Escolar Documentos
Profissional Documentos
Cultura Documentos
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
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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.
ST061
(a)
(b)
(c)
(d)
(e)
(f)
1.3
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).
ST061
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
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
ST061
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
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
(1)
(2)
8
ST061
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
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].
(3)
(4)
9
ST061
2.2.2
x=
dX
dZ
(5)
y=
dY
dZ
(6)
Modelo de c
amera - Imageamento est
ereo
10
ST061
2.3
Transforma
c
oes geom
etricas
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)
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].
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
13
ST061
Nvel de cinza rk
0
1
2
3
4
5
6
7
p (rk )
0,4375
0,1875
0,125
0,125
0,0625
0,03125
0,03125
0
1
Figura 10: Calculo do histograma de uma imagem:(a) imagem original; (b) histograma
correspondente.
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.
15
ST061
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
Figura 13: Um sistema: relacao entre a entrada x (n1 , n2 ) e a sada y (n1 , n2 ). T [] representa
uma transformacao qualquer.
(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 =
17
ST061
onde
h (n1 k1 , n2 k2 ) = T [ (n1 k1 , n2 k2 )]
(15)
(16)
4.2.2
Transformada de Fourier
(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
(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
Figura 15: Exemplo de transformada de Fourier: (a) imagem original lena; (b) espectro
de Fourier de (a).
(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.
19
ST061
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
Figura 16: (a) imagem original; (b) imagem filtrada via passa-baixa (observe que as raias
ficaram borradas).
5.2
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
Figura 17: (a) imagem original; (b) imagem corrompida; (c) imagem filtrada (mediana vizinhanca 3 3).
5.3
Filtragem passa-alta
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.
21
ST061
5.4
Detec
c
ao de pontos
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.
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
6.2
M
edia
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
6.4
Mode
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)
23
ST061
6.6
Rela
c
ao Sinal-Rudo
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.
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
9
X
wi zi
(26)
i=1
Detecc
ao de linhas
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?
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
(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).
26
ST061
7.3.1
Crescimento de regi
oes
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
27
ST061
(a)
(b)
(c)
(d)
(e)
(f)
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
Figura 24: Esqueletos de imagens: (a) exemplos; (b) calcular o esqueleto desta imagem
digital.
29
ST061
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
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.
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.
32