Escolar Documentos
Profissional Documentos
Cultura Documentos
MONOGRAFIA
CURITIBA 2013
Monografia apresentada para a Disciplina de Oficinas de Integrao como forma de avaliao na disciplina. Orientadora: Dr. Leyza Baldo Dorini Orientador: Dr. Luiz Ernesto Merkle
CURITIBA 2013
Esta monografia foi apresentada em abril de 2013 como requisito de aprovao na disciplina Oficinas de Integrao, avaliada e aprovada pela seguinte banca examinadora.
RESUMO NASCIMENTO, Endrio L. F. Anlise dos filtros da media e da mediana em imagens com rudo, 2013. 31f. Monografia Disciplina de Oficinas de Integrao, Universidade Tecnolgica Federal do Paran - Departamento Acadmico de Informtica, Curitiba, 2013. Esta monografia ir abordar sobre o tratamento de rudos sal e pimenta e gaussiano, utilizando os filtros da mdia e da mediana, analisando o quanto o filtro foi eficiente, atravs de comparao de similaridade com a imagem original, utilizando os mtodos de comparao SNR e RMSE. Palavras-chave: Processamento de imagens, Rudo em imagens, Sal e Pimenta, SNR, RMSE.
SUMRIO
1 INTRODUO ...................................................................................................... 1 1.1 OBJETIVO PRINCIPAL ..................................................................................... 1 1.2 MOTIVAO ..................................................................................................... 2 1.3 METODOLOGIA ................................................................................................ 2 2 BASE TERICA ................................................................................................... 3 2.1 DEFINIO DE IMAGEM ................................................................................ 3 2.2 CAPTURA E CODIFICAO ........................................................................... 3 2.3 DEFINIO DE RUDO .................................................................................... 4 2.3.1 Rudo sal e pimenta............................................................................................ 4 2.3.2 Rudo gaussiano ................................................................................................. 5 2.4 MTODOS DE FILTRAGEM DE RUDOS ...................................................... 6 2.4.1 Filtro da mediana ............................................................................................... 7 2.4.2 Filtro da media ................................................................................................... 8 3 ANLISE DE RESULTADOS ............................................................................. 8 3.1 MTODOS DE ANLISE .................................................................................. 8 3.2 MTODOS DE ANLISE .................................................................................. 9 3.3 BASE DE IMAGENS PARA TESTE ................................................................. 10 4 EXPOSIO E COMPARATIVO DE RESULTADOS ................................... 11 4.1 APLICAO DOS RUDOS E POSTERIOR FILTRAGEM............................ 11 4.2 COMPARATIVO DOS RESULTADOS DAS FILTRAGENS .......................... 26 5 CONCLUSO ........................................................................................................ 30 REFERNCIAS ....................................................................................................... 31
1 INTRODUO O processamento de imagens uma rea bastante abrangente, que trabalha na manipulao de imagens tanto para interpretao humana, realando determinadas caractersticas da imagem, facilitando a visualizao, e na anlise computacional, extraindo e reconhecendo informaes automaticamente atravs de operaes matemticas que tentam imitar a anlise humana (FILHO; NETO, 1999). O rudo em uma imagem corresponde a toda parte da imagem que acometida por algum tipo de distoro, seja ela ocasionada pelo meio em que a imagem foi obtida, ou por algum processamento anterior, podendo resultar em interpretaes e resultados comprometidos. Para amenizar essas interferncias necessrio que a imagem acometida por rudo passe por mtodos de filtragem. As filtragens so tcnicas de processamento de imagens que modificam e melhoram a informao contida na imagem, realando ou removendo determinada caracterstica (SADEGHI et al, 2012).
1.1 OBJETIVO PRINCIPAL Trabalhar o tratamento de rudo do tipo sal e pimenta e rudo gaussiano em imagens digitais em tons de cinza, utilizando os filtros da mdia e da mediana, determinando qual o filtro mais indicados em cada caso atravs da comparao dos resultados obtidos usando mtricas de comparao apropriadas. Primeiramente ser apresentada uma definio dos conceitos e mtodos utilizados. A obteno e tratamento do rudo se dar utilizando algoritmos prexistentes para gerao aleatria do rudo, em diversas intensidades, e posterior filtragem utilizando os filtros da mdia e da mediana. A avaliao dos resultados se dar atravs de comparao entre as imagens, atravs de tabelas geradas usando as mtricas de comparao SNR, PSNR, SMSE, MAE, que retornam a intensidade do rudo. Alm disso, quanto s imagens so semelhantes, e pela avaliao subjetiva (visual).
2 Como ferramenta sero utilizados, o aplicativo IMAGEJ que contm todos os algoritmos necessrios para gerao e tratamento do rudo, e seu plug-in SNR que contm os algoritmos de comparao necessrios para determinar qual o algoritmo mais eficiente em cada caso.
1.2 MOTIVAO Aprofundar os conhecimentos na redao de artigos, monografias e outros trabalhos acadmicos utilizando a linguagem de edio LaTeX, bem como aprimorar a capacidade de escrita e pesquisa.
1.3 METODOLOGIA Esta monografia foi desenvolvida nos seguintes passos: 1) Levantamento dos problemas em processamento de imagens, e posterior delimitao de um problema. 2) Pesquisa e definio do embasamento terico necessrio para a assimilao e concluso dos objetivos. 3) Escolha dos tipos de rudos, filtros, imagens a serem trabalhadas, e as ferramentas para aplicao do mtodo. 4) Aplicao dos rudos, e posterior filtragem das imagens, bem como a gerao de tabelas com os resultados dos algoritmos de comparao. 5) Anlise das tabelas de resultado, anlise subjetiva e determinao dos resultados.
2 BASE TERICA Para discusso dos resultados deste estudo, necessria a compreenso dos conceitos definidos neste captulo.
2.1 DEFINIO DE IMAGEM A imagem um conceito subjetivo, tendo vrias maneiras de ser descrito. Pode-se abordar o conhecimento subjetivo da imagem, ou seja, a forma de como o ser humano v e interpreta o resultado final, o que se pode ver na tela do computador, ou em uma fotografia. E alm desse, existe o conceito analtico, de como a imagem representada computacionalmente, e como estes dados so manipulados gerando dados que possam ser tratados matematicamente, interpretando as informaes contidas na imagem (FILHO; NETO, 1999). Computacionalmente, uma imagem uma matriz [m]x[n], onde cada um dos elementos representa um ponto da imagem, e denominado pixel, guardando a informao da intensidade do brilho naquele ponto, a definio da imagem depender do tamanho desta matriz, (depender tambm do sensor e do mtodo para capturar a imagem, ir se supor que o sensor utilizado tenho uma qualidade ilimitada). Quanto maior a matriz, mais definio ter a imagem. Sendo assim definido matematicamente que, uma imagem uma funo de matrizes, sendo assim pode se trabalhar neste, com todas as operaes sobre matrizes, (ERTUK, 2003).
2.2 CAPTURA E CODIFICAO Diferente da percepo humana que ao ver a imagem, subjetivamente j a analisa e extrai informaes, em meio computacional necessrio transformar essa imagem em uma informao matemtica, para ento poder atravs de operaes matemticas, fazer sua anlise.
4 Uma imagem capturada atravs de sensores, com vrios pontos que ao receber a luz, retorna a intensidade que a luz for recebida. O tamanho da imagem vai depender da quantidade de pontos no sensor, e o tamanho da matriz em que essa imagem ser armazenada computacionalmente (GONZALEZ et al, 2009). A imagem a seguir ilustra uma representao sobre o processo de codificao da imagem em uma matriz que pode ser operada matematicamente:
2.3 DEFINIO DE RUDO Rudo toda a parte da imagem que pode causar alguma distoro no resultado esperado do processamento da imagem, ou seja, uma variao muito grande no brilho de um ponto ou vrios pontos de uma imagem. produzido por alguma interferncia no processo de captura da imagem, ou durante um processamento anterior. (PEDRINI; SCHWARTZ, 2008).
2.3.1 Rudo sal e pimenta O rudo sal e pimenta caracterizado por pontos com brilho mximo em reas escuras da imagem (sal), e pontos totalmente escuros em reas brilhantes da imagem
5 (pimenta), geralmente ocorre quando o sensor est queimado ou inoperante naquele ponto, ou quando h algum erro no processo de digitalizao da imagem. A figura 2 exemplifica uma imagem sem rudo e uma imagem com rudo sal e pimenta, sendo para isso, substitudos aleatoriamente 2,5% dos pixels por pixels brancos (sal) e 2,5% por pixels pretos (pimenta):
2.3.2 Rudo gaussiano O rudo gaussiano caracterizado por variaes aleatrias no brilho da imagem em vrios pontos da imagem, geralmente ocorre quando o sensor sofre longas exposies, essas variaes aleatrias seguem uma distribuio gaussiana, e a intensidade dada pelo desvio padro dos pontos da imagem, ou seja, o quanto os pixels ruidosos se afastam da mdia dos valores dos pixels na vizinhana. A Figura 3 ilustra o rudo gaussiano considerando diferentes valores para o desvio padro:
2.4 MTODOS DE FILTRAGEM DE RUDOS Mtodos de filtragem so algoritmos que removem, realam, ou reduzem determinada caracterstica na imagem, deixando com um aspecto mais natural (por exemplo, uma fotografia), ou removendo distores que possam resultar em informaes erradas (neste caso, para exemplificao, podemos citar o reconhecimento tico de caracteres, onde um pixel ruidoso pode fazer que fosse reconhecido um caractere diferente do que est na imagem). A filtragem uma operao de vizinhana, na qual um pixel da imagem resultado obtido sobre o processamento dos pixels na sua vizinhana, o tamanho desta vizinhana denominado mscara. A mscara percorre a imagem, desde o seu canto superior esquerdo at seu canto inferior direito. A cada posio relativa da mscara sobre a imagem, o pixel central da subimagem em questo ser substitudo, em uma matriz denominada 'imagem-destino. (FILHO; NETO, 1999). Ou seja, a mscara percorre a toda a imagem de modo que todos os pixels sejam operados, onde valor do pixel central ser o resultado da manipulao dos valores dos pixels da vizinhana e colocado em uma nova matriz, na qual armazenar a imagem processada, podendo ser de qualquer tamanho, sendo mais coerente utilizar tamanhos quadrados com lados mpares, para que haja um pixel central e o processamento assim seja mais coerente.
2.4.1 Filtro da mediana No filtro da mediana, o valor do pixel ruidoso, substitudo pelo valor da mediana da intensidade dos pixels da vizinhana, a mediana do conjunto o valor tal que, se agruparmos os valores de forma crescente, o valor que fica mais centralizado. Este ser o novo valor do pixel correspondente na imagem tratada. Se caso a mscara conter um numero par de elementos, o valor ser a media dos valores centrais. A Figura 5 exemplifica uma mscara operando o filtro da mediana sobre um rudo do tipo pimenta (note o pixel com brilho zero ao meio). Os valores da vizinhana so {155; 140; 139; 134; 138; 145; 157} ordenando em ordem crescente temos {134; 138; 139; 140; 145; 150; 155; 157} como o conjunto tem oito elementos os elementos do meio do conjunto sero {145; 150} sendo a mdia deles 157, e este valor ser substitudo na nova matriz resultante:
2.4.2 Filtro da media No filtro da media, o valor do pixel substitudo pela mdia dos valores dos demais pixels da vizinhana. (KO; LEE, 1991). Na Figura 6, temos na mscara o seguinte conjunto contendo os valores, seguintes valores, {155; 140; 139; 134; 138; 145; 157}, sendo a vizinhana com oito valores, a mdia do conjunto que substituir o pixel ruidoso ser 144.
3 ANLISE DE RESULTADOS 3.1 Mtodos de anlise As operaes SNR (Signal to Noise Ratio) e PSNR(Peak Signal to Noise Ratio) so operaes que geram valores que permitem comparar a semelhana entre as imagens. Quanto maior o valor gerado, mais semelhante imagem filtrada ser em relao a original. J os mtodos RMSE (Root Mean Square Error) e MAE (Mean Absolute Error) comparam a diferena entre as imagens. Quanto menores esses valores, mais semelhante imagem filtrada ser em relao imagem original.
9 Sendo assim, estes mtodos nos permitem aferir a qualidade das imagens, indicando se uma filtragem mais eficiente que outra. O quadro seguir mostra as definies matemticas de cada algoritmo de comparao:
MTODO
DESCRIO
FRMULA
SNR
Taxa de sinalrudo
PSNR
RMSE
MAE
(NIH, ImageJ - Introduction. Disponvel em: <http://nih.gov/ij/docs/index.html> Acesso em: 15 de maro de 2013).
3.2 MTODOS DE ANLISE Para chegarmos aos resultados e concluses deste artigo, foi utilizado o software livre ImageJ, no qual possvel adicionar rudo imagem, e posteriormente usar os filtros da mdia e da mediana. Para obter os ndices SNR e RMSE foi utilizado o plugin SNR.
10 O ImageJ um software de domnio pblico escrito em Java, que possui diversas opes para o processamento de imagens, dentre as quais adicionar e filtrar rudos. Esta foi escolhida para a execuo dos objetivos deste estudo porque de fcil utilizao e no requer nenhuma implementao, pois conta com uma vrios plugins. A Figura 7 mostra as telas do software e seu plugin:
(Sage Daniel, ImageJs plugin to assess the quality of images. Disponvel em:<http://bigwww.epfl.ch/sage/soft/snr/>Acesso em: 15 de maro de 2013). 3.3 BASE DE IMAGENS PARA TESTE As imagens ilustradas na Figura 8 foram usadas para a exemplificao e determinao dos resultados deste trabalho (Ficha, Garoto, Torre, Ingresso, Placa):
11
A tabela abaixo nos permite comparar os valores resultantes, podendo observar o quanto o rudo distorceu a imagem.
SNR[dB] PSNR[dB] 13,86595 17,81145 20,95998 24,90548 16,70746 20,65296 13,98308 17,92858
12
A figura abaixo mostra as imagens da ficha com rudos aps aplicao do filtro da mediana:
Aps a aplicao do filtro da mediana se obteve os seguintes resultados expressos na tabela abaixo nota-se que obteve um resultado expressivo para o filtro da mediana, com uma diferena de quase 100% nos valores obtidos: RUDO SAL E PIMENTA GAUSSIANO 15 GAUSSIANO 25 GAUSSIANO 35 SNR[dB] 25,45386 23,59006 21,31631 19,1584 PSNR[dB] 29,39936 27,53556 25,26181 23,1039 RMSE 8,641164 10,70932 13,91393 17,83795 MAE 3,66048431 7,34427643 10,52428818 14,05451584
13 A figura abaixo mostra as imagens da ficha com os rudos aps aplicao do filtro da media:
Aps a aplicao do filtro da mediana se obteve os seguintes resultados expressos na tabela abaixo, nota-se que usando este filtro o resultado mais expressivo para o rudo gaussiano. RUDO SAL E PIMENTA GAUSSIANO 15 GAUSSIANO 25 GAUSSIANO 35 SNR[dB] 20,98574 23,98752 21,83843 19,57838 PSNR[dB] 24,93125 27,93302 25,78393 23,52389 RMSE 14,45366 10,23032 13,10218 16,99597 MAE 8,77838898 6,93975449 9,97979736 13,56348038
14
A figura abaixo mostra vrios nveis de rudo inseridos na imagem do garoto:
A tabela abaixo nos permite comparar os valores resultantes, podendo observar o quanto cada nvel de rudo distorceu a imagem. RUDO SAL E PIMENTA GAUSSIANO 15 GAUSSIANO 25 GAUSSIANO 35 SNR[dB] 14,54367 22,37499 18,08535 15,28437 PSNR[dB] 17,29419 25,1255 20,83587 18,03489 RMSE 34,82016 14,134 23,16044 31,97391 MAE 6,250679 11,11726 18,09829 24,89761
15
A figura abaixo mostra as imagens do garoto com rudos aps aplicao do filtro da mediana, observa-se que no caso do rudo sal e pimenta, visualmente a imagem teve o rudo quase que completamente eliminado:
Pode-se observar na tabela abaixo, que no rudo sal e pimenta, o n dice MAE, ficou em um valor muito baixo, evidenciando que no s visualmente, mas como numericamente, que o rudo drasticamente eliminado: RUDO SAL E PIMENTA GAUSSIANO 15 GAUSSIANO 25 GAUSSIANO 35 SNR[dB] 34,9761 27,80619 23,5201 20,40744 PSNR[dB] 37,72662 30,55671 26,27062 23,15796 RMSE 3,312908 7,563187 12,38823 17,72729 MAE 1,045715 5,936176 10,02809 14,55425
16
Observando a tabela abaixo, nota-se que usando do filtro da mdia, obtiveram-se melhores resultados para o rudo gaussiano. RUDO SAL E PIMENTA GAUSSIANO 15 GAUSSIANO 25 GAUSSIANO 35 SNR [dB] 23,05774 28,01156 23,57535 20,24026 PSNR [dB] 25,80826 30,76208 26,32587 22,99077 RMSE 13,06554 7,38646 12,30968 18,07181 MAE 6,945282 5,761997 10,11434 15,13256
17 Sero repetidos os mesmos procedimentos das imagens anteriores nas imagens da torre, do ingresso e da placa, e em seguida, os valores das tabelas sero confrontados e discutidos no final desta seo.
18
Obtendo os seguintes resultados expressos na tabela abaixo, onde observa-se que assim como na imagem do garoto, o filtro sal e pimenta foi drasticamente reduzido: RUDO SAL E PIMENTA GAUSSIANO 15 GAUSSIANO 25 GAUSSIANO 35 SNR[dB] 30,01619968 25,53878202 22,21821549 19,74822163 PSNR[dB] 34,60843138 30,13101372 26,81044719 24,34045333 RMSE 4,74371524 7,9430902 11,641738 15,47096893 MAE 1,67246628 5,84379578 9,01943588 12,16342545
19
Obtendo os resultados expressos na tabela abaixo, sendo que se obteve melhores resultados ao se utilizar o filtro da mdia para o rudo gaussiano. RUDO SAL E PIMENTA GAUSSIANO 15 GAUSSIANO 25 GAUSSIANO 35 SNR[dB] 22,04501757 25,87787042 23,2866545 21,06801649 PSNR[dB] 26,63724927 30,47010212 27,8788862 25,66024819 RMSE 11,87620586 7,63897475 10,29427748 13,29008538 MAE 7,3017807 5,33583069 7,8230629 10,36710739
20 Da mesma forma que as imagens anteriores, a imagem abaixo exemplifica a aplicao de rudo na imagem ingresso:
E a tabela abaixo mostra o quanto a imagem foi afetada pelo rudo: RUDO SAL E PIMENTA GAUSSIANO 15 GAUSSIANO 25 GAUSSIANO 35 SNR[dB] 15,68036468 23,88470131 19,69483415 16,81903377 PSNR[dB] 17,12085191 25,32518855 21,13532138 18,259521 RMSE 35,52201429 13,81276913 22,37557019 31,15760952 MAE 6,17639923 10,89626694 17,39942551 23,97323608
21
Obtendo os resultados expressos na tabela abaixo, evidenciando uma drstica reduo do rudo sal e pimenta:
Obtendo os resultados expressos na tabela abaixo, com um melhor desempenho sobre o rudo gaussiano. RUDO SAL E PIMENTA GAUSSIANO 15 GAUSSIANO 25 GAUSSIANO 35 SNR[dB] 19,39583869 20,64383343 20,59188834 18,0124223 PSNR[dB] 20,83632593 22,08432066 22,03237558 19,45290954 RMSE 23,15921763 20,05968677 20,18001113 27,15780737 MAE 15,0544548 13,24448013 14,63334656 22,03057098
23 E por fim, uma timo teste, sobre a imagem da placa, na figura abaixo mostra a imagem aps a aplicao de rudo.
24 E aplicamos o filtro da mdia sobre a imagem da placa, como mostrado na figura abaixo:
Evidenciando novamente uma reduo considervel no rudo sal e pimenta usando o filtro da mediana, como mostrado na tabela abaixo: RUDO SAL E PIMENTA GAUSSIANO 15 GAUSSIANO 25 GAUSSIANO 35 SNR[dB] 22,74108861 20,45939649 18,00542288 15,9313417 PSNR[dB] 30,25784918 27,97615705 25,52218345 23,44810226 RMSE 7,827944 10,17964 13,50302 17,1449 MAE 3,817863 7,489582 10,43811 13,45512
25
E o ultimo exemplo, aplicando o filtro da mdia sobre a imagem da placa como mostrado na figura abaixo:
E abaixo a tabela com os resultados aps a aplicao do filtro da mdia: RUDO SAL E PIMENTA GAUSSIANO 15 GAUSSIANO 25 GAUSSIANO 35 SNR[dB] 17,51867028 20,42403333 18,82513075 17,08229092 PSNR[dB] 25,03543084 27,94079389 26,34189132 24,59905148 RMSE 14,28133 10,22117 12,28699 15,01715 MAE 9,891148 7,506504 9,429878 11,70455
26 4.2 COMPARATIVO DOS RESULTADOS DAS FILTRAGENS A tabela abaixo compara os resultados dos filtros sobre o rudo sal e pimenta:
IMAGEM FICHA MEDIA SNR[dB] PSNR[dB] RMSE MAE 20,9857449 24,9312476 14,4536589 8,77838898 MEDIANA 25,453856 29,399358 8,6411645 3,6604843 INGRESSO MEDIA SNR[dB] PSNR[dB] RMSE MAE 17,5186703 25,0354308 14,2813295 9,89114761 MEDIANA 22,741089 30,257849 7,8279442 3,8178635 PLACA MEDIA SNR[dB] PSNR[dB] RMSE MAE 22,0450176 26,6372493 11,8762059 7,3017807 MEDIANA 30,0162 34,608431 4,7437152 1,6724663 GAROTO MEDIA SNR[dB] PSNR[dB] RMSE MAE 23,0577442 25,8082585 13,0655368 6,94528198 MEDIANA 34,976103 37,726617 3,3129076 1,0457153 TORRE MEDIA SNR[dB] PSNR[dB] RMSE MAE 19,3958387 20,8363259 23,1592176 15,0544548 MEDIANA 22,510598 23,951085 16,180277 7,8001366 MELHOR FILTRO MEDIANA MEDIANA MEDIANA MEDIANA MELHOR FILTRO MEDIANA MEDIANA MEDIANA MEDIANA MELHOR FILTRO MEDIANA MEDIANA MEDIANA MEDIANA MELHOR FILTRO MEDIANA MEDIANA MEDIANA MEDIANA MELHOR FILTRO MEDIANA MEDIANA MEDIANA MEDIANA
MELHOR DESEMPENHO EM CADA CASO IMAGEM FICHA GAROTO INGRESSO TORRE PLACA MELHOR FILTRO MEDIANA MEDIANA MEDIANA MEDIANA MEDIANA
Observando os resutados, nota-se que o filtro da mediana, foi melhor para o rudo sal e pimenta, pois obteve o melhor resultado em todos os casos.
27 A tabela abaixo compara os resultados dos filtros sobre o rudo gaussiano 15:
IMAGEM FICHA SNR[dB] PSNR[dB] RMSE MAE MEDIA 23,98751805 27,93302069 10,23031829 6,93975449 MEDIANA 23,5900621 27,53556475 10,70932117 7,34427643 MELHOR FILTRO MEDIA* MEDIA* MEDIA* MEDIA*
*AMBOS TIVERAM UM DESEMPENHO MUITO PRXIMO INGRESSO MEDIA SNR[dB] PSNR[dB] RMSE MAE 20,64383343 22,08432066 20,05968677 13,24448013 PLACA MEDIA PSNR[dB] RMSE MAE *AMBOS TIVERAM UM DESEMPENHO MUITO PRXIMO GAROTO MEDIA 28,01156258 SNR[dB] 30,76207689 PSNR[dB] 7,38645976 RMSE 5,76199722 MAE *AMBOS TIVERAM UM DESEMPENHO MUITO PRXIMO TORRE MEDIA SNR[dB] PSNR[dB] RMSE MAE 25,87787042 30,47010212 7,63897475 5,33583069 MEDIANA 25,53878202 30,13101372 7,9430902 5,84379578 MELHOR FILTRO MEDIA* MEDIA* MEDIA* MEDIA* MEDIANA 27,80619225 30,55670656 7,56318724 5,9361763 MELHOR FILTRO MEDIA* MEDIA* MEDIA* MEDIA* MEDIANA 27,94079389 10,22116704 7,50650406 MELHOR FILTRO 27,97615705 10,17963785 7,48958206 MEDIANA* MEDIANA* MEDIADA* MEDIANA* MEDIANA 22,09983702 23,54032425 16,96383219 10,90818405 MELHOR FILTRO MEDIANA MEDIANA MEDIANA MEDIANA
MELHOR DESEMPENHO EM CADA CASO FICHA GAROTO INGRESSO TORRE PLACA MEDIA MEDIA MEDIANA MEDIA MEDIANA
Observando os resultados, nota-se que os filtros tiveram desempenho prximo nos exemplos acima, no havendo como concluir ainda qual o melhor mtodo.
28 A tabela abaixo compara os resultados dos filtros sobre o rudo gaussiano 25:
IMAGEM FICHA MEDIA SNR[dB] PSNR[dB] RMSE MAE 21,83843009 25,78393274 13,10217946 9,97979736 MEDIANA 21,31630763 25,26181027 13,91392528 10,52428818 INGRESSO SNR[dB] PSNR[dB] RMSE MAE MEDIA 19,50615244 20,94663967 22,86694761 17,03618622 MEDIANA 20,60857698 22,04906421 20,14127549 14,61189651 PLACA MEDIA SNR[dB] PSNR[dB] RMSE MAE 18,82513075 26,34189132 12,28699311 9,42987823 MEDIANA 18,00542288 25,52218345 13,50302302 10,43810654 GAROTO MEDIA SNR[dB] PSNR[dB] RMSE MAE 23,57535307 26,32586738 12,30968137 10,11433792 MEDIANA 23,52010129 26,2706156 12,38823401 10,02808762 MELHOR FILTRO MEDIA MEDIA MEDIA MEDIANA MELHOR FILTRO MEDIA MEDIA MEDIA MEDIA MELHOR FILTRO MEDIANA MEDIANA MEDIANA MEDIANA MEDIA MEDIA MEDIA MEDIA
TORRE MEDIA SNR[dB] PSNR[dB] RMSE MAE 23,2866545 27,8788862 10,29427748 7,8230629 MEDIANA 22,21821549 26,81044719 11,641738 9,01943588 MELHOR FILTRO MEDIA MEDIA MEDIA MEDIA
MELHOR DESEMPENHO EM CADA CASO FICHA GAROTO INGRESSO TORRE PLACA MEDIA MEDIANA MEDIANA MEDIANA MEDIANA
Observando as tabelas acima evidencia-se que o filtro da mdia est se saindo melhor em imagem com mais tons, e em imagens mais simples como do ingresso, nota-se que o filtro da mediana se saiu melhor.
29 A tabela abaixo compara os resultados dos filtros sobre o rudo gaussiano 35:
IMAGEM FICHA MEDIA SNR[dB] PSNR[dB] RMSE MAE 19,57838404 23,52388669 16,9959657 13,56348038 INGRESSO MEDIA SNR[dB] PSNR[dB] RMSE MAE 18,0124223 19,45290954 27,15780737 22,03057098 PLACA MEDIA SNR[dB] PSNR[dB] RMSE MAE 17,08229092 24,59905148 15,01715302 11,7045517 MEDIANA 15,9313417 23,44810226 17,14490438 13,4551239 MELHOR FILTRO MEDIA MEDIA MEDIA MEDIA MEDIANA 18,88843141 20,32891865 24,5524168 19,12435532 MELHOR FILTRO MEDIANA MEDIANA MEDIANA MEDIANA MEDIANA 19,15840229 23,10390493 17,83794965 14,05451584 MEDIA MEDIA MEDIA MEDIA
GAROTO MEDIA SNR[dB] PSNR[dB] RMSE MAE 20,24025591 22,99077021 18,07181074 15,13255692 MEDIANA 20,40744429 23,15795859 17,72728598 14,554245 MELHOR FILTRO MEDIA MEDIA MEDIA MEDIANA
TORRE MEDIA SNR[dB] PSNR[dB] RMSE MAE 21,06801649 25,66024819 13,29008538 10,36710739 MEDIANA 19,74822163 24,34045333 15,47096893 12,16342545 MELHOR FILTRO MEDIA MEDIA MEDIA MEDIA
MELHOR DESEMPENHO EM CADA CASO FICHA GAROTO INGRESSO TORRE PLACA MEDIA MEDIA MEDIANA MEDIA MEDIANA
Como visto anteriormente, nota-se que na imagem do ingresso e da torre, o filtro da mediana obteve um desempenho ligeiramente superior.
30
5 CONCLUSO
Atravs da anlise das tabelas de resultados, de modo geral, constatou-se uma eficincia melhor do filtro da mdia. Porm, se for observado cada filtragem dos rudos de forma isolada, nota-se que, o filtro da mediana, obteve melhor desempenho no tratamento do rudo sal e pimenta, enquanto o tratamento do rudo gaussiano foi mais eficiente utilizando o filtro da mdia. Se observarmos cada imagem isoladamente, considerando as caractersticas da imagem, pode ser observar que o filtro da mediana obteve um desempenho ligeiramente melhor do que em outras imagens, fato este devido a imagem apresentar poucos detalhes, e pouca variao de tons. Ressaltamos que a diferena foi pequena, com isso, no caso de no poder qualificar o nvel de detalhes na imagem, o uso do filtro da mdia se torna mais plausvel. Conclu-se, assim, que o filtro da mdia o melhor filtro para o tratamento do rudo gaussiano nas imagens mais detalhadas. Alm disso, constatou-se que o filtro da mediana apresenta resultados superiores para o rudo gaussiano em imagens com poucos detalhes.
31
REFERNCIAS
CHEN, T.; WU, H. R. Adaptive impulse detection using center-weighted median filters. Signal Processing Letters, IEEE, IEEE, v. 8, n. 1, p. 13, 2001. FILHO, Og M.; NETO, Hugo V. Processamento Digital de Imagens, Rio de Janeiro: Brasport, 1999. ERTUK, S. Digital image processing. [S.l.]: National Instruments Corporation, 2003. GONZALEZ, R. C.; WOODS, R. E.; EDDINS, S. L. Digital image processing using MATLAB. [S.l.]: Gatesmark Publishing Tennessee, 2009. KO, S.-J.; LEE, Y. H. Center weighted median filters and their applications to image enhancement. Circuits and Systems, IEEE Transactions on, IEEE, v. 38, n. 9, p. 984993, 1991. PEDRINI, H.; SCHWARTZ, W. R. Anlise de imagens digitais: princpios, algoritmos e aplicaes. [S.l.]: Thomson Learning, 2008. SADEGHI, S.; REZVANIAN, A.; KAMRANI, E. An efficient method for impulse noise reduction from images using fuzzy cellular automata. AEU-International Journal of Electronics and Communications, Elsevier, v. 66, n. 9, p. 772779, 2012. SAGE, Daniel, ImageJs plugin to assess the quality of images. Disponvel em: <http://bigwww.epfl.ch/sage/soft/snr/> Acesso em: 15 de maro de 2013