1) são ospixels 8-vizinhos do ponto central.
� Por exemplo, os pontos com distância D8 ≤ 3de um ponto central (x,y) formam o seguinteconjunto de pontos:
Processamento Digital de Imagens 15
Medidas de Distância
� A distância D4 entre dois pixels p e q é igual aocomprimento do caminho mais curto entre essespixels, considerando-se a 4-vizinhança.
� Do mesmo modo, a distância D8 corresponde aocaminho-8 (8-vizinhança) mais curto entre essespontos.
Processamento Digital de Imagens 16
Medidas de Distância
� Outra medida de distância é a distância Dm.
� A distância Dm entre dois pontos é definida como o caminho-m mais curto entre os pontos.
� Nesse caso, a distância entre dois pixels dependerá dos valores dos pixels ao longo do caminho e também dos valores dos pixels vizinhos.
� Por exemplo, para o arranjo de pixels a seguir, assuma que p, p2 e p4 tenham valor 1 e que p1 e p3 possam ter valor 0 ou 1.
Processamento Digital de Imagens 17
Medidas de Distância
� Consideremos que o valor da adjacência seja 1 (V = {1}).
� Se p1 e p3 são 0, a extensão do caminho-m mais curto (distância Dm) entre p e p4 é 2.
� Se p1 é 1, então p e p2 não serão mais adjacentes-m e Dm
passa a ser 3 (o caminho passa pelos pontos pp1p2p4).
� O mesmo ocorre se p3 for 1 (e p1 for 0), então Dm é 3.
� Finalmente, se p1 e p3 forem 1 então Dm (que é a extensão do caminho-m mais curto) entre p e p4 é 4 (o caminho passa pela sequência de pontos pp1p2p3p4).
Processamento Digital de Imagens
p3 p4
p1 p2
p
18
4
Arranjos Matriciais x Matrizes
� Uma operação de arranjo matricial envolvendo uma ou mais imagens é realizada pixel a pixel.
� Consideremos as seguintes imagens 2x2:
Processamento Digital de Imagens
� O produto de arranjo matricial dessas duas imagens é:
19
Arranjos Matriciais x Matrizes
� Por outro lado, o produto da matriz é:
Processamento Digital de Imagens
� Utilizaremos as operações de arranjo matricial ao longo do curso, a não ser que se determine o contrário.
� Por exemplo, quando quisermos elevar uma imagem a uma potência, então cada pixel individual é elevado a essa potência.
20
Operações Lógicas e Aritméticas
Processamento Digital de Imagens
Z = X opn Y
� Uma imagem adquirida e digitalizada é uma matriz deinteiros que pode ser manipulada numericamente,utilizando operações lógicas e/ou aritméticas.
� Estas operações podem ser efetuadas pixel a pixel ouorientadas à vizinhança.
� Sejam duas imagens X e Y de igual tamanho. Estas imagens podem ser processadas pixel a pixel, usando um operador lógicoou aritmético,produzindo umaterceira imagem Z.
21
Operações Lógicas e Aritméticas
� Operações pontuais com mais que uma imagem de entrada:� Operações aritméticas: soma, subtração, multiplicação, divisão.
� Operações lógicas: and, or, not, etc.
� Operações comparativas: min, max.
Processamento Digital de Imagens 22
Operações Aritméticas
� As operações aritméticas entre imagens são operações de arranjo matricial.
� Isso significa que as operações aritméticas são realizadas entre pares de pixels correspondentes.
� As quatro operações aritméticas são expressas como:
� s(x,y) = f(x,y) + g(x,y)
� d(x,y) = f(x,y) – g(x,y)
� p(x,y) = f(x,y) × g(x,y)
� ν(x,y) = f(x,y) ÷ g(x,y)
Processamento Digital de Imagens 23
Operações Aritméticas
� Operações aritméticas podem produzir imagens com valores fora do intervalo de níveis de cinza das imagens originais.
� A adição de duas imagens pode gerar tons de cinza acima da escala de cinza original ⇒overflow.
� A subtração de duas imagens pode resultar em valores negativos para alguns pixels ⇒underflow.
Processamento Digital de Imagens 24
5
Operações Aritméticas
� Logo, operações aritméticas sobre imagensrequerem cuidados com os problemas deunderflow e overflow do resultado.
� Para resolver estes problemas, duas soluçõespodem ser adotadas:� Truncar os valores maiores que o máximo permitido,
bem como os valores negativos; ou
� Manter os resultados intermediários em uma matriz eproceder a uma normalização destes valoresintermediários (realiza-se uma transformação daescala de cinza na imagem resultante).
Processamento Digital de Imagens 25
Operações Aritméticas
� Ex: Dadas as matrizes X e Y (trechos deimagens com escala de 256 níveis decinza), adicioná-las e informar:
a) O resultado intermediário (sem considerar ounderflow e overflow).
b) O resultado final utilizando truncamento.
c) O resultado final utilizando normalização.
Processamento Digital de Imagens
200 100 100
0 10 50
50 250 120
X =
100 220 230
45 95 120
205 100 0
Y =
26
Efeitos e Aplicações de Operações Aritméticas
Operação Efeito sobre a imagem Aplicações
AdiçãoZ ⇒ resultado da soma de X e Y. Se Y for um escalar positivo, Z é uma versão mais clara de X.
Realce de imagens.
Remoção de ruídos.
SubtraçãoZ ⇒ resultado da diferença de X e Y. Se Y for um escalar, Z é uma versão mais escura de X.
Realça diferenças entre duas imagens de uma mesma cena.
MultiplicaçãoZ ⇒ produto de X por Y. Se Y for um escalar positivo, Z é diretamente proporcional a X por um fator Y.
Correção de sombreamento. Mascaramento.
DivisãoZ ⇒ razão de X por Y. Se Y for um escalar positivo, Z é inversamente proporcional a X por um fator Y.
Normalização de brilho (modifica a escala de cinza).Processamento Digital de Imagens 27
Operações Aritméticas em Imagens Monocromáticas
Processamento Digital de Imagens
X Y X+Y (normalizado)
Adição
28
Operações Aritméticas em Imagens Monocromáticas
Processamento Digital de Imagens
X Y X – Y (normalizado)
Subtração
29
Operações Aritméticas em Imagens Monocromáticas
Processamento Digital de Imagens
X Y X * Y (normalizado)
Multiplicação
30
6
Operações Aritméticas em Imagens Monocromáticas
Processamento Digital de Imagens
X Y X / Y (normalizado)
Divisão
31
Exemplos de Aplicações
� Subtração na detecção de movimento.� Subtração de imagens em que parte da imagem esteja
em movimento ou tenha se modificado.
� A subtração irá gerar uma clara fronteira entre as regiões que se movem e as regiões estáticas.
Processamento Digital de Imagens
threshold
Em função do número depixels pretos, pode-setomar a decisão de quehouve ou não umamudança relevante naimagem.
32
Exemplos de Aplicações
Processamento Digital de Imagens
(a) Imagem do par de galáxias NGC 3314 corrompida pelo ruído gaussiano aditivo. (b) a (f) Resultados do cálculo da média de 5, 10, 20, 50 e 100 imagens ruidosas, respectivamente.
33
Exemplos de Aplicações
(a) Imagem em infravermelho da área de Washington. (b) Imagem obtida zerando o bit menos significativo de todos os pixels de (a). (c) Diferença entre as duas imagens ajustada para a faixa [0,255] para melhor visualização.Processamento Digital de Imagens 34
Exemplos de Aplicações
Processamento Digital de Imagens
Angiografia por subtração digital. (a) Imagem máscara. (b) Uma imagem ativa. (c) Diferença entre (a) e (b). (d) Imagem da diferença realçada.
35
Exemplos de Aplicações
Correção de sombreamento. (a) Imagem sombreada de um filamento de tungstênio (ampliação de 130 vezes). (b) O padrão de sombreamento. (c) Produto de (a) pelo inverso de (b).
Processamento Digital de Imagens 36
7
Exemplos de Aplicações
(a) Imagem digital de uma radiografia odontológica. (b) Máscara com duas regiões de interesse para isolar dentes com obturações (branco → 1, preto → 0). (c) Produto de (a) com (b).
Processamento Digital de Imagens 37
Operações Lógicas Pixel a Pixel
� Todas as operações lógicas podem ser efetuadas entreimagens, inclusive a operação de complemento (NOT).
� Operações lógicas podem ser efetuadas em imagenscom qualquer n° de níveis de cinza, mas são melhorcompreendidas quando aplicadas em imagens binárias.
� As operações lógicas podem ser utilizadas paracombinar informação entre imagens ou extrair regiõesde interesse.
� Seguem alguns exemplos com operações AND, OR,XOR e NOT (considere 0 para pixel preto, e 1 parapixel branco).
Processamento Digital de Imagens 38
Operações Lógicas Pixel a Pixel
Processamento Digital de Imagens 39
Operações Lógicas Pixel a Pixel
AND
OR
Processamento Digital de Imagens 40
Operações Lógicas Pixel a Pixel
XOR
ANDNOT
Processamento Digital de Imagens 41
Operações Lógicas em Imagens Monocromáticas
X Y X and Y
X Y X or YProcessamento Digital de Imagens 42
8
Operações Lógicas em Imagens Monocromáticas
X Y X xor Y
X Not XProcessamento Digital de Imagens 43 Processamento Digital de Imagens 44