Você está na página 1de 40

5.

Deteco de bordas
Uma borda, tambm chamada de edgel,
definida como sendo uma mudana ou
descontinuidade local na luminosidade de uma
imagem.

Classificao :
mtodos de realce / limiar
(enhancement / thresholding)
1) operadores diferenciais
2) operadores direcionais
mtodos de adaptao de bordas
(edge fitting)

NPDI - DCC - UFMG

NPDI - DCC - UFMG

NPDI - DCC - UFMG

Em b), valores negativos em tons pretos, valores positivos em tons


brancos, valores prximos de zero em tons de cinza.

NPDI - DCC - UFMG

5.1. Mtodos de realce / limiar


5.1.1. Operadores diferenciais
Em geral, utiliza-se o operador gradiente :

No caso discreto :

GR(m, n) = { [I(m, n) I(m+1, n+1)]2 +


[I(m, n+1) I(m+1, n)]2 }
GA(m, n) = | I(m, n) I(m+1, n+1) | +
| I(m, n+1) I(m+1, n) |
GM(m, n) = max( | I(m, n) I(m+1, n+1) | ,
| I(m, n+1) I(m+1, n) |)
NPDI - DCC - UFMG

Gradiente de Roberts

M1 =

[ ]
1 0
0 -1

M2 =

[ ]
0 1
-1 0

A aplicao de um operador gradiente gera a


chamada imagem gradiente-analgico :
G (m , n) = I (m , n) * M (m , n)
Para eliminar pequenas respostas, utiliza-se a
aplicao de um limiar :
Se G (m , n) > T
E (m , n)
que gera a chamada imagem mapa binrio de
bordas.

NPDI - DCC - UFMG

Exemplo :
10 12 11 50 50
3 0 77 0
10 11 12 50 50 0 1 76 0
11 10 12 50 50
0 1 76 0
I (m , n)
G (m , n)

0
0 0 255 0 0
0 0 0 255 0 0
0
0 0 255 0 0
E (m , n)

Outras variaes da aplicao de limiar so


possveis, como veremos a seguir.
Variaes da aplicao de limiar :
1. g(m, n) = G(m, n)
2. g(m, n) =

3. g(m, n) =

4. g(m, n) =

5. g(m, n) =

{
{
{
{

imagem gradiente

G(m, n)
I(m, n)

, se G T
, caso contrrio

preservao
do fundo

LG
I(m, n)

, se G T
, caso contrrio

preservao
do fundo

G(m, n)
LF

, se G T
, caso contrrio

variao das
bordas sem
interferncia
do fundo

LG
LF

, se G T
, caso contrrio

mapa de
bordas

Obs.: LG = nvel de cinza p/ gradiente


LF = nvel de cinza p/ fundo
NPDI - DCC - UFMG

Exemplo de realce de bordas usando


gradiente:

NPDI - DCC - UFMG

NPDI - DCC - UFMG

Estudo Gradiente 1 :

Bureau

differences en x, en y

approximations du module du gradient: vertical, Roberts


NPDI - DCC - UFMG

10

Estudo Gradiente 2 :

Bureau

gradient Roberts seuill 64, 128

Cany Deriche (meilleurs paramtres)


NPDI - DCC - UFMG

11

Operador laplaciano
Uma desvantagem do operador de Roberts
sua anisotropia, isto , sua assimetria.
O operador laplaciano pode ser empregado
quando no existe preferncia de orientao na
imagem.
0 -1 0
-1 -1 -1
1 -2 1
ML = -1 4 -1 ML = -1 8 -1 ML = -2 4 -2
0 -1 0
-1 -1 -1
1 -2 1
2 f(x, y) = ( 2f / x2 ) + ( 2f / y2 )

NPDI - DCC - UFMG

12

No caso discreto :
2 I(m,n) = x2 I (m , n) + y2 I (m, n)
x2 I(m,n)= [ I (m , n) I (m1 , n) ] + [ I (m , n) I (m+1 , n) ]
y2 I(m,n)= [ I (m , n) I (m , n1) ] + [ I (m , n) I (m , n+1) ]
2 I (m , n) = 4 I (m , n) [ I (m-1 , n) + I (m+1 , n)
+ I (m , n1) + I (m , n+1) ]
Que corresponde a :
0 -1 0
ML = -1 4 -1
ou
0 -1 0

ML =

onde a vizinhana : (m1 , n1)


(m , n1)
(m+1 , n1)

-1 -1 -1
-1 8 -1
-1 -1 -1
(m1 , n)
(m , n)
(m+1 , n)

(m1 , n+1)
(m , n+1)
(m+1 , n+1)

Pode-se observar que a equao acima proporcional, pelo fator


de 1/5 , a :
I(m, n) = 1/5 [ I(m+1, n) + I(m1, n) + I(m, n) + I(m, n+1) + I(m, n1) ]

que a diferena entre a original e seu valor mdio (considerandose os 4 vizinhos imediatos).
Assim, pode-se restaurar uma imagem borrada, subtraindo-se da
imagem borrada o seu laplaciano (multiplicado por um certo fator)
Unsharp Masking : usado pela indstria grfica/publicitria.

NPDI - DCC - UFMG

13

NPDI - DCC - UFMG

14

NPDI - DCC - UFMG

15

NPDI - DCC - UFMG

16

NPDI - DCC - UFMG

17

NPDI - DCC - UFMG

18

NPDI - DCC - UFMG

19

Estudo Laplaciano Unsharp masking :


Bureau

Blur 1x (mdia 3x3)

Blur 2x
NPDI - DCC - UFMG

20

Estudo Laplaciano Unsharp masking (2) :


Bureau

Blur 1x Laplacian (-4)

Blur 2x Laplacian (-4)


NPDI - DCC - UFMG

21

Estudo Laplaciano Unsharp masking (3) :


Bureau

Blur 1x Laplacian (-8)

Blur 2x Laplacian (-8)


NPDI - DCC - UFMG

22

NPDI - DCC - UFMG

23

NPDI - DCC - UFMG

24

Operadores de Sobel e Prewitt


So operadores 3 X 3 que aproximam as
derivadas parciais para deteco de bordas nas
direes ortogonais X e Y.

MX =
MY =

SOBEL
1 2 1
0 0 0
-1 -2 -1
1 0 -1
2 0 -2
1 0 -1

MX =
MY =

PREWITT
1 1 1
0 0 0
-1 -1 -1
1 0 -1
1 0 -1
1 0 -1

DIREC G = ARC tg My / Mx

NPDI - DCC - UFMG

25

Exemplo:
10 10 50 50 50
10 10 50 50 50
10 10 50 50 50
GSOBEL :

160

160

GPREWITT : 120

120

Laplaciano 1 : 0

40

Laplaciano 2 : 0 120 0
(OBS.: considerando-se valores neg = 0)
GROBERTS : 0 57 0
0 57 0
GABS :

0 80 0
0 80 0

GMAX :

0 40 0
0 40 0

NPDI - DCC - UFMG

26

5.1.2. Operadores direcionais


So conjuntos de 8 mscaras 3x3 que
representam aproximaes discretas de bordas
ideais nas direes cardeais.
Cada operador aplica 8 mscaras em cada
vizinhana 3x3 da imagem. A magnitude do
gradiente obtida a partir da resposta mais forte
entre as 8 mscaras. A direo dada pela
orientao da mscara com resposta mais forte.
Os vetores gradiente e borda so ortogonais.
Como determinar a direo da borda ?

NPDI - DCC - UFMG

27

A mscara norte produz uma sada mxima para


mudanas verticais na luminosidade, isto , para
bordas horizontais.

A direo da borda determinada de maneira


que o lado claro da borda est localizado
esquerda de quem se move na direo da borda.

NPDI - DCC - UFMG

28

Mscaras direcionais
DIRE.
BORDA

DIRE.
GRAD.

MSC.
PREWIT

MSC.
KIRSCH

MSC.
3-NVEIS

MSC.
5-NVEIS

NORTE

1 1 1
1 -2 1
-1 -1 -1

5 5 5
-3 0 -3
-3 -3 -3

1 1 1
0 0 0
-1 -1 -1

1 2 1
0 0 0
-1 -2 -1

NOROESTE

1 1 1
1 -2 -1
1 -1 -1

5 5 -3
5 0 -3
-3 -3 -3

1 1 0
1 0 -1
0 -1 -1

2 1 0
1 0 -1
0 -1 -2

OESTE

1 1 -1
1 -2 -1
1 1 -1

5 -3 -3
5 0 -3
5 -3 -3

1 0 -1
1 0 -1
1 0 -1

1 0 -1
2 0 -2
1 0 -1

SUDOESTE

1 -1 -1
1 -2 -1
1 1 1

-3 -3 -3
5 0 -3
5 5 -3

0 -1 -1
1 0 -1
1 1 0

0 -1 -2
1 0 -1
2 1 0

SUL

-1 -1 -1
1 -2 1
1 1 1

-3 -3 -3
-3 0 -3
5 5 5

-1 -1 -1
0 0 0
1 1 1

-1 -2 -1
0 0 0
1 2 1

SUDESTE

-1 -1 1
-1 -2 1
-1 1 1

-3 -3 -3
-3 0 5
-3 5 5

-1 -1 0
-1 0 1
0 1 1

-2 -1 0
-1 0 1
0 1 2

LESTE

-1 1 1
-1 -2 1
-1 1 1

-3 -3 5
-3 0 5
-3 -3 5

-1 0 1
-1 0 1
-1 0 1

-1 0 1
-2 0 2
-1 0 1

NORDESTE

1 1 1
-1 -2 1
-1 -1 1

-3 5 5
-3 0 5
-3 -3 -3

0 1 1
-1 0 1
-1 -1 0

0 1 2
-1 0 1
-2 -1 0

Direes das bordas


NPDI - DCC - UFMG

29

Lena original

NPDI - DCC - UFMG

30

Lena operador Roberts

NPDI - DCC - UFMG

31

Lena operador Roberts


| G | = | Gx | + | Gy |

NPDI - DCC - UFMG

32

Lena operador Sobel

NPDI - DCC - UFMG

33

Lena operador Sobel


| G | = | Gx | + | Gy |

NPDI - DCC - UFMG

34

Lena operador Prewitt

NPDI - DCC - UFMG

35

Lena operador Prewitt


| G | = | Gx | + | Gy |

NPDI - DCC - UFMG

36

Lena operador Shen & Castan


GEF Gradient Exponential Filter

NPDI - DCC - UFMG

37

Lena operador Shen & Castan


DRF Difference Recursive Filter

NPDI - DCC - UFMG

38

Lena operador Shen & Castan


SDEF Second Deriv. Exp. Filter

NPDI - DCC - UFMG

39

NPDI - DCC - UFMG

40