Universidade Estadual de Campinas UNICAMP

Centro Superior de Educa

c
ao Tecnol
ogica CESET

Processamento Digital de Imagens - ST061

Prof.: Marco Antonio Garcia de Carvalho

Agosto 2004
Campinas, SP - Brasil

Sum
ario
1 Introduc
ao ao processamento digital de imagens
1.1 Fundamentos . . . . . . . . . . . . . . . . . . . .
1.2 Representacao de imagens digitais . . . . . . . . .
1.3 Sistema de processamento de imagens digitais . .
1.3.1 Aquisicao . . . . . . . . . . . . . . . . . .
1.3.2 Armazenamento . . . . . . . . . . . . . . .
1.3.3 Processamento . . . . . . . . . . . . . . .
1.3.4 Comunicacao . . . . . . . . . . . . . . . .
1.3.5 Exibicao . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

3
3
3
4
4
6
6
6
6

2 Fundamentos de Imagens Digitais

2.1 Relacionamento basico entre pixels . . . . . . . . . . . . .
2.1.1 Vizinhos de um pixel . . . . . . . . . . . . . . . . .
2.1.2 Conectividade . . . . . . . . . . . . . . . . . . . . .
2.1.3 Rotulacao de componentes conexos . . . . . . . . .
2.1.4 Medidas de distancia . . . . . . . . . . . . . . . . .
2.2 Modelo de camera . . . . . . . . . . . . . . . . . . . . . . .
2.2.1 Modelo de camera - transformacoes de perspectiva .
2.2.2 Modelo de camera - Imageamento estereo . . . . . .
2.3 Transformacoes geometricas . . . . . . . . . . . . . . . . .
2.3.1 Translacao . . . . . . . . . . . . . . . . . . . . . . .
2.3.2 Rotacao - Eixo z . . . . . . . . . . . . . . . . . . .
2.3.3 Mudanca de escala . . . . . . . . . . . . . . . . . .
2.3.4 Ampliacao e reducao (zoom in e zoom out) . . . . .
2.3.5 Espelhamento (flip) . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

7
7
7
7
7
8
9
9
10
11
11
11
11
11
11

3 Processamento de histograma
3.1 Calculo do histograma de uma imagem . . . . . . . . . . . . . . . . . . . .
3.2 Equalizacao de histograma . . . . . . . . . . . . . . . . . . . . . . . . . . .

13
13
15

4 Realce de Imagens
4.1 Introducao . . . . . . . . . . . .
4.2 Fundamento matematicos . . .
4.2.1 Convolucao . . . . . . .
4.2.2 Transformada de Fourier

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

17
17
17
17
18

5 Filtragem de imagens via opera

c
ao de convolu
c
ao
5.1 Filtragem passa-baixa . . . . . . . . . . . . . . . .
5.2 Filtragem por mediana . . . . . . . . . . . . . . . .
5.3 Filtragem passa-alta . . . . . . . . . . . . . . . . .
5.4 Deteccao de pontos . . . . . . . . . . . . . . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

20
20
20
21
22

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

5.5

Deteccao de bordas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

6 Estatsticas
6.1 Maximo e mnimo . . . . .
6.2 Media . . . . . . . . . . .
6.3 Desvio padrao e variancia
6.4 Mode . . . . . . . . . . . .
6.5 Correlacao . . . . . . . . .
6.6 Relacao Sinal-Rudo . . .

22

.
.
.
.
.
.

23
23
23
23
23
23
24

.
.
.
.
.
.

25
25
25
25
26
26
27

8 Representac
ao e descric
ao de imagens
8.1 Representacao: Esqueleto de uma regiao . . . . . . . . . . . . . . . . . . .
8.2 Descricao: descritores simples de fronteiras e regioes . . . . . . . . . . . . .

29
29
30

Bibliografia

32

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

7 Segmentac
ao de imagens
7.1 Deteccao de descontinuidade . .
7.1.1 Deteccao de pontos . . .
7.1.2 Deteccao de linhas . . .
7.2 Limiarizacao . . . . . . . . . . .
7.3 Segmentacao orientada a regioes
7.3.1 Crescimento de regioes .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

ST061

Introduc
ao ao processamento digital de imagens

1.1

Fundamentos

As tecnicas de PDI tem por objetivo melhorar a informacao visual para a analise e
interpretacao humanas.
Primeiras tecnicas de PI: melhoramento de imagens digitalizadas para jornais enviadas de Londres para New York (decada de 20).
Melhora da qualidade visual das imagens: impressao e distribuicao de nveis de brilho.
Processamento digital: iniciado pelo Jet Propulsion Lab, 1964, com imagens da Lua.
Aplicacoes na medicina (raios X, MRI), geografia (clima, poluicao), arqueologia
(correcao de imagens borradas, montagem de quebra-cabecas com o objetivos antigos), fsica, biologia, aplicacoes industriais etc.
A Figura 1 apresenta alguns exemplos de aplicacoes de diversas tecnicas de processamento digital de imagens
O processamento digital de imagens abrange uma ampla escala de hardware, software
e fundamentos teoricos.

1.2

Representa
c
ao de imagens digitais

Uma imagem e uma funcao bidimensional de intensidade da luz f (x, y), onde x
e y denotam as coordenadas espaciais e o valor de f em qualquer ponto (x, y) e
proporcional ao brilho (nvel de cinza) da imagem naquele ponto.
A convencao e atribuir proporcionalmente valores mais altos para areas de maior
brilho.
Uma imagem digital pode ser considerada uma matriz cujos ndices de linhas e colunas
identificam um ponto na imagem, como mostra a Figura 2, e o correspondente valor
do elemento identifica o nvel de cinza naquele ponto.
Os elementos dessa matriz sao chamados de pixels ou pels (pictures elements).
O tamanho das imagens varia de acordo com a aplicacao. Contudo, e interessante
trabalhar com matrizes quadradas com nveis de cinza que sejam potencias inteiras
de 2.

Processamento Digital de Imagens

ST061

(a)

(b)

(c)

(d)

(e)

(f)

Figura 1: Aplicacoes em processamento digital de imagens.

1.3

Sistema de processamento de imagens digitais

Uma seq
uencia tpica de procedimentos em um sistema de processamento de imagens
e mostrada na Figura 3[4].
Os elementos de um sistema de proposito geral capaz de desempenhar as operacoes
de PDI sao: aquisicao, armazenamento, processamento, comunicacao e exibicao.
1.3.1

Aquisic
ao

Converte a imagem para uma representacao numerica adequada `as etapas posteriores
do sistema.
necessario um sensor para imageamento (sensvel a uma banda do espectro de
E
energia eletromagnetica) e de um digitalizador (converta o sinal fsico para a forma
digital).

Processamento Digital de Imagens

ST061

Figura 2: Convencao dos eixos para representacao de imagens digitais.

Figura 3: Uma seq

uencia de passos em sistemas de processamento digital de imagens.

Processamento Digital de Imagens

ST061

Por exemplo, em um sistema de raios X, o meio que recebe a fonte de raios X que passa
por um corpo ou objeto e um filme (poderia ser um CCD Dispositivo de Carga
Acoplada). Uma imagem digital e obtida ao se permitir apenas valores discretos de
intensidade de luz e de posicao.
1.3.2

Armazenamento

Uma das classificacoes na forma de armazenamento e: curto tempo (uso durante o

processamento), on-line (acesso rapido) e em arquivo (acesso menos freq
uente).
O armazenamento e medido em bytes. Por exemplo, uma imagem de 8 bits com
resolucao de 1024 x 1024 pixels, requer um milhao de bytes para seu armazenamento.
Frame-buffer e um tipo de memoria computacional de curto tempo, na qual uma
imagem pode ser acessada de forma rapida, em taxas de tempo de vdeo.
1.3.3

Processamento

Envolve procedimentos que sao geralmente expressos em forma algortmica; a maioria, implementada em software.
O processamento de imagens e caracterizado por solucoes especficas. Tecnicas que
funcionam bem em uma area podem se mostrar inadequadas em outra area. Portanto,
ha espaco para bastante pesquisa.
1.3.4

Comunicac
ao

Comunicacao entre sistemas transmissao: desafio quanto `a velocidade de transmissao e qualidade das imagens enviadas.
O problema torna-se ainda mais complicado quando deseja-se transmitir seq
uencias
de vdeo (imagens em movimento com audio associado).
1.3.5

Exibic
ao

Os principais dispositivos de sada sao os monitores de computadores. A resolucao

espacial dos monitores e normalmente especificada em pontos por polegada (dots per
inch dpi). Um valor tpico de resolucao e 72dpi, sendo que uma tela de TV tem
resolucao na faixa de 40dpi [2].
Existem diversas formas de reproducao em papel. A melhor e a reproducao fotografica. Uma alternativa e o uso da tecnica de halftoning que consiste, basicamente, em imprimir pontos escuros de diferentes tamanhos espacados de tal maneira
a reproduzir a ilusao de tons de cinza.

Processamento Digital de Imagens

ST061

Fundamentos de Imagens Digitais

2.1

Relacionamento b
asico entre pixels

Nas secoes seguintes, uma imagem sera representada por I (i, j).
2.1.1

Vizinhos de um pixel

Um pixel p de coordenadas (i, j), tem quatro vizinhos horizontais e verticais cujas
coordenadas sao
(i + 1, j) , (i 1, j) , (i, j + 1) , (i, j 1)
O conjunto de vizinhos acima e denominado de vizinhanca-4 de p e representado por
N4 (p). Acrescentando os vizinhos das diagonais, determina-se a vizinhanca-8 de p,
denotado por N8 (p).
2.1.2

Conectividade

Para dizer que dois pixels sao conectados e preciso determinar se eles sao adjacentes
(vizinhanca-4, por exemplo) e se seus nveis de cinza satisfazem um certo criterio de
similaridade (se sao iguais, por exemplo).
Por exemplo, em uma imagem binaria com intensidades 0 e 1, dois pixels podem ser
N4 (p), mas eles nao sao conectados (precisariam ter o mesmo valor).
2.1.3

Rotulac
ao de componentes conexos

A habilidade de atribuir rotulos diferentes a componentes conexos disjuntos de uma

imagem e de fundamental importancia em visao computacional.
Um algoritmo simples e seq
uencial de rotulacao de uma imagem e explicado abaixo
atraves de um conjunto de passos.
1. A imagem deve ser percorrida pixel por pixel, da esquerda para direita e de
cima para baixo.
2. Assumiremos vizinhanca N4 (p).
3. Sejam os vizinhos superior e esquerdo de p representados por s e e, respectivamente.
4. Se o valor de p e 0, siga para a proxima posicao.
5. Se o valor de p e 1, examine s e e: (a) se ambos forem iguais a zero, atribua a
p um novo rotulo; (b) se apenas um dos vizinhos de p for igual a 1, atribua a p
o seu rotulo; (c) se ambos forem 1 e possuem o mesmo rotulo, atribua a p este
rotulo; (d) se ambos forem 1, mas possuem rotulo diferentes, atribua um dos
rotulos a p e anote que os dois rotulos sao equivalentes (os pontos s e e estao
conectados por p).
Processamento Digital de Imagens

ST061

6. Ao final da varredura, todos os pixels com valor 1 terao sido rotulados, mas alguns destes rotulos poderao ser equivalentes. Portanto, e necessario reorganizar
os rotulos equivalentes em valores iguais.
A Figura 4 mostra um processo de rotulacao para uma imagem sintetica de 7 linhas
e 6 colunas.

Figura 4: Processo de rotulacao: (a) imagem original com blobs; (b) imagem digital; (c)
imagem rotulada.

2.1.4

Medidas de dist
ancia

Seja tres pixels p, q e z, D e uma funcao distancia (ou metrica) se:

(a) D (p, q) 0 (D (p, q) = 0 se p = q)
(b) D (p, q) = D (q, p)
(c) D (p, z) D (p, q) + D (q, z)
A distancia D4 , tambem chamada de quarteir
ao, entre p e q e definida como
D4 (p, q) = |x s| + |y t|

(1)

onde (x, y) e (s, t) sao as coordenadas de p e q, respectivamente. Por exemplo, se

pegarmos os pixels com D4 2 a seguinte figura e formada (com relacao a um ponto
central)
2
2 1 2
2 1 0 1 2
2 1 2
2
Outra medida de distancia conhecida como xadrez ou D8 , e definida como:
D8 (p, q) = max (|x s| , |y t|)
Processamento Digital de Imagens

(2)
8

ST061

Por exemplo, se pegarmos os pixels com D8 2 a seguinte figura e formada (com

relacao a um ponto central)
2
2
2
2
2

2.2
2.2.1

2
1
1
1
2

2
1
0
1
2

2
1
1
1
2

2
2
2
2
2

Modelo de c
amera
Modelo de c
amera - transforma
c
oes de perspectiva

Uma transformacao perspectiva projeta pontos 3D em um plano, como mostra a

Figura 5. Observe que o sistema de coordenadas da camera esta alinhado com o
sistema de coordenadas do mundo.

Figura 5: Modelo basico de processamento de imagens. Apresenta os sistemas de coordenadas da camera (x, y, z) e do mundo (X, Y, Z) [1].

A relacao que fornece as coordenadas (x, y) da projecao do ponto (X, Y, Z) sobre o

plano da imagem e dada por semelhanca de triangulos.
x
X
=
d
Z d
y
Y
=
d
Z d
Processamento Digital de Imagens

(3)
(4)
9

ST061

Portanto, as equacoes acima podem ser escritas da seguinte forma

2.2.2

x=

dX
dZ

(5)

y=

dY
dZ

(6)

Modelo de c
amera - Imageamento est
ereo

No modelo de transformacao perspectiva visto na secao anterior, a informacao de

profundidade e perdida quando o ponto (X, Y, Z) e imageado no plano da imagem.
Entretanto, essa informacao pode ser recuperada atraves do uso de tecnicas de imageamento estereo, com base no modelo mostrado na Figura 6.

Figura 6: Modelo do processo de imageamento estereo[1].

O procedimento consiste em se obter duas vistas para um mesmo objeto (ponto w,

neste exemplo). A distancia entre os centros das lentes B e chamada de linha de
base. O objetivo e determinar as coordenadas (X, Y, Z) do ponto w, tendo (x1 , y1 ) e
(x2 , y2 ).
Assume-se que as cameras sao identicas e que os sistemas de coordenadas coordenadas
de ambas as cameras estejam alinhados.
As equacoes de X, Y seguem diretamente deduzidas como na secao anterior. Para
X, as equacoes sao:
x1
X1 =
(d Z1 )
(7)
d
x2
X2 =
(d Z2 )
(8)
d
Processamento Digital de Imagens

10

ST061

A coordenada Z e a mesma para ambos os sistemas de coordenadas e dada por:

dB
Z =d
(9)
x2 x1
A tarefa mais difcil no uso da equacao acima consiste em determinar dois pontos
correspondentes em imagens diferentes da mesma cena.

2.3

Transforma
c
oes geom
etricas

Trabalharemos com coordenadas homogeneas. As operacoes sao feitas da seguinte

forma: P1 = O P , onde O e a transformacao que se deseja efetuar, P e P1 correspondem as coordenadas do ponto antes e apos a transformacao, respectivamente.
2.3.1

Translac
ao

1
0
T =
0
0
2.3.2

0
1
0
0

0 dx
0 dy

1 dz
0 1

Rotac
ao - Eixo z

cos sen 0 0
sen cos 0 0

Rz () =
0
0
1 0
0
0
0 1
2.3.3

Mudanca de escala

Sx 0 0
0 Sy 0
S=
0 0 Sz
0 0 0
2.3.4

0
0

0
1

Ampliac
ao e reduc
ao (zoom in e zoom out)

As dimensoes de uma imagem sao aumentadas ou diminudas para efeito de visualizacao. por exemplo, para um fator 2, o processo de ampliacao pode ser demonstrado
pela Figura 7.
2.3.5

Espelhamento (flip)

Combina rotacoes por angulos m

ultiplos de 90 sob a imagem transposta:
(a) Flip horizontal - Rotacao de 90 (AH) sob a transposta;
(b) Flip vertical - Rotacao de 90 (H) sob a transposta
Processamento Digital de Imagens

11

ST061

Figura 7: Ampliacao por um fator 2. Cada pixel na imagem (a) corresponde a 4 na imagem
(b)[2]. O processo inverso produz a reducao da imagem.

Figura 8: Exemplo de espelhamento: (a) imagem original; (b) flip horizontal de (a); (c)
Flip vertical de (a)[2].

Processamento Digital de Imagens

12

ST061

Processamento de histograma
O histograma de uma imagem com nveis de cinza no intervalo entre [0, L 1] e
uma funcao discreta p (rk ) = nk /n, em que rk e o k-esimo nvel de cinza (k =
0, 1, 2, . . . L 1), nk e o n
umero de pixels na imagem com este nvel de cinza e n
corresponde ao n
umero total de pixels na imagem.
Um grafico dessa funcao fornece uma descricao global da aparencia desta imagem,
possvel obter uma indicacao da qualidade do contraste
como mostra a Figura 9. E
e brilho medio (imagem predominantemente clara ou escura).

Figura 9: Exemplos de histogramas de imagens: (a) Imagem original Pout e seu histograma; (b) Imagem original Tire e seu histograma; (c) Imagem original Bone marrow e seu
histograma.

3.1

C
alculo do histograma de uma imagem

Um exemplo de obtencao do histograma de uma imagem de 8 8 com 8 nveis de

cinza e dado na Figura 10 e Tabela 1.

Processamento Digital de Imagens

13

ST061

Nvel de cinza rk
0
1
2
3
4
5
6
7

Nvel de cinza normalizado nk

0
28
1/7
12
2/7
8
3/7
8
4/7
4
5/7
2
6/7
2
1
0
Total
64

p (rk )
0,4375
0,1875
0,125
0,125
0,0625
0,03125
0,03125
0
1

Tabela 1: Valores para o calculo do histograma da imagem mostrada na Figura 10.

Figura 10: Calculo do histograma de uma imagem:(a) imagem original; (b) histograma
correspondente.

Processamento Digital de Imagens

14

ST061

3.2

Equaliza
c
ao de histograma

Tecnica a partir da qual se procura redistribuir os valores de tons de cinza dos pixels
em uma imagem de modo a obter um histograma mais uniforme.
Utiliza-se o conceito de transformacao de intensidade. Seja um nvel de cinza rk ,
usaremos uma transformacao do tipo
sk = T (rk )

(10)

onde sk e o novo tom de cinza na imagem destino. A transformacao mais usual para
se equalizar um histograma e atraves da funcao de distribuicao acumulada (cdf cumulative distribution function) [2], expressa por:
sk =

k
X

p (rj )

(11)

j=0

onde 0 rk 1 e k = 0, 1, 2, . . . , L 1.
No exemplo numerico da Figura 10, aplicando-se a transformacao de intensidade da
Equacao 11, produz-se a equalizacao apresentada na Figura 11.

Figura 11: Equalizacao do histograma da imagem da Figura 10:(a) imagem apos transformacao; (b) histograma equalizado.

A Figura 12 apresenta alguns exemplos de equalizacao para as imagens da Figura 9.

Processamento Digital de Imagens

15

ST061

Figura 12: Exemplos de equalizacao de histogramas para as imagens da Figura 9: (a)

Imagem Pout e seu histograma equalizado; (b) Imagem Tire e seu histograma equalizado;
(c) Imagem Bone marrow e seu histograma equalizado.

Processamento Digital de Imagens

16

ST061

Realce de Imagens

4.1

Introdu
c
ao

O objetivo e processar uma imagem de modo que o resultado seja mais adequado
para a aplicacao em questao.
Um classificacao ampla das tecnicas de realce de imagens consiste em: metodos no
domnio espacial e metodos no domnio espectral.
As tecnicas classificadas no domnio espacial operam diretamente sobre a matriz dos
pixels que representa a imagem. Podem ser divididas em tecnicas de procssamento
ponto-a-ponto e de processamento por mascara.
As tecnicas classificadas como de domnio da freq
uencia sao baseadas na modificacao
da transformada de Fourier da imagem.

4.2
4.2.1

Fundamento matem
aticos
Convoluc
ao

Uma relacao entre entrada-sada e chamada de sistema se existe uma u

nica sada
para uma dada entrada. Essa relacao e dada na Figura 13.

Figura 13: Um sistema: relacao entre a entrada x (n1 , n2 ) e a sada y (n1 , n2 ). T [] representa
uma transformacao qualquer.

A relacao entre entrada e sada e dada por

y (n1 , n2 ) = T [x (n1 , n2 )]

(12)

Para sistemas lineares invariantes no tempo (SLIT), a equacao acima pode ser reescrita da seguinte forma

y (n1 , n2 ) =

x (k1 , k2 ) T [ (n1 k1 , n2 k2 )]

(13)

x (k1 , k2 ) h (n1 k1 , n2 k2 )

(14)

k1 = k2 =

ou
y (n1 , n2 ) =

k1 = k2 =

Processamento Digital de Imagens

17

ST061

onde
h (n1 k1 , n2 k2 ) = T [ (n1 k1 , n2 k2 )]

(15)

e (n1 , n2 ) e a funcao impulso definida abaixo.


1, n1 = n2 = 0
(n1 , n2 ) =
0, caso contrario
A Equacao 16 e conhecida como convoluc
ao e denotada pelo operador *, ou seja
y (n1 , n2 ) = x (n1 , n2 ) h (n1 , n2 )

(16)

Exemplo 1 Fazer a convolucao entre x e h dados na Figura 14.

Figura 14: Exemplo de convolucao. Determine o valor da sada y (n1 , n2 ).

4.2.2

Transformada de Fourier

A operacao que transforma um sinal para sua representacao via componentes de

freq
uencia e denominada de Transformada (Fourier, wavelet, Z).
O par de transformadas discretas de Fourier para o caso 2D e dado por
M 1 N 1
1 XX
F (u, v) =
f (x, y) exp [j2 (ux/M + vy/N )]
M N x=0 y=0

(17)

onde u = 0, 1, 2, . . . , M 1 e v = 0, 1, 2, . . . , N 1 e
f (x, y) =

M
1 N
1
X
X

F (u, v) exp [j2 (ux/M + vy/N )]

(18)

u=0 v=0

Freq
uentemente, a transformada de Fourier e expressada na forma exponencial, ou
seja,
F (u, v) = |F (u, v)| ej(u,v)
Processamento Digital de Imagens

(19)
18

ST061

A funcao magnitude |F (u, v)| e chamada de espectro de Fourier e (u, v),

angulo de
fase.
O quadrado do espectro |F (u, v)|2 e chamado de espectro de potencia ou densidade
espectral.
A imagem mostrada na Figura 15 apresenta um exemplo de transformada de Fourier.

Figura 15: Exemplo de transformada de Fourier: (a) imagem original lena; (b) espectro
de Fourier de (a).

Existe uma relacao basica entre a transformada de Fourier e a convolucao, importante

para a compreensao das tecnicas de PDI:
f (x, y) h (x, y) F (u, v) H (u, v)

(20)

Transformada R
apida de Fourier (FFT - Fast Fourier Transform) A
FFT e um algoritmo que reduz a quantidade de operacoes necessarias para o calculo
da Transformada de Fourier. A complexidade cai de N 2 para N log2 N . Por exemplo,
suponha que se deseja calcular a Transformada de Fourier de um vetor de 8192
elementos: se o tempo de processamento em uma maquina qualquer fosse 5s usando
a FFT, a mesma maquina levaria cerca de 600 vezes mais tempo para realizar o
mesmo calculo sem esta tecnica.

Processamento Digital de Imagens

19

ST061

Filtragem de imagens via opera

c
ao de convolu
c
ao
A operacao e feita diretamente sobre os valores dos pixels na imagem (chamado de
filtragem no domnio espacial).
A metodologia basica consiste na operacao de convolucao, estudada no Captulo
anterior.

5.1

Filtragem passa-baixa

Sao filtros que suavizam os contornos das imagens. Sao usados para borramento e
reducao de rudo.
O filtro tem que possuir todos os coeficiente positivos. Exemplos de mascaras de dois
tamanhos diferentes sao dadas abaixo.

1 1 1
1
1 1 1

9
1 1 1

25

1
1
1
1
1

1
1
1
1
1

1
1
1
1
1

1
1
1
1
1

1
1
1
1
1

Um exemplo de filtragem passa-baixa e dado na Figura 16.

Figura 16: (a) imagem original; (b) imagem filtrada via passa-baixa (observe que as raias
ficaram borradas).

5.2

Filtragem por mediana

Quando deseja-se reduzir o rudo, uma opcao mais adequada e a filtragem por mediana. A operacao consiste em substituir o nvel de cinza de cada pixel pela mediana
dos nveis de cinza da vizinhanca daquele pixel (esse tipo de filtro e nao-linear).
Processamento Digital de Imagens

20

ST061

A mediana m de um conjunto de valores e tal que metade dos valores no conjunto

sao menores que m e na outra metade, maiores do que m.
Ex.: Qual a mediana do conjunto {10, 20, 20, 20, 15, 20, 20, 25, 100}?
Um exemplo de filtragem por mediana e dado na Figura 17.

Figura 17: (a) imagem original; (b) imagem corrompida; (c) imagem filtrada (mediana vizinhanca 3 3).

5.3

Filtragem passa-alta

Enfatiza detalhes finos ou realca imagens que tenham sido borradas.

A imagem podera vir a ter alguns nveis de cinza negativo, de modo que e ncessario
um cliping ou uma mudanca de escala. Um exemplo de filtro passsa-alta e dado
abaixo.

1 1 1
1
1 8 1

9
1 1 1
Um exemplo de filtragem passa-alta e dado na Figura 18.

Figura 18: (a) imagem original saturno; (b) imagem filtrada via passa-alta.

Processamento Digital de Imagens

21

ST061

5.4

Detec
c
ao de pontos

A mascara abaixo destacara pixels brilhantes rodeados de pixels mais escuros.

1 1 1
1 8 1
1 1 1

5.5

Detec
c
ao de bordas

Borda e a fronteira entre duas regioes, cujos nveis de cinza predominantes sao consideravelmente diferentes. A seguir, sao apresentados diversas mascaras para deteccao
de bordas horizontais e verticais.
Sobel (vertical e horizontal)

1 0 1
1 2 1
2 0 2 , 0
0
0
1 0 1
1
2
1
Prewitt (vertical e horizontal)

1 0 1
1 1 1
1 0 1 , 0
0
0
1 0 1
1
1
1
Roberts (vertical e horizontal)

1 0 0
0 0 1
0 1 0 , 0 1 0
0 0 0
0 0 0
Um exemplo de deteccao de borda usando Sobel e dado na Figura 19.

Figura 19: (a) imagem original; (b) deteccao de borda via Sobel.

Processamento Digital de Imagens

22

ST061

Estatsticas
Em processamento de imagens, e muito comum usar estatstica para descrever imagens ou partes de uma imagem. A seguir, apresento algumas estatsticas bastante
usadas em PDI.
Um exemplo da utilizacao de alguns parametros estatsticos e dado na Figura 20.

6.1

M
aximo e mnimo

Maiores e menores valores de intensidade de luz presentes na imagem.

6.2

M
edia

A luminosidade media m de uma imagem I e definida como

m = E [I (i, j)] =

1 X
I (i, j)
N i,j<

(21)

Onde N e o n
umero total de pixels da imagem. Alternativamente, pode-se usar o
histograma para calcular a media.

6.3

Desvio padr
ao e vari
ancia

Variacao da intensidade luminosa com relacao `a media. Da uma ideia do contraste

na imagem.


2 = E |I (i, j) m|2
(22)

6.4

Mode

O valor de intensidade de luz mais freq

uente na imagem.

6.5

Correla
c
ao

A correlacao entre duas funcoes f (i, j) e g (i, j), denotada por f (i, j) g (i, j), e dada
por:
M 1 N 1
1 XX
f (i, j) g (i, j) =
f (m, n) g (i + m, j + n)
M N m=0 n=0

(23)

A operacao de correlacao e semelhante `a convolucao. A diferenca e que g (i, j) nao e

refletida em torno da origem.
Se f (i, j) e g (i, j) forem iguais, a operacao passa a ser chamada de autocorrelacao.
Para funcoes diferentes, o termo correlacao cruzada tambem e utilizado na literatura.
Processamento Digital de Imagens

23

ST061

6.6

Rela
c
ao Sinal-Rudo

A relacao sinal-rudo (SNR Signal-to-Noise Ratio) pode ter varias definicoes.

Abaixo, apresento duas definicoes: A primeira, utilizada quando se conhece que
o sinal pertence `a faixa amin a amax ; A segunda, caso o sinal nao seja limitado
e se possua a distribuicao estatstica do mesmo.


amax amin
SN R = 20log10

m
SN R = 20log10


(24)
(25)

Figura 20: (a) imagem original; (b) alguns parametros estatsticos para a imagem completa
e para a regiao de interesse (ROI region of interest) circulada.

Processamento Digital de Imagens

24

ST061

Segmentac
ao de imagens
Geralmente, o primeiro passo em analise de imagens e a segmentacao. A segmentacao subdivide uma imagem em suas parte ou objetos constituintes. Veja algumas
definicoes de segmentacao:
- Segmentacao e o processo de dividir a imagem em regioes conexas e homogeneas
(Salembier,1993),(Vachier,1995);
- O objetivo da segmentacao e de reagrupar em regioes elementos que possuem atributos similares (Agnus, 2001);
- As tecnicas de segmentacao tem como finalidade produzir uma particao da imagem
tao proxima quanto possvel daquela feita pelo olho humano (Gomila,2001).
Os algoritmos de segmentacao sao baseados em duas propriedades: descontinuidade
(deteccao de pontos isolados, linhas e bordas) e similaridade (limiarizacao e crescimento de regioes).

7.1

Detec
c
ao de descontinuidade

A teoria envolvendo este topico foi discutida no captulo sobre Filtragem de imagens. A
seguir, acrescento alguns tipos de filtros e conceitos.
7.1.1

Detecc
ao de pontos

Apos usada a mascara de filtragem, um ponto e detectado se:

|R| > T
onde T e um limiar nao-negativo e R e dado pela equacao:
R = w1 z1 + w2 z2 + w9 z9 =

9
X

wi zi

(26)

i=1

tal que wi sao os coeficientes do filtro 3 3 e zi , os nveis de cinza da imagem.

7.1.2

Detecc
ao de linhas

Abaixo, exemplos de mascaras para deteccao de linhas a +45 e 45, respectivamente.

1 1 2
2 1 1
1 2 1 e 1 2 1
2 1 1
1 1 2
Apos a convolucao, deve ser feita a limiarizacao, como descrita na Secao anterior e
melhor definida na proxima Secao.
Processamento Digital de Imagens

25

ST061

7.2

Limiariza
c
ao

Na Figura 21 sao mostrados 2 diferentes histogramas Qual a analise que pode ser
feita com base nesses histogramas?

Figura 21: Limiarizacao analise de histogramas.

A limiarizacao e uma operacao que envolve testes de uma funcao f (x, y). A limiarizacao de uma imagem g (x, y) e definida como:

g (x, y) =

1 se f (x, y) > T
0 se f (x, y) T

Um exemplo de binarizacao de imagens e dada na Figura 22. De que forma poderamos

remover os pequenos pontos brancos?

(a)

(b)

Figura 22: Exemplo de limiarizacao: (a) imagem original; (b) imagem binarizada com
T = 180.

7.3

Segmenta
c
ao orientada a regi
oes

Define as regioes diretamente na imagem, sem antes realizar outra operacao (binarizacao, por exemplo).

Processamento Digital de Imagens

26

ST061

7.3.1

Crescimento de regi
oes

Agrupa pixels ou sub-regioes em regioes maiores. O processo mais simples comeca

com um conjunto de pontos sementes, anexando paulatinamente os outros pixels da
imagem, caso alguma propriedade destes seja similar `a da semente.
Exemplos de criterios de similaridade: nvel de cinza, cor e textura. A quantidade
de regioes da imagem correspondera a quantidade de sementes.
Veja um exemplo da tecnica de crescimento de regiao mostrada na Tabela 2 abaixo.

1
2
3
4
5

1
0
1
0
2
0

2
0
1
1
0
1

3
5
5
6
7
5

4
6
8
7
6
6

5
7
7
7
6
5

Tabela 2: Imagem I aplicacao da tecnica de crescimento de regioes utilizando o criterio

da diferenca absoluta entre os nveis de cinza do pixel e da semente menor que um dado
limiar T : (a) para T = 3; (b) para T = 8. Defina que qualquer pixel que satisfaca essa
propriedade para ambas a sementes, sera atribudo `a Regiao R1 . As sementes sao os pontos
(3, 2) e (3, 4).
Dois problemas enfrentados por este tipo de tecnica sao: a escolha da(s) semente(s)
e a escolha da(s) propriedade(s).
A selecao de criterios de similaridade e das sementes dependem do problema e do
tipo de imagem disponvel. Por exemplo, para imagens provenientes de satelite para
levantamento de terrenos, a cor e um aspecto importante. Em aplicacoes militares
de imageamento infravermelho (ou de controle de temperatura para deteccao da
Febre Asiatica), a escolha de pixels mais claros e uma maneira natural de iniciar um
algoritmo de crescimento de regioes.
Sejam as imagens dadas na Figura 23, analise a segmentacao com base em algoritmos
de crescimento de regioes.

Processamento Digital de Imagens

27

ST061

(a)

(b)

(c)

(d)

(e)

(f)

Figura 23: Exemplos de segmentacao de imagens: (a),(b) imagem de levedura original

e segmentada; (c),(d) imagem cameraman original e segmentada; (e) graos de arroz; (f)
bif
ao.

Processamento Digital de Imagens

28

ST061

Representa
c
ao e descri
c
ao de imagens
Apos a segmentacao, o passo seguinte consiste na representacao e descricao do conte
udo para permitir o processamento subsequente.
As regioes sao representadas atraves de suas caractersticas externas (fronteiras) ou
internas (pixels que compoem a regiao). A descricao refere-se, por exemplo, `a escolha
de uma caracterstica da fronteira da regiao (tamanho, n
umero de concavidades).

8.1

Representa
c
ao: Esqueleto de uma regi
ao

A reducao da representacao estrutural de uma regiao planar e realizada obtendo-se

o esqueleto da regiao atraves de um algoritmo de afinamento (esqueletizacao).
A esqueletizacao cumpre um papel importante em visao computacional, sobretudo
nas tarefas de reconhecimento de padroes. Exemplos incluem o reconhecimento de
impressoes digitais e de caracteres.
O esqueleto de uma regiao e definido pela transformacao do eixo medio (Medial
Axis Transform MAT Blum,1967). O esqueleto e obtido sobre a imagem da
transformada distancia da regiao R a ser afinada. Dado um pixel p de R, se ele
for eq
uidistante da borda B da imagem, ele pertence ao eixo medio (esqueleto).
A Figura 24 apresenta alguns esqueletos de imagens (trabalharemos somente com
imagens binarias).

Figura 24: Esqueletos de imagens: (a) exemplos; (b) calcular o esqueleto desta imagem
digital.

A implementacao direta do MAT e muito custosa computacionalmente. Portanto,

novos algoritmos surgiram a fim de calcular o esqueleto de uma imagem. O processo
consiste em apagar paulatinamente os pontos de borda, respeitando as caractersticas:
(a) nao deve remover pontos extremos; (b) nao deve quebrar da conectividade; (c)
ter cuidado com a erosao excessiva da regiao.
A seguir e descrito um algoritmo para o afinamento de regioes binarias (vizinhanca 8,
conforme ilustra a Figura 25(a)). O algoritmo consiste na aplicacao, a cada iteracao,
de duas etapas:
Processamento Digital de Imagens

29

ST061

1a. etapa: O ponto de contorno p1 deve ser eliminado se as seguintes condicoes

forem satisfeitas:
(a) 2 N (p1 ) 6; (n
umero de vizinhos nao nulos de p1 )
(b) S (p1 ) = 1; (n
umero de transicoes 0-1 na seq
uencia ordenada p2 , p3 , . . . p9 , p2 )
(c) p2 p4 p6 = 0
(d) p4 p6 p8 = 0
2a. etapa: As condicoes (a) e (b) continuam as mesmas, mas (c) e (d) mudam para:
(cc) p2 p4 p8 = 0
(dd) p2 p6 p8 = 0
A 1a. etapa deve ser aplicada a cada pixel da borda. Caso o ponto da borda
satisfaca `as 4 condicoes, ele sera apagado. Em seguida, a 2a. etapa deve ser aplicada,
consistindo em uma iteracao do algoritmo.

Figura 25: (a) Vizinhanca 8 - notacao; (b) aplicar o algoritmo de afinamento para esta
letra.

8.2

Descri
c
ao: descritores simples de fronteiras e regi
oes

Processamento Digital de Imagens

30

ST061

Fronteiras
Descritores simples: comprimento do contorno; eixos maiores e menores; curvatura
(taxa de inclinacao).
Codigo da cadeia: baseia-se na conectividade 4 ou 8 (Figura 26(a),(b)); efetua a
analise dos segmentos de reta que compoem o contorno.

Figura 26: Direcoes do codigo da cadeia: (a) Vizinhanca 4; (b) Vizinhanca 8; (c) qual o
codigo da cadeia deste contorno?.

Regi
oes
Descritores simples: area, permetro, compacidade (definida como o quadrado do
permetro sobre a area), eixos principais, fator de forma, estatsticas dos nveis de
cinza.
Descritores topologicos (propriedades que nao se alteram apos deformacoes ou outro
processamento): n
umero de buracos, n
umero de componentes conexos, n
umero de
Euler E (veja a Figura 27).
Tambem podem ser usados como descritores as texturas, Transformada de Fourier,
algumas operacoes de morfologia matematica etc.

Figura 27: Descritores topologicos.

Processamento Digital de Imagens

31

ST061

Refer
encias
[1] R.C. Gonzalez, R.E. Woods. Processamento de imagens digitais (versao traduzida).
Sao Paulo: Editora Edgard Bl
ucher, 2000.
[2] O. M. Filho, H. V. Neto. Processamento Digital de Imagens. Rio de Janeiro: Editora
Brasport, 1999.
[3] J. S. Lim. Two Dimensional Signal and Image Processing, New Jersey: Prentice Hall,
1990.
[4] A. K. Jain. Fundamentals of Digital Image Processing. New Jersey, Prentice Hall,
1989.
[5] J. Serra. Image Analysis and Mathematical Morphology. Editora Academic Press,
1982.
[6] C. M. Thompson, L. Shure. Image Processing Toolbox for use with MATLAB, The
Math Works, 1995.
[7] J. Gomes, L. Velho. Computacao Grafica : Imagem, Rio de Janeiro: IMPA/SBM,
1994.

Processamento Digital de Imagens

32