Filtros Matlab

Curso Matlab aplicado ao processamento de imagens
Esta é a página do curso avançado de Matlab, elaborado pelo professor Diego da Silva de
Medeiros dentro do projeto intitulado MATLAB - Software de estudos matemáticos. Este curso
visa complementar o primeiro curso, de nível básico, com técnicas mais avançadas. O curso foi
dividido de 3 encontros de 2 horas:
Encontro 1 - Matlab avançado
Nesta aula, conceitos do Matlab não compreendidos no curso básico serão apresentados:
Indexação de matrizes
Classes de dados
Funções
Exceções
Exercícios
Encontro 2 - Criando interfaces gráficas
Nesta aula, a criação de interfaces gráficas simples para scripts será apresentada.
Botões de ação
Eixos
Campos de texto
Radiobuttons
Encontro 3 - Processamento de imagens
Nesta aula, técnicas simples de processamento de imagens serão estudadas:
Negativo da imagem
Brilho
Contraste
Binarização
Marca d'água
Suavização
Detecção de bordas
Paleta de cores
Tabela de conteúdo
[esconder]
1 Curso Matlab aplicado ao processamento de imagens - Aula 1
1.1 Indexação de matrizes
1.1.1 Indexação simples
1.1.2 Indexação múltipla
1.1.3 Uso do ":"
1.1.4 O comando end
1.1.5 Índice versus Subscrito
1.2 Classes de dados
1.2.1 Char
1.2.1.1 Concatenação de caracteres e números
1.2.2 Cell
1.2.2.1 O problema
1.2.2.2 A classe cell
1.2.3 Structs
1.3 Funções
1.3.1 Argumento e retorno simples
1.3.2 Argumento e retorno múltiplo
1.3.3 Variáveis locais e globais
1.3.4 Funções inline
1.4 Exceções
1.5 Exercício
2.1 Criação da interface
2.2 Atribuir uma ação às componentes
2.2.1 Ação do botão
2.2.2 Plotando ao pressionar o botão
2.2.3 Referenciando uma componente específica
2.2.4 Guardando valores entre componentes
2.2.5 Capturando o valor do campo de texto
2.2.6 Utilizando os radiobuttons

2.3 Completando a interface
3.1 Imagem em escala de cinza
3.1.1 Negativo da imagem
3.1.2 Aumentando e reduzindo o brilho
3.1.3 Aumentando e reduzindo o contraste
3.1.4 Binarização
3.1.5 Adicionando uma marca d'água
3.1.6 Suavização
3.1.7 Detecção de bordas
3.2 Imagem colorida
3.2.1 Criando uma imagem da paleta de cores
3.2.2 Paleta de cores modificada
3.3 Projeto final
Curso Matlab aplicado ao processamento de imagens - Aula 1
Indexação de matrizes
Indexação simples
Uma das maiores barreiras do usuário do Matlab é a compreensão da indexação de variáveis.

A indexação é realizada com parênteses e o número da linha/coluna/etc que se deseja acessar.
Para entender isso, vamos criar 3 variáveis, um vetor linha, um coluna e uma matriz:
>> lin = [1 2 3 4];
>> col = [5; 6; 7; 8];
>> mat = [1 2 3 4; 5 6 7 8];
Se quisermos acessar o 1º elemento dos vetores, basta usar a sintaxe variavel(1):
>> lin(1)
ans =
>> col(1)
ans =
Da mesma forma, podemos acessar o primeiro elemento da matriz (linha 1, coluna 1):
>> mat(1,1)
ans =
Repare que para o Matlab, o primeiro elemento de uma variável é o elemento de número 1.
Isso vai contra algumas linguagens de programação, como o C, onde o primeiro elemento é o
de número 0.
Indexação múltipla
Podemos também acessar mais de um elemento de vetores, passando um vetor como índice:
>> lin([1, 3])
ans =
1 3
>> col([1, 3])
ans =
Repare que a configuração dos elementos retornados (linha ou coluna) segue a configuração
dos vetores originais. Para acessar mais de um elemento de uma matriz, passamos dois
vetores, um com as linhas e o outro com as colunas:
>> mat([1, 2], [2, 4])

ans =
2 4
6 8
Uso do ":"
Tanto para matriz quanto para vetores, podemos usar o operador dois pontos para facilitar a
sintaxe:
>> col(1:3)
ans =
>> mat(1:2, 2:4)
ans =
2 3 4
6 7 8
Neste caso, como a matriz mat tem apenas duas linhas, poderíamos substituir
o 1:2 simplesmente pelos dois pontos:
>> mat(:, 2:4)
ans =
2 3 4
6 7 8
O comando end
Muitas vezes não sabemos o número total de elementos de um vetor ou de uma matriz, e
queremos pegar todos os elementos a partir de uma determinada posição. Para isso há a
facilidade do comando end, que indica que os dados da variável deverão ser tomados até o
último elemento:
>> mat(:, 2:end)
ans =
2 3 4
6 7 8
Índice versus Subscrito
Ao ler os comandos acima, repare que há então formas diferentes de se indexar uma variável:
um vetor recebe apenas um número, que indica o número do elemento, e uma matriz recebe
dois números, que indica a linha e a coluna do elemento. Quando passamos apenas um
número dizemos que estamos escolhendo os elementos pelo seu índice, e quando passamos
dois ou mais números estamos escolhendo os elementos pelo seu subscrito. Esse é um fator
de confusão no Matlab, pois podemos inverter as coisas e escolher elementos de um vetor
via subscrito e elementos de uma matriz via índice:
>> lin(1,3)
ans =
>> col(2,1)
ans =
>> mat(4)
ans =
6
Assim, é selecionado o elemento da linha 1 e coluna 3 do vetor lin, o elemento da linha 2 e
coluna 1 do vetor col. No caso da matriz, como o número de dimensões da variável é maior
que o número de números passados, o Matlab entende que os elementos estão sendo
selecionados via índice, e conta, coluna a coluna, os índices dos elementos até chegar o índice
desejado. Como estamos selecionando o elemento 4 da matriz, o matlab passa os elementos
mat(1) = 1, mat(2) = 5, mat(3) = 2 e para no mat(4) = 6. Isso pode ser visto ao selecionar os
elementos de 1 a 4 da matriz:
>> mat(1:6)
ans =
1 5 2 6 3 7
Repare que o resultado da seleção dos elementos de 1 a 4 da matriz é um vetor linha com os
valores de mat(1,1), mat(2,1), mat(1,2), mat(2,2), mat(1,3) e mat(2,3). Porém, ao usar a
escolha pelo índice, podemos também receber um vetor coluna, desde que o vetor usado
como índice seja um vetor coluna:
>> mat([1; 2; 3; 4; 5; 6])
ans =
Mais do que isso, podemos ter como resultado uma matriz:
>> mat([1 2; 3 4; 5 6])
ans =
1 5
2 6
3 7
ou mesmo ter, a partir de um vetor, uma matriz como resultado:
>> col([1 3; 2 4; 1 4; 2 3])
ans =
5 7
6 8
5 8
6 7
Classes de dados
No curso de nível básico, classes numéricas de dados foram estudados. Nesta etapa iremos
conhecer outras classes existentes:
Char
Nos dados de tipo char estão compreendidos os caracteres textuais. Para indicar que uma
variável é do tipo char, usamos aspas simples:
>> var1 = 'a'
var1 =
Da mesma forma que números, vetores de dados char podem ser criados:
>> var2 = ['a', 'b', 'c']
var2 =
abc
Repare que um vetor de caracteres é uma string, e a sua criação pode ser feita diretamente,
inclusive sem os colchetes:
>> var3 = 'ola amiguinhos!'
var3 =
ola amiguinhos!
Concatenação de caracteres e números
O Matlab faz uso da Tabela ASCII quando um número é concatenado à um dado da classe char:
>> var4 = ['a' 35]
var4 =
a#
Porém, é possível converter o número em um vetor char, não realizando a conversão. Para isso
é usada a função num2str:
>> var5 = ['a' num2str(35)]
var5 =
a35
Cell
O problema
Muitas vezes, queremos criar listas de nomes, e a primeira opção que temos é usar strings:
>> lista1 = ['Jose Aparecido'; 'Maria Silveira'; 'Etevaldo Mario']
lista1 =
Jose Aparecido
Maria Silveira
Etevaldo Mario
Este tipo de solução, porém, funciona apenas quando todas as strings tem o mesmo número
de caracteres, pois em suma, o que estamos fazendo é uma matriz de dados do tipo char:
>> size(lista1)
ans =
3 14
Se tentarmos criar uma lista com strings de tamanhos diferentes, estamos criando uma matriz
com número de elementos incompletos, sendo retornado um erro:
>> lista2 = ['mae'; 'pai'; 'filho']
Error using vertcat
Dimensions of matrices being concatenated are not consistent.
A classe cell
Para resolver este e outros problemas, o Matlab disponibiliza uma classe de dados adicionais,
a cell. O tipo cell é como um invólucro que armazena dados de outros tipos do Matlab. Sua
criação é feita usando chaves ao invés de colchetes:
>> celula1 = {5}
celula1 =
[5]
>> celula2 = {'b'}
celula2 =
'b'
>> celula3 = {[1, 2, 3, 4, 5]}
celula3 =
[1x5 double]
>> celula4 = {'boa noite'}
celula4 =
'boa noite'
Repare que todas as variáveis criadas são do tipo cell, independente de estarem armazenando
números ou letras:
>> whos celula1 celula2 celula3 celula4
Name Size Bytes Class Attributes
celula1 1x1 120 cell
Além disso, todas as variáveis criadas tem o mesmo tamanho, 1x1. Porém, assim como
qualquer outro tipo de dado do Matlab, vetores ou matrizes podem ser criados.
>> celula5 = {1, 2, 3, 4}
celula5 =
[1] [2] [3] [4]
>> celula6 = {'g'; 'y'; 'A'}
celula6 =
'g'
'y'
'A'
>> celula7 = {[1 2], [3; 4]}
celula7 =
[1x2 double] [2x1 double]

>> celula8 = {'oi', 'amigo'}
celula8 =
'oi' 'amigo'
>> whos celula5 celula6 celula7 celula8
Um dado da classe cell pode agrupar dados de diferentes tamanhos e classes:
>> celula9 = {'Joao', 13, 'O+', [140, 35]; 'Maria', 15, 'A-', [135, 29]}
celula9 =
'Joao' [13] 'O+' [1x2 double]
'Maria' [15] 'A-' [1x2 double]
Structs
As cells permitem criar listas com tipos diferentes de dados e com diferentes tamanhos.
Porém, é algumas vezes necessária a criação de listas mais elaboradas. Para
isso, structs podem ser utilizadas. Para criar um dado do tipo struct, pode-se usar a
função struct:
>> s1 = struct('Nome',[],'Idade',[],'Tipo',[],'Altura',[],'Peso',[])
s1 =
Nome: []
Idade: []
Tipo: []
Altura: []
Peso: []
Neste caso, uma struct com 5 campos foi criada, porém, nenhum valor foi atribuído à nenhum
dos campos. Para adicionar valores, o operador ponto é utilizado:
>> s1.Nome = 'Joao'
s1 =
Nome: 'Joao'
Idade: []
Tipo: []
Altura: []
Peso: []
>> s1.Altura = 140
s1 =
Nome: 'Joao'
Idade: []
Tipo: []
Altura: 140
Peso: []
É possível atribuir valores já na criação da struct, bastando incluir no lugar dos colchetes. Além
da função struct é possível criar variáveis desta classe dinamicamente, através do operador
ponto:
>> s2.Marca = 'Volkswagen'
s2 =
Marca: 'Volkswagen'
>> s2.Modelo = 'Fusca'
s2 =
Marca: 'Volkswagen'
Modelo: 'Fusca'
>> s2.Ano = 1962
s2 =
Marca: 'Volkswagen'
Modelo: 'Fusca'
Ano: 1962
A criação de uma lista é feita a partir de um vetor de structs:
>> s2(2).Marca = 'FIAT';
>> s2(2).Modelo = '147';
>> s2(2).Ano = 1980
s2 =
1x2 struct array with fields:
Marca
Modelo
Ano
Funções
Argumento e retorno simples
Assim como a maioria das linguagens de programação o Matlab também permite a criação de
funções. Com elas, evitamos a repetição de códigos numa simulação, contribuindo para a
legibilidade e facilitando a alteração de funcionalidade. Para criar uma função criamos um
arquivo com o nome pretendido e incluímos um cabeçalho que indica as suas características.
Por exemplo, arquivo soma1.m:
function y = soma1(x)
y = x + 1;
end
Este arquivo cria uma função que soma 1 à um número. Esse número é passado como
argumento da função (x), e o resultado da soma é retornado através da variável y. O
comando end ao fim do arquivo é neste caso opcional. Após salvar as alterações no arquivo,
basta chamar a função pelo seu nome e lista de argumentos:
>> soma1(2)
ans =
>> soma1(5)
ans =
>> soma1(1998)
ans =
1999
Argumento e retorno múltiplo
Uma função também pode receber e retornar mais de um valor. Neste caso, o seu cabeçalho
fica um pouco diferente:
function [soma, subt, mult, divs] = operacoes(x1, x2)

soma = x1 + x2;
subt = x1 - x2;
mult = x1 * x2;
divs = x1 / x2;
end
Esta função recebe dois números (x1 e x2) e realiza 4 operações. Cada operação é retornada
numa variável diferente. Um detalhe importante é que o acesso aos múltiplos retornos da
função se dá apenas via atribuição à variáveis específicas. Do contrário, apenas a primeira
variável (no caso, a soma) é retornada:
>> operacoes(1,2)
ans =
>> [soma, subt] = operacoes(1,2)
soma =
subt =
-1
>> [soma, subt, mult, divs] = operacoes(1,2)
soma =
3
subt =
-1
mult =
divs =
0.5000
Variáveis locais e globais
Todas as variáveis criadas dentro de uma função são visíveis apenas à ela. São variáveis locais.
Da mesma forma, uma função acessa do workspace apenas as variáveis que lhe foram
passadas como argumento. É possível estender o uso de uma variável do workspace para
qualquer função, usando para isso o comando global. Após a execução do comando global var,
a variável var poderá ser usada por qualquer função.
Funções inline
Uma forma rápida de criar funções simplificadas é através do comando inline:
>> f = inline('x + y','x','y')
f=
Inline function:
f(x,y) = x + y
No quadro acima, a função f(x,y), que calcula a soma da variável x com a variável y foi criada. A
função é acessada a partir da variável ao qual ela foi atribuída (neste caso, f), e parâmetros são
passados como uma função qualquer:
>> f(1,2)
ans =
Exceções
Ao desenvolver uma simulação, podem acontecer erros de indexação, divisões por zero, ou
outros problemas. Em alguns desses casos, sabemos que esses erros vão acontecer, mas não
há outra forma de desenvolver o programa. O seguinte bloco de código exemplifica isso:
>> var = 15:18
var =
15 16 17 18
>> for i = 1:6
x = var(i)
end
x=
15
x=
16
x=
17
x=
18
Attempted to access var(5); index out of bounds because numel(var)=4.
Repare que um erro foi retornado após o programa tentar acessar o 5º elemento de um vetor
de tamanho 4.
Para casos como esse há no Matlab o tratamento de exceção, através dos

comandos try e catch. Digamos no exemplo acima, a aplicação aceite que ao atingir o final da
variável, atribuamos o valor 0 à variável x. Com o tratamento de exceção, isto seria resolvido
da seguinte forma:
for i = 1:6
try
x = var(i)
catch
x=0
end
end
O Matlab tenta acessar o elemento i da variável var para atribuir à variável x. Caso ele não
consiga, ele executa o bloco de código catch, que atribui o valor 0 à variável x. O resultado
deste código é:
x=
15
x=
16
x=
17
x=
18
x=
x=
Exercício
Objetivo geral
Desenvolver um programa que recebe uma lista de dados de alunos de uma escola e gera um
relatório. Os dados estarão em forma de uma tabela, onde as colunas são: Matrícula, Nome,
Idade, Curso, Turma, Turno, Situação.
Etapas
A tabela de entrada estará em forma de uma matriz do tipo cell, construir uma função que
converte a tabela cell num vetor struct com os campos correspondentes
A geração do relatório deverá usar os dados na forma de struct
dados.zip - Arquivo com os dados dos alunos, para carregamento no Matlab.
resposta.m - Arquivo com a solução do exercício.

Nesta aula vamos aprender a criar interfaces simples para scripts.
O Matlab possui uma ferramenta para simplificar a criação de GUIs, o GUIDE. Neste curso,
vamos criar uma interface simples, com dois eixos de plot, um campo de entrada de dados,
dois botões de radio e um botão de apertar. No primeiro eixo vamos plotar um seno, e no
segundo vamos plotar um cosseno ou uma tangente, dependendo do botão de radio marcado.
A frequência da senoide será inicialmente 0, mas poderá ser alterada através do campo de
dado.
Projeto da interface a ser criada
Criação da interface
Para iniciar a criação da interface, escolha a pasta que você quer que os arquivos estejam
salvos e digite na janela de comandos:
>> guide
Na janela quick start que apareceu, escolha Blank GUI e pressione OK.
Início da ferramenta GUIDE
A janela que se abre é o editor de interfaces. É aí que os botões são dispostos na janela. Para
adicionar uma componente, basta clicar no botão na parte esquerda e arrastá-lo para a parte
central, na posição desejada. Cada componenteadicionada possui atributos, que podem ser
visualizados através de um duplo clique:
Atributos do botão
Inicie com a criação de 3 painéis, como dispostos na figura:

Painéis
Inclua 2 axes nos painéis superior esquerdo e direito:

Axes
Por fim, inclua um campo edit text no painel inferior esquerdo dois radiobuttons na parte
inferior do painel direito:
Interface construida
É possível alterar as informações escritas na interface, clicando duas vezes na componente e

alterando o campo Title, no caso dos painéis, ou String para os demais. A interface concluída
pode ser vista abaixo:
Interface concluída
Salve o arquivo com o nome interface, uma janela com vários códigos irá aparecer. Ao digitar
na janela de comando o comando interface, a janela da interface se abrirá.
Interface
Repare que nenhuma ação é executada ao clicar nos botões ou alterar o campo de texto. Isso
acontece porque apenas a interface está criada, falta atribuir ações à cada uma das
componentes. É isso que faremos na próxima etapa.
Atribuir uma ação às componentes
Ao salvar a interface criada, dois arquivos são gerados pela ferramenta, um interface.fig, que é
a interface em si, e interface.m que é o código que indica a ação que cada componente gera.
Este arquivo é organizado como funções, das quais as mais importantes são:
interface: Abre a interface criada.
interface_OpeningFcn: Última função executada antes que a interface seja efetivamente

criada. É usada para inicialização de variáveis, etc.
<componente>_Callback: Ação executada pelo componente ao ser pressionado.
Assim, para atribuir ações aos componentes, basta indicá-las no espaço correspondente à
componente. Após escrever o código, não esqueça de salvar o arquivo. A seguir, vamos
atribuir algumas ações às componentes:
Ação do botão
Inclua na função pushbutton1_Callback o código:
display('Botão pressionado')
salve, e execute a função. Repare que toda vez que o botão é pressionado, uma
mensagem Botão pressionado é impressa na janela de comandos.
Plotando ao pressionar o botão
Para plotar um gráfico ao pressionar o botão, inclua na função pushbutton1_Callback o código:
plot(randn(1,10))
Plotando após pressionar o botão
Referenciando uma componente específica
Repare que o eixo em que o gráfico foi plotado não foi escolhido. Para escolher o eixo, é
preciso passar para a função plot um indicador da componente a ser utilizada. Todas as
componentes estão dispostas na variável handles, struct criada automaticamente pela
ferramenta GUIDE. Para esta interface, a variável handles possui os seguintes campos:
handles =
figure1: 191.0381
uipanel3: 27.0389
uipanel2: 25.0389
uipanel1: 19.0397
pushbutton1: 192.0381
radiobutton1: 34.0389
radiobutton2: 33.0389
axes2: 28.0389
edit1: 26.0389
axes1: 20.0389
output: 191.0381
Os valores atribuídos à cada campo não são muito importante, são as referências que o Matlab
criou ao gerar a interface. Assim, para escolher o eixo em que o plot será feito, basta passar o
valor handles.axes1 ou handles.axes2.
Guardando valores entre componentes
A ação de cada componente é atribuída por uma função dentro do arquivo interface.m. Sendo
funções, todas as variáveis criadas são apagadas após sua execução. Caso seja necessário
guardar valores entre as ações das componentes, pode-se atribuir à variável handles outros
campos, que guardarão os valores desejados.
Por exemplo, para criar um contador de apertos no botão, precisamos de uma variável que
guarde o número de vezes que o botão foi pressionado. Criamos um campo
chamado contador na variável handles, inicializado com 0, e atribuímos a ação de somar 1
sempre que o botão for pressionado.
Para criar o campo e inicializá-lo com zero, inserimos um código à

função interface_OpeningFcn, que ficará assim:
% --- Executes just before interface is made visible.
function interface_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% varargin command line arguments to interface (see VARARGIN)
handles.contador = 0; %------------------------- Criando o contador
% Choose default command line output for interface
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
O incremento do contador, e a impressão da mensagem com o número de vezes que o botão

foi pressionado são incluídos na função pushbutton1_Callback:
handles.contador = handles.contador + 1;
display(['O botão foi pressionado ' num2str(handles.contador) ' vezes'])

Porém, ao executar a interface e pressionar o botão, observamos que aparece sempre a
mesma mensagem:
>> interface
O botão foi pressionado 1 vezes
Isso acontece porque as funções de ação não retornam nenhum valor, ou seja, a alteração
realizada na variável handle.contador se perde após a execução da função. Para salvar as
variáveis, é necessário usar a função guidata(hObject, handles);. Assim, a
função pushbutton1_Callback ficará:
function pushbutton1_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton1 (see GCBO)
handles.contador = handles.contador + 1;
display(['O botão foi pressionado ' num2str(handles.contador) ' vezes'])
Com isso, o problema está resolvido:
>> interface
Capturando o valor do campo de texto
O valor do campo de texto está armazenado na variável hObject, que como o próprio nome já
diz, é um objeto. Para atribuir ou receber valores da variável hObject, usamos respectivamente
as funções set(hObject,'<atributo>',<valor>) e get(hObject,'<atributo>'). Vimos anteriormente
que a variável handles traz a referência para todos os componentes da interface. Em
contrapartida, a variável hObject traz os atributos apenas da componente atual, que estamos
atribuindo a ação. Cada componente tem seu conjunto de atributos.
Para ver os atributos disponíveis no campo de texto, incluímos na sua função de ação
(edit1_Callback) o código get(hObject). Ao alterar o valor do campo, a seguinte mensagem é
impressa na janela de comandos:
BackgroundColor = [1 1 1]
Callback = [ (1 by 1) function_handle array]

CData = []
Enable = on
Extent = [0 0 24.8 1.38462]
FontAngle = normal
FontName = MS Sans Serif
FontSize = [8]
FontUnits = points
FontWeight = normal
ForegroundColor = [0 0 0]
HorizontalAlignment = center
KeyPressFcn =
ListboxTop = [1]
Max = [1]
Min = [0]
Position = [3.6 1.76923 32.2 2.30769]
String = Valor alterado-------------
Style = edit
SliderStep = [0.01 0.1]
TooltipString =
Units = characters
Value = [0]
BeingDeleted = off
ButtonDownFcn =
Children = []
Clipping = on
CreateFcn = [ (1 by 1) function_handle array]
DeleteFcn =
BusyAction = queue
HandleVisibility = on
HitTest = on
Interruptible = on
Parent = [25.0402]
Selected = off
SelectionHighlight = on
Tag = edit1
Type = uicontrol
UIContextMenu = []
UserData = []
Visible = on
Repare que o atributo String recebeu o valor digitado no campo de texto. Assim, é esse o
campo que precisamos ler se quisermos receber o valor da frequência digitado pelo usuário.
Para guardar o valor digitado, criamos um campo na variável handles.
Criamos o campo f na variável handles e inicializamos com zero, na

função interface_OpeningFcn:
handles.f = 0;
Adicionamos a ação de guardar o valor digitado no campo de texto, na função edit1_Callback.

Não esquecer de salvar a alteração na variável com a função guidata(hObject, handles);:
function edit1_Callback(hObject, eventdata, handles)
% hObject handle to edit1 (see GCBO)

handles.f = get(hObject,'String');
Por fim, configuramos no botão a ação de mostrar na janela de comandos o valor da

variável handles.f:
display(['Valor da variável f: ' handles.f])
Veja as mensagens exibidas, sempre que o botão é pressionado
>> interface
Valor da variável f: 4
Valor da variável f: 5
Valor da variável f: ola amiguinhos
Utilizando os radiobuttons
Cada radiobutton tem uma função de ação. O estado de um botão de ação é acessado pelo
atributo Value, que se for igual a 1 indica que o botão está marcado e se for igual a 0 indica
que o botão não está marcado. Dependendo de vários fatores, ao marcar um botão, é possível
que um botão previamente marcado seja desmarcado ou não. Assim, uma ação interessante
de ser executada quando um radiobutton for marcado é a desmarcação dos
outros radiobuttons. Ou seja, na função de ação do radiobutton1, radiobutton1_Callback,
escrevemos:
set(handles.radiobutton1,'Value',1)
E na função de ação do radiobutton2, radiobutton2_Callback, escrevemos:
Repare que os atributos dos componentes também podem ser acessados a partir da referência
disponível na variável handles.
É interessante também guardar o radiobutton escolhido. Para isso, criamos uma variável
chamada estado, como um campo da variável handles. Esta variável terá os valores 1 ou 2,
dependendo do radiobutton escolhido. Além disso, pode ser necessário inserir um estado
inicial dos radiobuttons, evitando que todos fiquem desmarcados. Assim, para trabalhar com
os radiobuttons fazemos:
- Adicionamos na função interface_OpeningFcn a criação da variável estado e a rotina de

inserção do seu estado inicial:
% Diz que o botão selecionado é o 1
handles.estado = 1;
% Inicializa o estado dos botões
- Dizemos que, ao selecionar um radiobutton o outro deve ser desmarcado, e guardamos o

estado dos botões:
function radiobutton1_Callback(hObject, eventdata, handles)
% hObject handle to radiobutton1 (see GCBO)
handles.estado = 1;
handles.estado = 2;
- Inserimos uma função de display como ação do botão:
display(['Radiobutton selecionado: ' num2str(handles.estado)])
Repare que foi necessário converter o número para string. Ao executar a interface,
observamos o resultado esperado:
>> interface
Radiobutton selecionado: 1
Completando a interface
Para completar a interface, seguimos os passos:
- Na função interface_OpeningFcn, inserimos um estado inicial para os botões, geramos um

estado inicial para a frequência dos sinais, geramos o eixo do tempo no qual os sinais estarão
definidos e fazemos os plots com os valores padrão:
% ------------------------------------------------------
handles.estado = 1;
% Inicializa o estado dos botões
% Inicializa os valores dos sinais
handles.f = 0;
handles.t = 0:0.001:1;
% Faz os plots com os valores padrão
plot(handles.axes1,sin(2*pi*handles.f*handles.t))
plot(handles.axes2,cos(2*pi*handles.f*handles.t))
% ------------------------------------------------------
- Na função radiobutton1_Callback, incluímos os códigos para o comportamento adequado:
handles.estado = 1;
- O mesmo para a função radiobutton2_Callback
handles.estado = 2;
- Na função edit1_Callback, armazenamos o valor digitado no campo de texto na variável f
function edit1_Callback(hObject, eventdata, handles)
% hObject handle to edit1 (see GCBO)

% Pega o valor digitado
handles.f = str2double(get(hObject,'String'));
- Por fim, na função pushbutton1_Callback, plotamos o seno com o valor atual de frequência e
selecionamos o segundo plot baseados no radiobutton escolhido:
% Faz os plots com os valores padrão
plot(handles.axes1,sin(2*pi*handles.f*handles.t))
if handles.estado == 1
plot(handles.axes2,cos(2*pi*handles.f*handles.t))
elseif handles.estado == 2
plot(handles.axes2,tan(2*pi*handles.f*handles.t))
end
A interface completa está disponível abaixo:
interface.zip
O processamento de imagens no Matlab é bastante facilitado. Nesta parte do curso, vamos

estudar o básico do processamento de imagens, inicialmente para uma imagem em escala de
cinza e depois para uma imagem colorida.
Inicialmente, salve as duas imagens abaixo no diretório de trabalho, e altere o diretório do

Matlab para esta pasta. Para facilitar o trabalho, salve as variáveis
como imagem1.jpeg e imagem2.jpeg.
imagem1.jpeg - Imagem de Daniel Teoli Jr, acessível em Link
imagem2.jpeg - Imagem de Joao Carlos Medau, acessível em Link

Imagem em escala de cinza
Para ler uma imagem do computador, é utilizada a função imread:
>> x = imread('imagem1.jpeg');
Para visualizar a imagem, é utilizada a função imshow. Uma figura pode antes ser aberta, para
evitar que a imagem seja exibida em cima de uma outra figura:
>> figure
>> imshow(x)
Imagem exibida no Matlab
Pelo comando whos, é possível perceber alguns atributos da imagem:
>> whos x

x 599x507 303693 uint8
A imagem é para o Matlab uma matriz de 599x507, do tipo uint8. Sendo o valor um inteiro de
8 bits sem sinal, os valores podem ir de 0 a 255. No Matlab, valores mais próximos de 0 são de
cor escura e valores mais próximos de 1 são de cor clara.
Negativo da imagem
Para tirar o negativo da imagem, precisamos transformar valores próximos de 0 em valores

próximos de 255, e vice-versa. Uma forma de fazer isso é subtrair 255 da imagem, e depois
multiplicar por -1. Neste caso, porém, precisaremos realizar uma mudança no tipo do dado,
pois a variável é inteira e sem sinal:
>> y = uint8(-1*(double(x)-255));
>> figure
>> imshow(y)
Negativo da imagem
Aumentando e reduzindo o brilho
Aumentar o brilho significa deixar a imagem mais clara. Esta operação é feita somando uma
constante à imagem:
>> z = x + 50;
>> figure
>> imshow(z)
Imagem com brilho aumentado
Aumentando e reduzindo o contraste
Para aumentar o contraste, deixamos as cores claras mais claras e as cores escuras mais
escuras. Isso pode ser feito facilmente no Matlab com algumas operações matemáticas.
Primeiro, definimos o que são cores claras e o que são cores escuras, através de um limiar:
>> limiar = 180;

Esta variável indica que todos os valores com intensidade acima de 180 serão realçados
enquanto todos abaixo de 180 serão atenuados. Com o limiar definido, fazemos uma operação
de divisão:
>> a = double(x)/limiar;
O resultado da divisão será:
Números entre 0 e 1, para valores de x menores que 180
Números maiores que 1, para valores maiores que 180
Por isso a conversão de x para o tipo double foi necessária, já que o tipo uint8 não permite
representar esses resultados. Após a divisão, o aumento no contraste é realizado por uma
potenciação:
>> b = a.^2;
Essa operação faz com que os valores maiores que 1 fiquem ainda maiores, e os valores
menores que 1 ainda menores. A operação é concluída ao multiplicar os valores pelo limiar, e
converter os dados para uint8 novamente:
>> c = uint8(b*limiar);
Para observar o resultado, mostramos uma imagem ao lado da outra:
>> figure
>> subplot(1,2,1); imshow(x); title('Imagem original')
>> subplot(1,2,2); imshow(c); title('Imagem com o contraste aumentado')

Aumento de contraste
O contraste pode ser ainda mais realçado ao utilizar potências maiores do que 2. Da mesma
forma, podemos reduzir o contraste ao utilizar operações de raiz.
Binarização
A binarização é uma forma de separar regiões de imagens. A imagem resultante será branca
nas regiões onde a intensidade da imagem original é maior que um determinado limiar e preta
nas outras regiões. Essa operação é realizada de forma muito simples no Matlab. Para
demonstrar isso, vamos usar o mesmo limiar utilizado no aumento de contraste. A binarização
é realizada a partir de um teste:
>> d = x >= limiar;
Na linha acima, primeiro testamos se x é maior ou igual ao limiar. O Matlab retorna o lógico 1
quando o teste é verdadeiro e o lógico 0 quando o teste é falso. Esses resultados são
armazenados na variável d.
Ao analisar o resultado (o imshow entende quando seu argumento é uma matriz binária),
vemos que as partes mais claras da imagem ficaram brancas, enquanto as mais escuras
ficaram pretas.
Binarização
Adicionando uma marca d'água
Marcas d'água são pequenos logos incluídos nas imagens, normalmente utilizados para
informação de autoria. Vamos adicionar o logo do IFSC na imagem em escala de cinza x que
estamos utilizando até agora.
Primeiro, baixamos o logo do IFSC e salvamos na mesma pasta que estamos trabalhando, com
o nome logo.gif. Lemos o arquivo no Matlab com:
>> marca = imread('logo.gif');
Para adicionar o logo como marca d'água, vamos transformar seus valores de forma que os
seus valores máximos (cores brancas) fiquem com um valor 1. Para isso, executamos:
>> marca = double(marca)/double(max(max(marca)));
Assim, o valor máximo da imagem será dividido por ele mesmo, o que resultará em 1. Os
outros valores ficarão entre 0 e 1.
Para poder multiplicar o logo pela imagem, precisamos corrigir a diferença no tamanho entre
as matrizes. Para isso, vamos criar uma nova matriz, de nome camada, do mesmo tamanho da
imagem. A matriz será composta de 1.
>> camada = ones(size(x));
Após isso, localizamos o logo dentro da camada, via indexação:

>> camada(1:size(marca,1), 1:size(marca,2)) = marca;
Assim, estamos dizendo que o logo ficará distribuído na matriz camada a partir da linha e
coluna 1:
Logo na matriz camada
Após isso, basta realizar a multiplicação ponto a ponto das imagens, não esquecendo as
conversões necessárias:
>> e = uint8(double(x) .* camada);
Como resultado, temos a imagem original com a marca do IFSC incluída na parte superior
esquerda:
Imagem com marca d'água
Suavização
Suavizar uma imagem significa reduzir sua nitidez. É realizado através do cálculo da média local
ao redor de todos os pixels da imagem. No Matlab, isso é feito com a criação de uma matriz de
média, chamada de máscara para realização de uma operação de convolução.
- Primeiro, uma matriz de média é criada. Ela deve ser quadrada, de tamanho ímpar, e a soma
de seus elementos deve resultar em 1:
>> mask1 = (1/9)*[1 1 1; 1 1 1; 1 1 1]
mask1 =
0.1111 0.1111 0.1111
0.1111 0.1111 0.1111
0.1111 0.1111 0.1111
>> sum(sum(mask1))
ans =
- O cálculo da média é efetivado com o uso da função conv2. Essa função percorre a máscara
por todos os pixels da imagem, realizando operações de multiplicação e soma.
>> suav1 = conv2(x,mask1);
- A imagem resultante tem porém, 1 pixel a mais em cada borda:
>> whos x suav1
suav1 601x509 2447272 double
x 599x507 303693 uint8
- Assim, descartamos esses pixels:
>> suav1 = suav1(2:end-1, 2:end-1);
>> size(suav1)
ans =
599 507
- Para ver os resultados, exibimos as imagens lado a lado:
>> figure
>> subplot(1,2,1); imshow(x)
>> subplot(1,2,2); imshow(uint8(suav1))

Imagem original e imagem suavizada
Outros tipos de operadores de média podem ser utilizados, com máscaras maiores, ou mesmo
não uniformes. Para máscaras uniformes, a função ones pode ser utilizada:
>> mask2 = (1/25)*ones(5,5)
mask2 =
0.0400 0.0400 0.0400 0.0400 0.0400
0.0400 0.0400 0.0400 0.0400 0.0400
0.0400 0.0400 0.0400 0.0400 0.0400
0.0400 0.0400 0.0400 0.0400 0.0400
0.0400 0.0400 0.0400 0.0400 0.0400
>> mask3 = (1/15)*[1 2 1; 2 3 2; 1 2 1]

mask3 =
0.0667 0.1333 0.0667
0.1333 0.2000 0.1333
0.0667 0.1333 0.0667
Detecção de bordas
A detecção de bordas em imagens é feita de forma semelhante à suavização, porém uma

máscara diferente é utilizada. Neste curso vamos usar uma máscara específica, de Sobel, mas
existem muitas outras que podem ser utilizadas, com vantagens e desvantagens específicas. A
máscara de Sobel é definida para bordas verticais e horizontais, respectivamente:
>> sobel_v = [-1, -2, -1; 0, 0, 0; 1, 2, 1]
sobel_v =
-1 -2 -1
0 0 0
1 2 1
>> sobel_h = [-1, 0, 1; -2, 0, 2; -1, 0, 1]
sobel_h =
-1 0 1
-2 0 2
-1 0 1
Ao aplicar os operadores na imagem, usando a função conv2, temos como resultado as

imagens abaixo:
>> borda_v = conv2(x,sobel_v);
>> borda_h = conv2(x,sobel_h);
>> borda_v = borda_v(2:end-1,2:end-1);
>> borda_h = borda_h(2:end-1,2:end-1);

>> figure
>> subplot(1,2,1); imshow(uint8(borda_v)); title('Bordas verticais da imagem')
>> subplot(1,2,2); imshow(uint8(borda_h)); title('Bordas horizontais da imagem')
Bordas verticais e horizontais da imagem
Pode também ser feita a soma das componentes verticais e horizontais das bordas:
>> borda = borda_v + borda_h;
>> figure
>> subplot(1,2,1); imshow(x); title('Imagem original')
>> subplot(1,2,2); imshow(uint8(borda)); title('Bordas da imagem')

Imagem original e imagem das bordas
Imagem colorida
Agora vamos ler a imagem colorida, e verificar as diferenças com relação à escala de cinza:
>> a = imread('imagem2.jpeg');
>> figure
>> imshow(a)
Imagem colorida
Ao executar o comando whos, percebemos as diferenças entre as imagens:
>> whos a
a 388x640x3 744960 uint8
Repare que, da mesma forma que a imagem em escala de cinza, a imagem colorida é
composta por valores do tipo uint8. Porém, neste caso, há uma terceira dimensão disponível. É
a partir desta nova dimensão que as características de cor são passadas. Uma imagem colorida
é composta por 3 planos de cor, cada um representando a quantidade disponível das cores
vermelho, verde ou azul. Quanto maior o valor de um elemento do plano, maior a quantidade
da cor correspondente. Com isso, temos as componentes RGB da imagem.
Criando uma imagem da paleta de cores
Vamos criar uma imagem que indica a quantidade de cada cor disponível. Para isso, vamos
separar uma figura do Matlab em 4 sub-figuras com a função subplot. Primeiro, abrimos uma
nova figura, e na primeira subfigura, exibimos a imagem colorida:
>> figure
>> subplot(2,2,1); imshow(a); title('Imagem colorida')
Na segunda sub-figura, plotamos as componentes de vermelho:

>> subplot(2,2,2); imshow(a(:,:,1)); title('Componentes de vermelho - R')
Na terceira, os componentes de verde:
>> subplot(2,2,3); imshow(a(:,:,2)); title('Componentes de verde - G')
Na quarta, os componentes de azul:
>> subplot(2,2,4); imshow(a(:,:,3)); title('Componentes de azul - B')
Repare nas diferenças entre as 3 figuras de cor:
Paleta de cores
Paleta de cores modificada
Visando deixar a imagem da paleta de cores um pouco mais visual, vamos criar imagens
baseadas na imagem inicial. Criamos 3 matrizes, b_R, b_G, e b_B, do tamanho da imagem
inicial, inicialmente com zeros. Não esquecer que o tipo dos dados deve ser uint8.
>> b_R = uint8(zeros(size(a)));
>> b_G = uint8(zeros(size(a)));
>> b_B = uint8(zeros(size(a)));

Após isso, atribuímos o primeiro plano da imagem original ao primeiro plano da imagem b_R.
O segundo plano da imagem original é atribuído ao segundo plano da imagem b_G, e o
terceiro plano ao terceiro plano da imagem b_B:
>> b_R(:,:,1) = a(:,:,1);
>> b_G(:,:,2) = a(:,:,2);
>> b_B(:,:,3) = a(:,:,3);
Feito isso, realizamos os subplots da mesma forma como antes:
>> figure
>> subplot(2,2,1); imshow(a); title('Imagem colorida')
>> subplot(2,2,2); imshow(b_R); title('Componentes de vermelho - R')
>> subplot(2,2,3); imshow(b_G); title('Componentes de verde - G')
>> subplot(2,2,4); imshow(b_B); title('Componentes de azul - B')
Com essa nova imagem, deixamos ainda mais claro como estão distribuídas as componentes
de cor.
Paleta de cores
Projeto final
O projeto consiste na criacao de uma ferramenta de processamento de imagens. O usuario ira

entrar com o nome do arquivo num campo de texto, e clicar num botao para a realizacao da
leitura da imagem. A imagem sera lida pelo sistema e exibida no eixo da imagem original. Na
segunda area da interface, varias operacoes poderao ser selecionadas, e os resultados serao
exibidos no eixo da imagem processada.
Autenticar-se
Página
Discussão
Ler
Ver código-fonte
Ver histórico
Parte superior do formulário
Parte inferior do formulário
Navegação
Página principal
Portal comunitário
Mudanças recentes
Ajuda
Ensino
TELE
RAC
Cultura Geral
Pedagógico
Pesquisa
TELE
RAC
Cultura Geral
Extensão
Projetos
Serviços
Horários
Calendário
CTIC
Biblioteca
Legislação
Geração de livros
Ramais
Imprimir/exportar
Criar um livro
Baixar como PDF
Versão para impressão
Ferramentas
Páginas afluentes
Alterações relacionadas
Páginas especiais
Link permanente
Navegar pelas propriedades
Esta página foi modificada pela última vez às 19h22min de 16 de outubro de 2015.
Conteúdo disponível sob Attribution-NonCommercial-ShareAlike 3.0 Unported.
Política de privacidade
Sobre IFSC São José
Alerta de Conteúdo

Filtros Matlab

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Filtros Matlab

Enviado por

Direitos autorais:

Formatos disponíveis

Curso Matlab aplicado ao processamento de imagens

Encontro 1 - Matlab avançado

Encontro 2 - Criando interfaces gráficas

Encontro 3 - Processamento de imagens

Nesta aula, técnicas simples de processamento de imagens serão estudadas:

1.1 Indexação de matrizes

1.1.1 Indexação simples

1.1.2 Indexação múltipla

1.1.3 Uso do ":"

1.1.4 O comando end

1.1.5 Índice versus Subscrito

1.2 Classes de dados

1.2.1.1 Concatenação de caracteres e números

1.2.2.2 A classe cell

1.3.1 Argumento e retorno simples

1.3.2 Argumento e retorno múltiplo

1.3.3 Variáveis locais e globais

1.3.4 Funções inline

2 Curso Matlab aplicado ao processamento de imagens - Aula 2

2.1 Criação da interface

2.2 Atribuir uma ação às componentes

2.2.1 Ação do botão

2.2.2 Plotando ao pressionar o botão

2.2.3 Referenciando uma componente específica

2.2.4 Guardando valores entre componentes

2.2.5 Capturando o valor do campo de texto

2.2.6 Utilizando os radiobuttons

3 Curso Matlab aplicado ao processamento de imagens - Aula 3

3.1 Imagem em escala de cinza

3.1.1 Negativo da imagem

3.1.2 Aumentando e reduzindo o brilho

3.1.3 Aumentando e reduzindo o contraste

3.1.5 Adicionando uma marca d'água

3.1.7 Detecção de bordas

3.2 Imagem colorida

3.2.1 Criando uma imagem da paleta de cores

3.2.2 Paleta de cores modificada

3.3 Projeto final

Curso Matlab aplicado ao processamento de imagens - Aula 1

Uma das maiores barreiras do usuário do Matlab é a compreensão da indexação de variáveis.

>> lin = [1 2 3 4];

>> col = [5; 6; 7; 8];

>> mat = [1 2 3 4; 5 6 7 8];

Se quisermos acessar o 1º elemento dos vetores, basta usar a sintaxe variavel(1):

>> lin([1, 3])

>> col([1, 3])

>> mat([1, 2], [2, 4])

>> mat(1:2, 2:4)

>> mat(:, 2:4)

>> mat(:, 2:end)

Índice versus Subscrito

>> mat([1; 2; 3; 4; 5; 6])

Mais do que isso, podemos ter como resultado uma matriz:

>> mat([1 2; 3 4; 5 6])

>> col([1 3; 2 4; 1 4; 2 3])

>> var1 = 'a'

>> var2 = ['a', 'b', 'c']

>> var3 = 'ola amiguinhos!'

Concatenação de caracteres e números

>> var4 = ['a' 35]

>> var5 = ['a' num2str(35)]

>> lista1 = ['Jose Aparecido'; 'Maria Silveira'; 'Etevaldo Mario']

>> lista2 = ['mae'; 'pai'; 'filho']