o de Histogramas 2D Realce de Imagens Coloridas atrav es da Equalizac a

M ELO1 A NDR E DAVID M ENOTI ( ORIENTADOR )12 E DERSON S GARBI ( ORIENTADOR ) 23 ( ORIENTADOR ) 1 JACQUES FACON ( ORIENTADOR )2 A RNALDO DE A LBUQUERQUE A RA UJO UFMG - Universidade Federal de Minas Gerais DCC - Departamento de Ci encia da Computac a o Av. Ant onio Carlos, 6627, Pampulha - Belo Horizonte, MG, CEP 31270-010, Brasil {andrep,menoti,arnaldo}@dcc.ufmg.br 2 PUCPR - Pontif cia Universidade Cat olica do Paran a PPGIA - Programa de P os-Graduac a o em Inform atica Aplicada Rua Imaculada Conceic a o, 1155, Prado Velho - Curitiba, PR, CEP 80215-901, Brasil {menoti,facon,sgarbi}@ppgia.pucpr.br 3 FFALM - Faculdade Luiz Meneguel, Universidade Estadual do Paran a DI - Departamento de Inform atica Rod. BR 369 Km 54 - Bandeirantes, PR, CEP 86360-000, Brasil sgarbi@ffalm.br Abstract. Este artigo introduz um m etodo de realce de imagens coloridas usando equalizac a o bidimensional. Experimentos comparativos foram realizados atrav es de t ecnicas unidimensionais e tridimensionais. Resultados qualitativos e quantitativos s ao apresentados, al em da an alise da complexidade de tempo e espac o a m de mostrar o desempenho do m etodo proposto. As a reas de aplicac a o s ao mostradas na discuss ao sobre os resultados. o Introduc a
1

O histograma de uma imagem em n vel de cinza apresenta a freq ue ncia relativa de ocorr encia dos tons na imagem. A equalizac a o de histograma (EH) foi proposta como uma t ecnica eciente para realc ar as imagens em tons de cinza [Woods and Gonzalez, 1981]. Esta t ecnica modica uma imagem de modo que o histograma da imagem resultante seja uniforme (plano), ou seja, um mesmo (i.e., aproximadamente, e claro que isso e improv avel praticamente visto a natureza discreta de um histograma) n umero de pixels para todos os n veis de cinza. Variac o es destas t ecnicas, conhecidas como modicac a o de histograma e especicac a o de histograma, que resultam em um histograma tendo a forma desejada, tamb em foram propostas [Jain, 1989], [Niblack, 1986]. A extens ao de EHs para imagens coloridas n ao e trivial, devido a ` natureza multidimensional do histograma em imagens coloridas. Por esta raz ao, v arios m etodos foram propostos para EH de imagens coloridas que dilatam o histograma ao longo dos eixos da componente principal do histograma original [Soha and Schwartz, 1978] ou dilata repetidamente os tr es histogramas dimensionais. Em 1992, um algoritmo que considera a depend encia entre os canais RGB foi proposto [Trahanias and Venestsapopoulos, 1992]. Outros m etodos de realce foram propostos. Esses operam principalmente no componente de brilho (claridade) da imagem original [Strickland et al., 1987], [Bockstein, 1986]. Outro m etodo de EH em imagens coloridas foi proposto em

[Pichon et al., 2003]. Nesse m etodo, e apresentado uma extens ao de EHs unidimensionais para imagens coloridas, que e aplicado a ` visualizac a o cient ca de pseudo-colorac a o. Este artigo apresenta um novo m etodo para equalizac a o de tr es histogramas 2D baseado no bem conhecido sistema de cores RGB (R - Red - Vermelho, G - Green - Verde e B - Blue - Azul) [Woods and Gonzalez, 1981]. Estes tr es histogramas bidimensionais, RG, RB e GB , s ao resultantes das combinac o es dois a dois dos tr es canais b asicos R, G e B . Trata-se de um m etodo de especicac a o de histograma, em que se obt em histogramas uniformes 2D. A motivac a o para o desenvolvimento dessa metodologia, est a diretamente relacionada com a complexidade computacional envolvida. Os m etodos de equalizac a o EHs 3D t em complexidade de tempo e espac o c ubica (O(L3 ) - onde L e o n umero de quantizac o es, no caso geral, 256 valores), enquanto que, os m etodos de EHs 1D tem complexidade de tempo e espac o linear (O(L)). Portanto, e de se esperar que o m etodo proposto aqui tenha ordem de complexidade de tempo e espac o quadr atica (O(L2 )). Logo, um m etodo que seja mais eciente que os de EHs 3D e mais ecazes que os 1D ser a desenvolvido. Por outro lado, deseja-se avaliar a qualidade dos resultados obtidos pela nossa abordagem em relac a o aos m etodos de EHs 3D. Este artigo e organizado da seguinte forma. Na Sec a o 2, s ao apresentadas t ecnicas existentes de equalizac a o de histogramas, mais especicamente equalizac a o de histogramas unidimensionais e tridimensionais. Na Sec a o 3, um

novo m etodo de equalizac a o e proposto e detalhado. Este e avaliado e comparado experimentalmente com outros algoritmos na Sec a o 4. Uma discuss ao sobre os resultados e realizada na Sec a o 5. Na Sec a o 6, conclus oes s ao apontadas sobre o trabalho realizado. 2 o do Histograma Equalizac a

FR ,G ,B (r , g , b ) 1 1 = FR (FR (r ))FG (FG (g ))FB (FB 1(b )) =rgb

(2)

O processo de equalizac a o de histograma consiste em gerar um histograma uniforme para a imagem de sa da a partir do histograma original da imagem de entrada. Nesta sec a o, s ao apresentadas t ecnicas de equalizac a o de histogramas. A primeira (Sec a o 2.1) apresenta o bem conhecido m etodo de equalizac a o unidimensional [Woods and Gonzalez, 1981], que geralmente e aplicado a ` s imagens em tons de cinza. No entanto, aqui ele e utilizado para equalizar imagens coloridas, aplicando-se tal t ecnica aos canais R, G e B , separadamente. A segunda (Sec a o 2.2) ilustra o m etodo proposto em [Trahanias and Venestsapopoulos, 1992]. o de Histograma 1D 2.1 Equalizac a Considere uma vari avel aleat oria cont nua absoluta, X , 0 X 1, com func a o de densidade de probabilidade cumulativa FX (x) = P rob(X x), ent ao a vari avel Y = FX (X ) ser a uniformemente distribu da entre [0, 1]. No caso discreto, a hip otese de continuidade da vari avel X n ao e satisfeita. Ent ao Y ser a uniformemente distribu da somente aproximadamente. Por em, em relac a o a ` distribuic a o uniforme aproximada de Y , a equalizac a o do histograma dilata efetivamente os valores de n veis de cinza resultando em uma t ecnica poderosa. o de Histograma 3D 2.2 Equalizac a Para o espac o de cor 3D, pode-se proceder de uma maneira an aloga ao estabelecido anteriormente (Sec a o 2.1). Sejam tr es vari aveis aleat orias R, G e B (representando os 3 componentes de cores) com uma func a o de densidade de probabilidade conjunta fR,G,B (r, g, b) e func a o de distribuic a o de probabilidade conjunta FR,G,B (r, g, b) = P rob(R r, G g, B b). Da mesma forma que foi denida a vari avel Y = FX (X ) no caso 1D, aqui dene-se tr es novas vari aveis, uma para cada canal de cor: R = FR (R), G = FG (G) e B = FB (B ). As func o es de distribuic a o probabilidade conjunta de R , G e B s ao dadas como: FR ,G ,B (r , g , b ) 1 1 1 = FR,G,B (FR (r ), FG (g ), FB (b ))

Do resultado acima, se conclui que a distribuic a o uniforme do histograma no espac o R, G, B e garantido somente no caso de independ encia dos componentes R, G e B. Por em, esta suposic a o n ao e v alida uma vez que estes componentes s ao geralmente correlacionados. M etodos que superam estas diculdades foram propostos que dilatam o histograma ao longo do eixo da componente principal do histograma original [Soha and Schwartz, 1978]. Ou dilatam repetidamente os tr es histogramas dimensionais [Niblack, 1986]. Uma t ecnica de equalizac a o atrav es do emprego de um histograma uniforme [Trahanias and Venestsapopoulos, 1992] foi implementada para a comparac a o do m etodo proposto. Este algoritmo ser a referido como 3D, uma vez que percorre todo o espac o de busca c ubico da imagem. 3 M etodo Proposto Um algoritmo de equalizac a o que leva em considerac a o a correlac a o dois a dois entre os canais RGB da imagem e proposto. O objetivo e construir um histograma uniforme a partir dos tr es histogramas bidimensionais originais, atrav es de um m etodo de especicac a o de histograma. Ou seja, histogramas uniformes s ao especicados como histogramas de sa da, assim o histograma equalizado e alcanc ado. Este novo m etodo proposto trabalha com a equalizac a o dos histogramas correlacionados como: equaliza os canais RG, RB e GB , calculando as ocorr encias de R com G, R com B e de G com B , obtendo-se probabilidades de RG, RB e GB . A partir dessas probabilidades iniciais, s ao computadas as probabilidades acumuladas. Para cada entrada (Rx , Gx , Bx ) e calculado o produto das probabilidades acumuladas RG, RB e GB , produzindo Cx , como mostra a equac a o abaixo: P robAccRG[Rx ][Gx ] P robAccRB [Rx ][Bx ] P robAccGB [Gx ][Bx ]

Cx

(3)

(1)

Assumindo agora a independ encia dos componentes R, G e B , e poss vel decompor a u ltima equac a o como um produto das func o es de distribuic a o de probabilidade das tr es componentes de cores:

Para cada entrada, tem-se uma sa da (Ry , Gy , By ), onde, inicialmente, esses valores s ao congurados como: Ry = Rx , Gy = Gx e By = Bx . A partir dessa sa da (Ry , Gy , By ) e calculado um coeciente de uniformidade Cy para o histograma de sa da a ser especicado, que e dado pela equac a o: (Ry + 1) (Gy + 1) (By + 1) L3

Cy =

(4)

onde L e a quantidade de entradas de cada dimens ao do histograma, neste caso 256. O objetivo de estabelecer Cy e encontrar uma sa da (Ry , Gy , By ) mais pr oxima da entrada (Rx , Gx , Bx ) que gere um histograma uniforme importante salientar que existem diver(Cx = Cy ). E sos (Ry , Gy , By ) que geram histogramas uniformes. Dessa forma, faz-se necess ario computar a diferenc a entre Cx e Cy , visto que o objetivo agora e encontrar uma sa da (Ry , Gy , By ) que minimize a diferenc a, e.g. Dif = Cx Cy (5)

Arquivo Bitmap praia or ornito trem riacho estudantes

Resoluc a o 484x399 902x600 627x408 630x389 697x697 361x240

Tamanho 566Kb 1.54Mb 750Kb 719Kb 1.4Mb 254Kb

Tabela 1: Caracter sticas das imagens testadas.

O algoritmo de minimizac a o de Dif e obtenc a o da sa da (Ry , Gy , By ) trabalha da seguinte forma. Caso Dif , na Equac a o 5 seja maior (menor) que 0, ent ao, incrementa-se (decrementa-se) proporcionalmente cada elemento (Ry , Gy , By ). A id eia de produzir esse incremento (decremento) proporcional e alcanc ar mais rapidamente a igualdade entre Cx e Cy . Ent ao, atualiza-se Cy e esse processo e repetido at e que Dif se torne igual ou menor (maior) que 0. Dessa forma, dada a entrada (Rx , Gx , Bx ) e poss vel encontrar (Ry , Gy , By ), para o histograma de sa da, que mais aproxime Dif de zero. Abaixo, e apresentado um resumo dos tr es passos que constituem a abordagem proposta (a complexidade de tempo de cada passo e dada entre par enteses): 1. (O(L2 )) Calcular os tr es histogramas bidimensionais originais, RG, RB e GB , e de forma iterativa, calcular as probabilidades acumuladas das mesmas; 2. (O(1)) Calcular Cx e Cy usando a Equac a o 3 e a Equac a o 4, respectivamente; 3. (O(L)) Para cada entrada (Rx , Gx , Bx ) existente na imagem, encontrar a sa da (Ry , Gy , By ) mais pr oxima da entrada (Rx , Gx , Bx ), atualizando Cy (Equac a o 4), de forma que a Equac a o 5 se aproxime de zero. 4 Experimentos e resultados

quadr atico (mean square error (M SE )) pixel a pixel entre duas imagens. Foram tomadas algumas imagens consideradas com bom contraste, ou seja, equalizadas. Depois, estas imagens consideradas como as ideais, foram desbotadas articialmente e em seguida tratadas pelos algoritmos. Esta medida informa o quanto este tratamento conseguiu se aproximar da imagem original, e portanto, o quanto ela foi realc ada. Esquematicamente, os testes visam avaliar as seguintes caracter sticas: Fatores objetivos; Qualidade (quanticado pelo M SE ) do realce; Tempo de execuc a o dos algoritmos. Fatores vis veis, subjetivos; Perda de detalhes; Preservac a o das cores; Visibilidade e nitidez dos objetos.

4.1 Capacidade de Realce Atrav es da M etrica M SE Para a comparac a o entre duas imagens calcula-se o M SE conforme Equac a o 6, onde m e n s ao a altura e a largura da imagem; R1(x,y) , R2(x,y) , G1(x,y) , G2(x,y) , B1(x,y) e B2(x,y) , s ao os componentes R, G e B das imagens 1 e 2 dos pixels com coordenadas espaciais x e y , respectivamente. Essa comparac a o entre duas imagens pode ser u til para avaliar a qualidade do realce nas imagens. Tomando-se uma imagem qualquer da Internet, e aplicada uma distorc a o conveniente e ent ao e executada alguma das equalizac o es. Esta e comparada com a imagem original atrav es do M SE . Como o objetivo e qualicar os algoritmos quanto ao realce, uma distorc a o foi escolhida de forma a retirar o realce das imagens. A reduc a o da saturac a o foi o efeito utilizado para este m, porque, qualitativamente, as cores tornaram-se menos vivas. Quanto menor a saturac a o, mais pr oximo a imagem se torna de ser puramente tons de cinza.

Existem in umeras formas de realizar comparac o es entre algoritmos. A escolha adequada est a em func a o do objetivo que se deseja alcanc ar. Neste caso, pretende-se realizar um realce nas imagens, em tempo h abil, que seja el a ` s cores originais. Apesar de ser baseado em uma equalizac a o 3D, este algoritmo n ao prioriza a equalizac a o, ou seja, o equil brio do histograma, e sim fatores subjetivos. Testes adequados para a qualicac a o de tais fatores s ao dif ceis de se encontrar. Para a an alise da complexidade de tempo do algoritmo, apenas o tempo de execuc a o foi coletado. Apesar deste valor n ao classicar um algoritmo como sendo pr atico, pode inviabilizar sua utilizac a o em determinadas aplicac o es. A capacidade de realce do algoritmo foi analisada atrav es de uma m etrica estabelecida, i.e., o erro m edio

M SE =

n,m x=1,y =1 (R1(x,y )

R2(x,y) )2 + (G1(x,y) G2(x,y) )2 + (B1(x,y) B2(x,y) )2 3nm

(6)

Imagem praia ornito or

1D 64 42 69

MSE 2D 52 37 47

cores para as imagens testadas. 3D 92 93 95 o Emp 4.2 Comparac a rica Nesta sec a o, os m etodos 1D, 2D e 3D s ao analisados qualitativamente. Os algoritmos ser ao aplicados a ` s imagens trem, riacho e estudantes. Para cada aplicac a o, ser a estudada a variac a o visual da imagem e de seu histograma. Dependendo da t ecnica aplicada, os resultados podem variar quanto ao realce ou perda de detalhes. A imagem do trem (Figura 3(a)) e escura e suas cores est ao, grosso modo, divididas em duas regi oes de seu histograma. Na imagem, esta divis ao se d a entre o c eu claro, e o restante, que e mais escuro. A equalizac a o 1D (Figura 3(b)) reduziu esta disparidade ao estender o histograma. Como este processo n ao levou em conta a forte correlac a o das cores existente, a tonalidade dos objetos n ao e el em relac a o a ` original. O resultado na equalizac a o 3D (Figura 3(c)) mostrou cores desbotadas e menos intensas em relac a o a ` anteriormente obtida. Apesar de ter seu histograma distribu do, a regi ao de concentrac a o de pixels foi deslocado para a direita. A imagem tornou-se desbotada com este deslocamento do histograma para uma regi ao mais clara. Quando utilizada a equalizac a o 2D (Figura 3(d)), este efeito colateral n ao foi constatado. As cores n ao foram perturbadas como na equalizac a o independente, e a imagem n ao se tornou t ao clara a ponto de se tornar desbotada. A imagem do riacho (Figura 4(a)) foi escolhida, porque apesar de escura e pouco n tida, tem os componentes RGB mais parecidos entre si quando comparado com a imagem do trem (Figura 3(a)). Da mesma forma que no teste anterior, a equalizac a o dos canais independentes gerou uma imagem de cores intensas (Figura 4(b)). Nesta equalizac a o, as cores da imagem do trem tornaram-se articiais, o que n ao aconteceu na imagem riacho. O m etodo 3D (Figura 4(c)) novamente gerou uma imagem desbo observado um pico nos canais verde e azul de valor tada. E 255 no histograma, o que pode explicar a distorc a o sofrida. Observe que a curva gerada pelo histograma azul da imagem original e mais larga que os demais canais. Assim, na tentativa de equalizar alguns pixels, talvez fosse necess ario um valor de pixel maior que 255 para o canal azul de forma que as equac o es propostas para a equalizac a o correlacionada fossem satisfeitas. Ent ao, v arios pixels t em seu canal azul mapeado para o valor 255, deformando seu histograma. A exist encia deste problema e citado pelos autores do artigo em sua conclus ao. O m etodo proposto gerou uma imagem (Figura 4(d)) praticamente em escala de cinza, uma vez que os canais RGB ap os processo s ao se-

Tabela 2: Resultados quantitativos (MSE) para comparac a o dos algoritmos de equalizac a o de histogramas 1D, 2D e 3D .

Um valor intermedi ario foi usado para que o algoritmo pudesse recompor a forc a das cores. Essa saturac a o foi realizada utilizando-se o software comercial Corel PHOTOPAINT com par ametro de saturac a o 50, escolhido empiricamente, nas imagens praia, ornito, e or. Estas s ao n tidas, bem denidas e possuem cores acentuadas, como pode-se observar na Figura 1. Caso tivesse algum problema relativo a estes fatores, este teste n ao poderia ser feito, porque a comparac a o do M SE informa quanto o algoritmo conseguiu reverter a distorc a o articial. Um bom algoritmo de realce poderia n ao mostrar sua ec acia, caso a imagem original j a tivesse problemas, porque a imagem nal poderia ter cores mais realc adas que a imagem original, e assim apresentar um valor M SE elevado, o que desqualica o algoritmo nestas condic o es. Para cada imagem x, os algoritmos 1D, 2D e 3D foram aplicadas na seguinte ordem:

imagem x distorc a o correc a o imagem y

original f inal

As imagens originais utilizadas nos experimentos s ao apresentadas na Figura 1, e as imagens resultantes do empobrecimento atrav es da saturac a o s ao as respectivas apresentadas na Figura 2. Os valores obtidos para o M SE s ao mostrados na Tabela 2. Os valores indicam que o m etodo que mais realc ou as imagens foi o proposto neste artigo, 2D. Este conseguiu corrigir com maior delidade a distorc a o aplicada. Embora o algoritmo 2D seja uma heur stica que reduz a complexidade do 3D, o primeiro teve maior e xito na acentuac a o das cores em todas as imagens testadas. Talvez o algoritmo 3D consiga uma melhor equalizac a o, obtendo um histograma mais bem distribu do. Portanto, n ao se pode desqualicar o algoritmo original em func a o deste resultado. O que se observa e que o novo m etodo e melhor na intensicac a o das

(a)

(b)

(c)

Figura 1: Images originais utilizadas nos experimentos.

(a)

(b)

(c)

Figura 2: Imagens ap os diminuic a o da saturac a o, geradas a partir das respectivas imagens da Figura 1.

(a)

(b)

(c)

(d)

(e)

(f)

(g)

(h)

Figura 3: A partir da imagem original do trem (Figura 3(a)), foram aplicados os tr es algoritmos: 1D (Figura 3(b)), 2D (Figura 3(d)) e 3D (Figura 3(c)). Em seguida, seus respectivos histogramas.

melhantes. A imagem tornou-se mais clara que a original, e portanto, alguns objetos, antes encobertos, tornam-se mais vis veis. Neste fator, este m etodo perdeu para a equalizac a o

independente, al em de ser mais clara, a colorac a o evidente ajuda na distinc a o entre os objetos. Isto mostra que o algoritmo proposto n ao funciona bem para realc ar imagens que

(a)

(b)

(c)

(d)

(e)

(f)

(g)

(h)

Figura 4: A partir da imagem original riacho (Figura 4(a)), foram aplicados os tr es algoritmos: 1D (Figura 4(b)), 3D (Figura 4(c)) e 2D (Figura 4(d)). Em seguida, seus respectivos histogramas.

originalmente t em o histograma limitado em uma regi ao, e com poucas diferenc as entre seus canais. A imagem de estudantes (Figura 5(a)) representa aqui a imagem de prop osito geral. Seu histograma e bem distribu do em comparac a o a ` s outras imagens discutidas. Uma correc a o poderia tornar as pessoas mais reconhec veis, uma vez que na original a presenc a de sombra no rosto dos estudantes diculta a identicac a o. A que melhor ajudou neste aspecto foi a equalizac a o independente (Figura 5(b)). A imagem tornou-se mais clara, e a sombra tornou-se menos percept vel. No entanto, as cores n ao foram preservadas e a compactac a o JPEG (Joint Photographic Experts Group) tornou-se evidente. Na equalizac a o 3D (Figura 5(c)), a sombra praticamente n ao aparece, nem o efeito colateral da compactac a o da imagem. No entanto, o reconhecimento das pessoas tornou-se mais dif cil, e a imagem perdeu denic a o, pois detalhes das a rvores e do c eu foram perdidos. A imagem resultante do algoritmo proposto (Figura 5(d)) n ao apresenta tais deformac o es de seu antecessor. Na tentativa de ser el a ` correlac a o entre as cores originais, o resultado difere menos do original em relac a o ao m etodo independente.

Tabela 3 e a m edia de tr es execuc o es 1 . Conforme observado no artigo em que foi proposto [Trahanias and Venestsapopoulos, 1992], o algoritmo 3D n ao e vi avel para aplicac o es de tempo real ou para dispositivos m oveis que disp oem de pouca energia. Vale observar que sua implementac a o seguiu todas as otimizac o es propostas pelo autor. A diferenc a de tempo entre o m etodo 2D e o 3D e explicada pela complexidade dos algoritmos. O primeiro varre tr es matrizes bidimensionais (L2 ), enquanto o segundo percorre uma u nica matriz tridimensional (L3 ). J a o m etodo 1D e o mais r apido, visto que tem complexidade de tempo linear (O(L)). No entanto, o m etodo proposto 2D, apesar da complexidade quadr atica em relac a o a L, pode ser sugerido para aplicac o es que possam ser implementadas em dispositivos DSP (Digital Signal Processing). 1D 0.098 0.023 0.035 Tempo (s) 2D 3D 3.407 105.636 0.985 106.751 0.194 80.413

Arquivo riacho trem estudantes

Tabela 3: Complexidade de Tempo. 4.3 Complexidade de Tempo Os algoritmos 1D, 2D e 3D foram comparados quanto ao tempo de execuc a o (em segundos) obtido atrav es do comando time, nativo do Linux. O resultado apresentado na Ressalta-se aqui novamente que a complexidade de
1 O sistema operacional escolhido foi o Linux, com a distribuic a o SuSe 9.1. Foi utilizado o processador Pentium IV 3.0 GHz com 1 GB de mem oria RAM.

(a)

(b)

(c)

(d)

(e)

(f)

(g)

(h)

Figura 5: A partir da imagem original estudantes (Figura 5(a)), foram aplicados os tr es algoritmos: 1D (Figura 5(b)), 2D (Figura 5(d)) e 3D (Figura 5(c)). Em seguida, seus respectivos histogramas.

tempo dos m etodos 1D, 2D e 3D s ao O(L), O(L2 ) e 3 O(L ), respectivamente. No entanto, o m etodo proposto aqui, 2D, possui complexidade de tempo, no passo de busca linear, ou seja, O(L). Mas, o limite e elevado para O(L2 ) devido ao passo de construc a o dos histogramas 2D.

M etodo 1D 2D 3D

Complexidade de Espac o O(L) O(L2 ) O(L3 )

Mem oria Utilizada 9 Kb 1.6 Mb 576 Mb

Tabela 4: Complexidade de Espac o e Mem oria Utilizada. 4.4 Complexidade de Espac o Nesta sec a o, apresenta-se a quantidade de mem oria utilizada pelos algoritmos de equalizac a o aqui utilizados. Independentemente do m etodo, e exigido a armazenagem da imagem de entrada e sua vers ao equalizada, a imagem de sa da. No entanto, o foco dessa an alise est a sobre o tamanho dos histogramas que s ao utilizados pelos m etodos 1D, 2D e 3D. Estes s ao diretamente dependentes de L (i.e., n umero de quantizac o es de cada canal, 256 valores). Na vers ao 1D, s ao alocados tr es histogramas unidimensionais (R, G e B ). A vers ao 3D utiliza somente um u nico histograma tridimensional (RGB ). J a o m etodo proposto aqui utiliza tr es histogramas bidimensionais (RG, RB e GB ). A Tabela 4 apresenta a complexidade de tempo dos m etodos, bem como os valores de mem oria utilizados para a equalizac a o de uma das imagens utilizadas nos experimentos. Esses valores mostram que o sistema computacional envolvido no processo 3D, caso n ao disponha de mem oria suciente, pode apresentar um tempo de rel ogio de grandeza maior que aquele apresentado na Tabela 3, em conseq ue ncia da utilizac a o de mem oria secund aria pelo sistema operacional. 5 Discuss ao A equalizac a o dos canais independentes e r apida e pouco exigente computacionalmente. Sua imagem resultante tem cores bastante vivas, o que pode ser um benef cio dependendo da aplicac a o. Os dois algoritmos seguintes tentam superar o problema da equalizac a o independente ao dispor da depend encia entre os canais de cores. O m etodo 3D, por efetuar a busca em um espac o maior (tridimensional), torna-se um algoritmo caro tanto em tempo e espac o. O sucesso deste m etodo e dependente da imagem que se deseja equalizar. Quanto mais faded for a imagem original, mais desbotada e a apar encia do resultado. Ao transformar a an alise de espac o de cores de 3D para 2D, o algoritmo proposto resolve este problema levando ainda em conta a correlac a o entre as cores. A vers ao proposta neste artigo n ao funciona bem com imagens em que os tr es canais s ao bem similares, produzindo uma imagem que se aproxima a ` uma imagem de tons de cinza. Portanto, apesar de ter uma complexidade menor, o algoritmo proposto tamb em depende da imagem de entrada. O realce observado com este algoritmo conseguiu levantar informac o es antes n ao percebidas visivelmente. A

(a)

(b)

(c)

Figura 6: Equalizac a o da Figura 1(a) pelos tr es m etodos. Pode-se observar que na Figura 6(b), resultado da equalizac a o 2D , e destacada uma n evoa no meio da areia, n ao vis vel na imagem original nem nas equalizac o es 1D (Figura 6(a)) ou 3D (Figura 6(c)).

Figura 6(b) mostra uma regi ao de pontos escuros no meio da praia que n ao foram destacados pelos outros m etodos. Embora n ao se saiba o que pode ter ocasionado o aparecimento de tal mancha, este m etodo talvez possa ser usado como preparac a o para recuperac a o de informac a o.

Agradecimentos Os autores agradecem ao CNPq e CAPES, pelo suporte naceiro para realizac a o deste trabalho. Refer encias [Bockstein, 1986] Bockstein, I. M. (1986). Color equalization method and its application to color image processing. Journal of the Optical Society of America, 3(5):735737. [Jain, 1989] Jain, A. K. (1989). Fundamentals of digital image processing. Prentice Hall, Englewood Cliff, NJ. [Niblack, 1986] Niblack, W. (1986). An introduction to digital image processing. Prentice Hall. [Pichon et al., 2003] Pichon, E., Niethammer, M., and Sapiro, G. (2003). Color histogram equalization through mesh deformation. In Proceedings of ICIP2003, pages 117120. [Soha and Schwartz, 1978] Soha, J. M. and Schwartz, A. A. (1978). Multidimensional histogram normalization contrast enhancement. In Proceedings of 5th Canadian Symposium on Remote Sensing, pages 8693. [Strickland et al., 1987] Strickland, R. N., Kim, C. S., and McDonel, W. F. (1987). Digital color image enhancement based on the saturation component. Optical Engineering, 26(7):609616. [Trahanias and Venestsapopoulos, 1992] Trahanias, P. E. and Venestsapopoulos, A. N. (1992). Color image enhancement through 3-d histogram equalization. In Proceedings of ICPR1992, pages 545548. [Woods and Gonzalez, 1981] Woods, R. E. and Gonzalez, R. C. (1981). Real-time digital image enhancement. In Proceedings of IEEE, volume 69, pages 634654.

Conclus ao

Neste trabalho, foram estudados os m etodos de equalizac a o de histogramas, partindo-se do tradicional que e a equalizac a o independente dos canais R, G e B (1D). Foi descrita a equalizac a o de histogramas 3D [Trahanias and Venestsapopoulos, 1992] que leva em considerac a o a depend encia entre os histogramas dos canais R, G e B com complexidade c ubica (O(L3 )). O m etodo proposto responde em tempo bem menor que o 3D devido a ` sua complexidade quadr atica (O(L2 )). Essa reduc a o se mostrou tamb em no consumo de mem oria, permitindo assim, sua execuc a o em um sistema computacional mais simples. Assim, o m etodo passa a ser utiliz avel em dispositivos que demandem pouca energia e e vi avel em aplicac o es de tempo real. Al em disso, revelou-se um bom m etodo para realce das cores, quando adotado o M SE como m etrica. O algoritmo funcionou bem para imagens com os canais RGB altamente correlacionados, e mostrou sua falha quando os histogramas dos canais RGB s ao parecidos. Ao se equalizar uma imagem bem n tida (Figura 1(a)), o algoritmo revelou manchas inesperadas, sugerindo-se, assim, pesquisar como esta equalizac a o pode ser utilizada para pr e-processamento em recuperac a o de dados de imagens. Trabalhos futuros devem ser realizados, para vericar se m etodos de realce atrav es de equalizac a o de histogramas s ao ecazes em imagens coloridas com histogramas correlacionados. Visto que m etodos baseados em histogramas, de um forma geral, lidam com a informac a o global e n ao local da imagem.