Você está na página 1de 33

Universidade Federal de Uberlândia

Engenharia Elétrica e Biomédica

Disciplina:

Processamento Digital
de Imagens
Profª Milena Bueno Pereira Carneiro
2018
1

Conteúdo Programático

Capítulo 1 – Introdução ao PDI


Capítulo 2 – Fundamentos da Imagem Digital
Capítulo 3 – Transformação de intensidade e filtragem espacial
Capítulo 4 – Filtragem no domínio da frequência
Capítulo 5 – Restauração de imagens *
Capítulo 6 – Processamento com wavelets e multirresolução
Capítulo 7 – Segmentação de imagens
Capítulo 8 – Compressão de imagens

1
Bibliografia

Rafael C. Gonzalez, Richard E. Woods,“Processamento Livro


Texto
de Imagens Digitais”, 3ª edição, Pearson Prentice Hall.

Rafael C. Gonzalez, Richard E. Woods,“Digital Image


Processing”, 3rd edition, Pearson Prentice Hall.

Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins,


“Digital Image Processing Using MatLab”, Pearson
Prentice Hall.

Hélio Pedrini, Willian R. Schwartz, “Análise de Imagens


Digitais”, Thomson Learning, 2008, São Paulo.

Avaliações

Avaliação Valor Data


1ª Prova 25,0 pontos 10/10/18

2ª Prova 25,0 pontos 14/12/18

Aulas Práticas
50,0 pontos À combinar
Trabalhos

2
Capítulo 1 – Introdução ao PDI

A área de Processamento Digital de Imagens (PDI) se refere a


processar imagens digitais utilizando um computador digital.

O interesse nos métodos de processamento de imagens digitais


provém de duas áreas principais de aplicação:

Melhora da informação visual para a interpretação humana;

Processamento de dados de imagens para armazenamento,


transmissão e representação, considerando a percepção
automática por máquinas.

5
- Capítulo 1 -

Aplicações
Técnicas de processamento de imagens digitais são atualmente utilizadas para
resolver uma grande variedade de problemas como:
Em medicina, procedimentos computacionais são usados para realçar o
contraste ou para codificar os níveis de intensidade em cores para facilitar a
interpretação de imagens de raios-X e outras imagens biomédicas;
Geógrafos utilizam as mesmas técnicas, ou técnicas similares, para estudar
padrões de poluição ou relevo em imagens aéreas e de satélite;
Procedimentos para realce e restauração de imagens são usados para
processar imagens degradadas de objetos que não podem ser recuperados ou
de resultados experimentais muito caros para serem repetidos;
Na arqueologia, métodos de processamento de imagens têm restaurado com
sucesso imagens fotográficas borradas, que eram os únicos registros
disponíveis de artefatos raros que foram perdidos ou danificados;
Em física e áreas relacionadas, técnicas computacionais rotineiramente
realçam imagens de experimentos em áreas como plasmas de alta energia e
microscopia eletrônica;
Similarmente, aplicações de processamento de imagens podem ser
encontradas em astronomia, biologia, medicina nuclear, aplicação da lei
(segurança pública), defesa, e aplicações industriais. 6
- Capítulo 1 -

3
Exemplos
Problemas típicos em percepção por máquina, que usam técnicas
de processamento de imagens:

Reconhecimento automático de caracteres;


Visão computacional industrial para a montagem e
inspeção de produtos;
Processamento automático de elementos para
reconhecimento biométrico (Ex: impressões digitais,
íris, face, mão, etc);
Análise de resultados de raios-X e amostras de
sangue em tela;
Processamento de imagens aéreas e de satélites
para previsão do tempo e monitoramento de plantio.
Etc ...

7
- Capítulo 1 -

Fontes de energia para geração de imagens

Energia do espectro eletromagnético (Radiação de ondas


eletromagnéticas).

Som (centenas de Hertz), ultrassom (milhões de Hertz)

Eletrônica

Imagens sintéticas

8
- Capítulo 1 -

4
Espectro Eletromagnético:

Violeta → 0,43µm → 6,97x1014 Hz


Luz Visível
Vermelho → 0,79µm → 3,79x1014 Hz 9
- Capítulo 1 -

1) Imagens por Raio Gama


Aplicação: Medicina nuclear e observação astronômica
Na medicina nuclear, o procedimento é
feito pela injeção de um isótopo radioativo
no paciente, que emite raios gama à
medida que se desintegra. As imagens são
produzidas a partir das emissões coletadas
por detectores de raios gama.
Tumores

Esqueleto Tomografia por Radiação gama Radiação gama


completo: Usado emissão de natural de uma nuvem da válvula de um
para diagnosticar pósitrons (PET): de gás resultante da reator nuclear. A
e localizar Mesmo princípio explosão de uma parte mais clara
imperfeições ou do raio X porém estrela da constelação indica uma
tumores nos com Raio Gama de Cygnus (Cygnus radiação mais
ossos. Loop). forte. 10
- Capítulo 1 -

5
2) Imagens por Raio X
Aplicação: medicina diagnóstica, indústria, astronomia
Radiografia de tórax: Gerado
colocando o paciente entre a Raio X de placa
fonte de raio X e um filme de circuito
sensível à energia do raio X. impresso:
A intensidade do raio X é Usado para
modificada pela absorção, detectar defeitos
enquanto passa pelo como falta de
paciente. componentes ou
trilhas
quebradas.
Tomografia
Computadorizada
da cabeça. Angiograma da
aorta (Radiografia
de contraste):Uma
substância que
contrasta com raio
Radiação natural X é introduzida na
de raio X da veia sanguínea a
nuvem de gás de ser analisada.
Cygnus.
11
- Capítulo 1 -

3) Imagens por Ultravioleta


Aplicação: inspeção industrial, microscopia de fluorescência,
imagens biológicas, observações astronômicas.

Radiação natural
ultravioleta da
Imagem de um milho Imagem de um milho nuvem de gás
normal vista com um com fungos vista com de Cygnus.
microscópio de um microscópio de
fluorescência. fluorescência.

12
- Capítulo 1 -

6
4) Imagens por Luz Visível e Infravermelho
Aplicação: Microscopia, astronomia, sentido remoto, industria e
muitas outras.
Filme de óxido de níquel – 600x Taxol (Agente anticancerígeno) – 250x

Superfície de CD de áudio – 1750x Colesterol – 40x

Supercondutor orgânico – 450x Microprocessador – 60x

Exemplos de imagens obtidas por microscópio ótico. 13


- Capítulo 1 -

4) Imagens por Luz Visível e Infravermelho (cont...)

Imagens geradas por um sistema


de captura de imagens por
infravermelho que ilustra a
presença de emissão de luz visível
próxima da faixa de infravermelho
na superfície da Terra.
Com estas imagens é possível
estimar a porcentagem da energia
elétrica total utilizada pelas várias
regiões do mundo.

14
- Capítulo 1 -

7
4) Imagens por Luz Visível e Infravermelho (cont...)
Exemplos de inspeções de
produtos manufaturados
realizadas por processamento
digital de imagens.

a) Verificação da falta de componentes


em uma placa de circuito impresso.
b) Verificação automática da falta de
comprimidos na cartela.
c) Identificação de garrafas que não
estão cheias até um nível adequado.
d) Detecção de uma quantidade
inaceitável de bolhas em um objeto
plástico transparente.
e) Fornada de um cereal para a
inspeção da cor para detectar a
presença de anormalidades, como
flocos queimados.
f) Inspeção de defeitos em implantes
intraoculares.

15
- Capítulo 1 -

4) Imagens por Luz Visível e Infravermelho (cont...)

Outros exemplos de
processamento digital de
imagens aplicados a imagens
obtidas por luz visível

a) Impressão digital do dedo


polegar usada para identificação
biométrica.

b) Foto de uma nota de dinheiro


que pode ser usada para
contagem automática ou leitura
do número de série com o
objetivo de rastrear ou identificar
notas.

c) e d) Fotos da placa de
automóveis que podem ser
localizadas na imagem e
identificadas automaticamente
para auxiliar no monitoramento e
controle de tráfego.
16
- Capítulo 1 -

8
5) Imagens por Microondas

Aplicação: Radar
É possível coletar imagens de qualidade independentemente das
condições climáticas ou de iluminação do ambiente.
Ao invés de uma câmera com lentes, um radar usa uma antena e o
processamento computacional para gravar suas imagens.
Nas imagens de radar observa-se a energia na faixa de microondas
que é refletida e capturada pela antena.
Imagem do radar
Spaceborn das
montanhas no
sudeste do Tibet.

17
- Capítulo 1 -

6) Imagens por Ondas de Radio


Aplicação: - medicina → imagens de ressonância magnética (MRI)
- astronomia
MRI de um joelho e de uma coluna vertebral de seres humanos

Para obter as imagens por ressonância magnética deve-se posicionar o paciente


em um poderoso imã e fazer com que ondas de rádio passem através de seu
corpo em pulsos curtos.
Cada pulso de ondas de rádio emitido provoca um pulso de resposta
correspondente, que é emitido pelos tecidos do paciente.
O local onde esses sinais se originam e sua intensidade são determinados por um
computador, que produz uma imagem bidimensional de uma seção do paciente.
18
- Capítulo 1 -

9
Imagens Acústicas (usando SOM e ULTRASSOM):
Aplicação: exploração geológica (exploração de minérios e petróleo),
indústria e medicina
Exemplos de imagens de
ultrassom.

a) Feto
b) Outra vista do feto
c) Tireóide
d) Camadas musculares
mostrando uma lesão

Imagem da seção transversal de


um modelo de formação de
imagem sísmica.
A seta aponta para uma reserva de
hidrocarboneto (petróleo e/ou gás). 19
- Capítulo 1 -

Imagens por Microscopia Eletrônica:


O microscópio eletrônico funciona como seus correspondentes
óticos, mas utilizam um feixe concentrado de elétrons em vez de
luz para criar a imagem de uma amostra.

Imagens do microscópio de varredura eletrônica

250x Imagem de um 2500x Imagem de um circuito


filamento de tungstênio integrado danificado.
após uma falha térmica. As fibras brancas são óxidos
resultantes da destruição térmica.

20
- Capítulo 1 -

10
Imagens Sintéticas:
Imagens que são geradas por computador.
Ex: Fractais → Reprodução interativa de uma padrão básico de acordo com algumas
regras matemáticas. Úteis na formação de estruturas aleatórias.
Modelagem 3-D → Base para muitos sistemas de visualização 3-D, com diversas
aplicações como treinamento médico, simuladores de voo,
efeitos especiais e investigações criminais.

Imagens fractais

Imagens geradas à
partir de modelos
computacionais 3-D.

21
- Capítulo 1 -

Passos fundamentais em PDI

22
- Capítulo 1 -

11
Aquisição de imagens:
Dois elementos são necessários para a aquisição de imagens digitais:
 Um dispositivo físico que seja sensível a uma banda do espectro de
energia eletromagnética e que produza um sinal elétrico de saída
proporcional a um nível de energia percebida.
 Um digitalizador que é um dispositivo para a conversão da saída
elétrica de um dispositivo de sensoriamento físico para a forma digital.

Realce de imagens:
Processo de manipular uma imagem de forma que o resultado (que é subjetivo)
seja mais adequado do que o original para uma aplicação específica.
Ex: realce de contraste, aguçamento de bordas, redução de ruído.

23
- Capítulo 1 -

Restauração de imagens:
Processo de remover ou minimizar as degradações conhecidas em uma
imagem. É uma área objetiva, no sentido que ela está baseada em
modelos matemáticos ou probabilísticos de degradação de imagem.
Ex: Desembaçar imagens degradadas pelas limitações de um sensor ou
seu meio, filtragem de ruído e correção de distorção geométrica ou não-
linearidades devido a sensores.

Processamento de imagens coloridas:


É uma área que tem ganhado importância em virtude do aumento significativo
da utilização de imagens digitais na Internet.
A cor também é usada como base para extrair características de interesse em
uma imagem.

Wavelets:
Constituem os fundamentos para representação de imagens em vários níveis
de resolução.
São usadas para compressão de dados de imagens e para representação
piramidal, na qual as imagens são subdivididas sucessivamente em regiões
menores.
24
- Capítulo 1 -

12
Compressão:
Lida com as técnicas de redução do armazenamento necessário para
salvar uma imagem, ou a largura de banda necessária para transmiti-la.
A compressão é conhecida por usuários de computador na forma de
extensões de arquivo, como por exemplo .jpg, utilizada no padrão de
compressão de imagens JPEG.

Processamento morfológico:
Lida com ferramentas para extração de componentes de imagens úteis na
representação e descrição da forma, como por exemplo fronteiras e
esqueletos.

Segmentação:
Procedimentos que dividem uma imagem em suas partes ou objetos
constituintes.

25
- Capítulo 1 -

Representação e descrição:
Quase sempre partem do resultado de um estágio de segmentação, que
normalmente são dados primários em forma de pixels, correspondendo
tanto à fronteira de uma região como a todos os pontos dentro dela.
O processo de representação transforma dados primários em uma forma
apropriada para o subsequente processamento computacional.
O processo de descrição (também chamado seleção de características),
lida com a extração de atributos que resultam em alguma informação
quantitativa de interesse ou que possam ser utilizadas para diferenciar
uma classe de objetos de outra.

Reconhecimento:
Processo que atribui um rótulo a um objeto, com base na informação fornecida
pelos seus descritores.

26
- Capítulo 1 -

13
Capítulo 2 – Fundamentos da Imagem Digital

Definição de Imagem:
Uma imagem pode ser definida como uma função bidimensional f(x, y)
Onde: * x e y → coordenadas espaciais
* Amplitude de f em qualquer par de coordenadas (x, y) →
intensidade ou nível de cinza da imagem naquele ponto.
Origem yi
0 Imagem Digital:
y
 Coordenadas espaciais (x, y) e valores de
amplitude de f são grandezas finitas e
discretas.
xi
f(xi ,yi ) Assim, uma imagem digital é uma matriz
cujos índices de linhas e de colunas
identificam um ponto na imagem, o valor do
elemento da matriz identifica o nível de cinza
naquele ponto.
x Os elementos dessa matriz digital são chamados de elementos da
imagem, elementos da figura, “pixels” ou “pels”, estes dois últimos,
27
abreviações de “picture elements” (elementos de figura).
- Capítulo 2 -

Amostragem e Quantização de Imagens


Em aplicações de Processamento Digital de Imagens é necessário gerar
imagens digitais à partir de dados captados por sensores, cuja amplitude
e o comportamento no espaço estão relacionados ao fenômeno físico que
está sendo captado e portanto são grandezas contínuas.

Fonte de iluminação
(energia)

Imagem de saída
Sistema de (digitalizada)
aquisição de
imagens

Plano imagem
Elemento da cena 28
- Capítulo 2 -

14
Conceito Básico: Imagem contínua em relação às coordenadas
x e y e também em relação à amplitude

Níveis de cinza da
linha de varredura AB

Digitalização dos valores de amplitude


Quantização

Linha de
varredura
digital

Amostragem
Digitalização dos valores de coordenadas 29
- Capítulo 2 -

Exemplo:
Matriz de sensores

Imagem contínua projetada em Resultado da amostragem e


uma matriz de sensores quantização da imagem

30
- Capítulo 2 -

15
Representação de Imagens Digitais

f(x,y) → Imagem digital


(x,y) → Coordenadas discretas (números inteiros)
x = 0, 1, 2, ..., M-1
Matriz M x N → M linhas e N colunas
y = 0, 1, 2, ..., N-1

31
- Capítulo 2 -

Representação de Imagens Digitais (cont...)

Imagem representada graficamente


como uma superfície.

Origem

Origem

Imagem representada
como uma matriz de
intensidade visual. Imagem representada
como uma matriz
numérica 2-D.
32
- Capítulo 2 -

16
L → Número de níveis discretos de intensidade → Potência inteira de 2
L = 2k Faixa de valores: [0, L-1]

Número de bits necessários para armazenar uma imagem digitalizada:


b=M xN xk Quando M = N → b = N 2 k

Número de bits de armazenamento para vários valores de N e k.

33
- Capítulo 2 -

Resolução Espacial e de Intensidade


Resolução Espacial:
É uma medida do menor detalhe discernível em uma imagem.
Pode ser expressa por:
 Pares de linha por unidade de distância:
Suponha um diagrama com linhas verticais, cada uma com uma
largura de W unidades. A largura de um par de linhas é 2W e há 1/2W
pares de linhas por unidade de distância.
Ex: W = 0,1mm → 5 pares de linhas por mm

 Pontos (pixels) por unidade de distância:


Medida de resolução de imagens comumente utilizadas por editoras e
revistas gráficas.
dots per inch → pontos por polegadas → dpi
Ex: Jornais→ 75 dpi ; Revistas→ 133 dpi ; Livros→ em torno de 2400 dpi
34
- Capítulo 2 -

17
Efeito da Resolução Espacial:

Imagem 1024 x 1024 sub-amostrada até 32 x 32.


Obs.: A quantidade de níveis de cinza é mantida a mesma (256).
35
- Capítulo 2 -

Efeito da Resolução Espacial:

Imagens anteriores expandidas para facilitar comparação.


36
- Capítulo 2 -

18
Efeito da Resolução Espacial:

1250 dpi 300 dpi

150 dpi 72 dpi

37
- Capítulo 2 -

Resolução de Intensidade:

Refere-se à menor variação discernível de nível de intensidade na


imagem.

Em virtude de algumas considerações de hardware no processo de


armazenamento e quantização, o número de níveis de cinza
normalmente é igual a 2k, sendo k um número inteiro.

Geralmente, é expressa pela quantidade de bits utilizados para


quantizar a intensidade.

Ex: Imagem cuja intensidade é quantizada em 256 níveis →


8 bits de resolução de intensidade

38
- Capítulo 2 -

19
Efeito da Resolução de Intensidade:

256 128 64 32

16 8 4 2

Variação da quantidade de níveis de cinza usados para quantização.


Obs: O tamanho da imagem é mantido constante. 39
- Capítulo 2 -

Interpolação de Imagens
É uma ferramenta básica utilizada extensivamente em tarefa como ampliação,
redução, rotação e correções geométricas.
Trata-se de um processo que utiliza dados conhecidos para estimar valores em
pontos desconhecidos.
Ex: Visualização da ampliação de uma
b) 9x9 imagem 4 x 4 para:
a) 8 x 8
a) 8x8 b) 9 x 9

Após atribuir as intensidades a todos os


pontos da grade de sobreposição, ela é
expandida para o tamanho original a fim
de se obter a imagem ampliada.

4x4 a) b)

Tamanho original 40
- Capítulo 2 -

20
Métodos de Interpolação
Interpolação por vizinho mais próximo:
Atribui a cada nova posição a intensidade de seu vizinho mais próximo na
imagem original.
Tem a tendência de produzir artefatos indesejáveis na imagem, como grande
distorção nas bordas retas.

Interpolação Bilinear:
São utilizados os quatro vizinhos mais próximos para estimar a intensidade de
uma dada posição.
Proporciona resultados muito melhores do que a interpolação por vizinho mais
próximo, com um pequeno aumento de custo computacional.

Interpolação Bicúbica:
Inclui os 16 vizinhos mais próximos de um ponto.
Em geral, é melhor na preservação de detalhes finos em comparação com a
interpolação bilinear.
É o padrão utilizado em programas comerciais de edição de imagens como o
Adobe Photoshop e o Corel Photopaint.
41
- Capítulo 2 -

Exemplo:
Imagem original → 1250 dpi → 3692 x 2812 pixels
Abaixo, observa-se imagens com a resolução reduzida para 72 dpi (213 x 162
pixels) e tamanho ampliado de volta ao original (3692 x 2812 pixels) utilizando
diferentes métodos de interpolação.

Interpolação por Interpolação Bilinear Interpolação Bicúbica


vizinho mais próximo 42
- Capítulo 2 -

21
Relacionamentos básicos entre pixels
Vizinhos de um pixel
Um pixel p na coordenada (x,y) pode ter as seguintes vizinhanças:

N4(p) → Vizinhança-4 de p:
Inclui os quatro vizinhos horizontais e verticais de p cujas coordenadas são:
(x+1,y), (x-1,y), (x, y+1), (x,y-1)
ND(p) → Vizinhança diagonal de p:
Inclui os quatro vizinhos diagonais de p cujas coordenadas são:
(x+1,y+1), (x+1,y-1), (x-1, y+1), (x-1,y-1)
N8(p) → Vizinhança-8 de p:
Conjunto da vizinhança-4 e da vizinhança diagonal de p.

Vizinhança Diagonal
Vizinhança - 8
p Vizinhança - 4

Obs: Se (x,y) estiver na borda da imagem, alguns vizinhos de p


43
ficarão para fora da imagem.
- Capítulo 2 -

Adjacência, conectividade, regiões e fronteiras


V → conjunto de valores de intensidade utilizados para definir adjacência.
V = {1} → adjacência de pixels com valores iguais a 1 em imagens binárias.
Níveis de cinza de 0 a 255 → V pode ser qualquer subconjunto desses 256 valores.

Tipos de adjacência:
Adjacência-4:
Dois pixels p e q com valores pertencentes a V são
adjacentes-4 se q estiver no conjunto N4(p).

Adjacência-8:
Dois pixels p e q com valores pertencentes a V são
adjacentes-8 se q estiver no conjunto N8(p).

Adjacência-m (adjacência mista):


Dois pixels p e q com valores pertencentes a V são adjacentes-m se:
a) q estiver em N4(p),ou
b) q estiver em ND(p) e N4(p)∩N4(q) não contiver nenhum pixels
com valores de V.
Foi criada para eliminar ambiguidades da adjacência-8. 44
- Capítulo 2 -

22
Caminho (ou curva) digital:
O caminho do pixel p com coordenadas (x,y) ao pixel q com coordenadas (s,t)
é uma sequência de pixels distintos com coordenadas:
(x0 ,y0), (x1 ,y1), ... , (xn ,yn)
onde (x0 ,y0)=(x,y) , (xn ,yn) = (s,t), e os pixels (xi ,yi) e (x i-1,yi-1) são adjacentes
para 1 ≤ i ≤ n, onde n é o comprimento do caminho.

Pode-se definir caminhos –4, –8 ou –m, dependendo do tipo de adjacência


especificada.
Exemplos:

Caminho-4 Caminho-8
Comprimento = 10 Comprimento = 7

45
- Capítulo 2 -

Conectividade:
Com S representando um subconjunto de pixels em uma imagem, dizemos
que dois pixels p e q são conexos em S se houver um caminho entre eles
consistindo inteiramente de pixels em S.

Componentes Conexos:
Para qualquer pixel p em S, o conjunto de pixels que são conectados a ele em
S é chamado de componente conexo de S.

 Considerando a vizinhança-4:
Três componentes conexos

 Considerando a vizinhança-8:
Dois componentes conexos

Se existir apenas um componente conexo, o conjunto S é chamado


46
de conjunto conexo.
- Capítulo 2 -

23
Região:
Com R representando um subconjunto de pixels em uma imagem, chamamos
de R uma região da imagem se R for um conjunto conexo.

Dizemos que duas regiões Ri e Rj são adjacentes se sua união formar um


conjunto conexo.

O tipo de adjacência utilizado deve ser especificado.

Regiões que não são adjacentes são chamadas disjuntas.

Adjacência-8

47
- Capítulo 2 -

Fronteira:
Suponha que uma imagem contenha k regiões disjuntas. Expressamos por Ru
a união de todas essas regiões e por (Ru )c seu complemento, ou seja, o
conjunto de pontos que não estão em Ru.
Chamamos todos os pontos em Ru de frente (foreground) e todos os pontos
em (Ru )c de fundo (background) da imagem.
A fronteira ou contorno interno de uma região R é o conjunto de pontos
adjacentes aos pontos do complemento de R, ou seja, o conjunto de pixels da
região que tem pelo menos um vizinho no fundo da imagem.

O ponto circulado é parte da fronteira dos


pixels de valor 1 somente se a adjacência-8
entre a região e o fundo for utilizada.

Contorno externo → Contorno correspondente, no fundo.


Importante no desenvolvimento de algoritmos chamados de
seguidores de contorno (border following) que são formulados
para seguir o contorno externo de uma região de modo a
garantir que o resultado formará um contorno fechado.
Na figura ao lado, a fronteira interna da região de valor 1 não 48
forma um caminho fechado, mas sua fronteira externa sim, - Capítulo 2 -

24
Borda:

Diferença entre borda e fronteira:


A fronteira de uma região forma um caminho fechado, e assim, é um conceito
“global”.
As bordas são formadas por pixels com valores cujas derivadas excedem um
limiar pré-definido. Assim, a ideia de uma borda é um conceito “local” baseado
em uma medida de descontinuidade de nível de intensidade em um ponto.

Em imagens binárias, as bordas e as fronteiras se correspondem.

49
- Capítulo 2 -

Medidas de Distância
Para os pixels p, q e z, com coordenadas (x,y), (s,t) e (v,w), respectivamente,
D é uma função distância ou medida de distância se:
a) D(p,q) ≥ 0 ( D(p,q)=0 se p=q )
b) D(p,q) = D(q,p)
c) D(p,z) ≤ D(p,q) + D(q,z)

Distância Euclidiana
De(p,q) = [(x - s)2 + (y - t)2] 1/2
Para essa medida de distância, os pixels que possuem distância de (x,y)
menor ou igual a um valor r são os pontos contidos em um disco de raio r
centrado em (x,y).

Distância D4 ( Distância City Block )


D4(p,q) = | x – s | + | y – t |
Neste caso, os pixels que possuem distância D4 de (x,y)
menor ou igual a um valor r, formam um losango
centrado em (x,y).
50
Ex: D4 ≤ 2 → Os pixels com D4 =1 são vizinhos-4 de (x,y).
- Capítulo 2 -

25
Distância D8 ( Distância Chessboard )

D8(p,q) = máx( | x – s |, | y – t | )

Neste caso, os pixels que possuem distância D8 de (x,y) menor


ou igual a um valor r, formam um quadrado centrado em (x,y).

Ex: D8 ≤ 2

Os pixels com D8 =1 são vizinhos-8 de (x,y).

51
- Capítulo 2 -

Algumas ferramentas matemáticas utilizadas no PDI


Operações de arranjos matriciais versus matrizes
Considere duas imagens 2 x 2:

a a  b b 
A =  11 12  e B =  11 12 
 a21 a22  b21 b22 

Produto do arranjo matricial dessas duas imagens:

 a11 a12   b11 b12   a11b11 a12b12  No MatLab:


a  =  A .* B
 21 a22  b21 b22   a21b21 a22b22  (Pixel a pixel)

Produto de matrizes:

 a11 a12   b11 b12   a11b11 + a12b21 a11b12 + a12b22  No MatLab:


a  =  A*B
 21 a22  b21 b22   a21b11 + a22b21 a21b12 + a22b22 

52
- Capítulo 2 -

26
Operações lineares versus não lineares
Considere um operador geral H que produza uma imagem de saída g(x,y) para a
imagem de entrada f(x,y): H[ f(x,y) ] = g(x,y)
H é um operador linear se:
H  ai fi ( x, y ) + a j f j ( x, y )  = ai H  fi ( x, y )  + a j H  f j ( x, y )  = ai gi ( x, y ) + a j g j ( x, y )

Exemplos:
 H = Somatório → Linear
∑ a f ( x, y ) + a f ( x, y ) = ∑ a f ( x, y ) + ∑ a f ( x, y ) = a ∑ f ( x, y ) + a ∑ f ( x, y )
i i j j i i j j i i j j

 H = Operação máx → Não Linear


Suponha:
0 2 6 5
f1 =   f2 =   a1 = 1 a2 = −1
2 3 4 7
 0 2 6 5    −6 −3 
1 max (1)   + ( −1)    = max     = −2
  2 3 4 7     −2 −4   2
1 ≠
 0 2   6 5  
2 (1) max     + ( −1) max     = 3 + ( −1) 7 = −4 53
 2 3  4 7   - Capítulo 2 -

Operações Aritméticas
As operações aritméticas entre imagens são operações de arranjo
matricial em que as operações são realizadas entre pares de pixels
correspondentes.

As quatro operações aritméticas são expressas como:

s ( x, y ) = f ( x, y ) + g ( x, y )
d ( x, y ) = f ( x, y ) − g ( x, y )
p ( x, y ) = f ( x, y ) × g ( x, y )
v ( x, y ) = f ( x, y ) ÷ g ( x, y )

As imagens f e g devem possuir o mesmo tamanho, ou seja, o mesmo


número de linhas e colunas.
Consequentemente, as imagem s, d, p e v também terão o mesmo
tamanho das imagens originais.

54
- Capítulo 2 -

27
Exemplos de aplicações de operações aritméticas:
 Adição (para cálculo da média) de imagens ruidosas para
a redução de ruídos
Imagem do par de galáxias NGC3314 → Imagem de 8 bits
corrompida através da adição de ruído gaussiano de média zero e
desvio padrão de 64 níveis de intensidade.

As imagens abaixo mostram os resultados do cálculo da média de K


imagens ruidosas. K
1
g ( x, y ) = ∑ gi ( x, y )
K i =1

K= 5 imagens K=10 imagens K= 20 imagens K= 50 imagens K= 100 imagens


55
- Capítulo 2 -

 Subtração de imagens para realce de diferenças


1) Imagem original
a b Imagem a-b Diferença
obtida entre as duas
zerando o bit imagens
menos ajustada para
≈ significativo a faixa [0,255].
de todos os Preto → não
pixels há diferença.

2) Área de imagens médicas: Radiografia em modo máscara

Imagem de raio X Amostra de uma Subtração entre a Imagem da


(máscara) da parte imagem ativa obtida máscara e a diferença com o
superior da depois de injetar uma imagem ativa. contraste realçado.
cabeça. substância de As áreas diferentes (Será visto depois)
contraste para raio X são exibidas como 56
na corrente sanguínea. detalhes realçados. - Capítulo 2 -

28
 Multiplicação e divisão de imagens para correção de
sombreamento e para mascaramento
1) Correção de sombreamento. 2) Mascaramento ou obtenção de região de
interesse (ROI)
a
Imagem sombreada
de um filamento de
tungstênio e Imagem digital de
suporte gerada por uma radiografia
um microscópio odontológica.
eletrônico.

b Máscara com duas


Padrão de
regiões de interesse
sombreamento.
para isolar dentes
Pode ser obtido
capturando a imagem com obturações.
de um objeto de Branco → 1
intensidade constante. Preto → 0

a/b

Produto da imagem Produto da imagem


a pelo inverso da pela máscara.
imagem b.
57
- Capítulo 2 -

Operações básicas com conjuntos


Seja A e B conjuntos compostos de pares ordenados de números reais.
Exemplo de um elemento de A: a = (a1, a2) a∈A
Exemplo de um elemento de B: b = (b1, b2) b∈ B

Operações com imagens binárias.

Dois conjuntos de União de Interseção de Complemento Diferença entre


coordenadas A e A e B. A e B. de A. A e B.
B e o conjunto Elementos que Elementos que
universo U. não estão em A. pertencem a A
mas não a B.

58
- Capítulo 2 -

29
Operações básicas com conjuntos (cont...)
Operações com imagens em escala de cinza.
Imagem: Conjunto A cujos elementos são expressos na forma: (x,y,z)
x e y → coordenadas espaciais z → intensidade
Complemento de A → Conjunto de pixels União → Conjunto formado considerando a
de A cujas intensidades são subtraídas de maior intensidade entre os pares de
uma constante. elementos com mesma coordenada espacial.

{ }
Ac = ( x, y,(2k −1) − z ) | ( x, y, z ) ∈ A A ∪ B = {max ( a, b ) | a ∈ A, b ∈ B}

Ex: Imagem de 8 bits → k = 8 → (2k - 1) = 255

Imagem Ac={(x,y,255-z)} União da


original imagem
Negativo original com
obtido da uma imagem
complemen- de intensidade
tação do constante.
conjunto.

59
- Capítulo 2 -

Operações Lógicas → Imagens Binárias


Exemplo no MatLab
Complemento
1 1 0 0 1 1 
A = 1 1 0 B = 0 1 1
1 1 0 0 0 0
Interseção
0 0 1 1 0 0
 
not(A) = ~A = 0 0 1 not(B) = ~B = 1 0 0
0 0 1 1 1 1
União
0 1 0 
and(A,B) = A & B = 0 1 0
0 0 0
1 1 1
Diferença: A-B or(A,B) = A | B = 1 1 1
1 1 0
1 0 0
A & ~ B = 1 0 0
1 1 0
1 0 1
xor(A,B) = 1 0 1
1 1 0 60
- Capítulo 2 -

30
Operações Espaciais
Operações Ponto a Ponto
Consiste em aplicar uma transformação para alterar os valores dos pixels
individuais de uma imagem com base em sua intensidade.
Ex: Obtenção do negativo de uma imagem de 8 bits. (Visto anteriormente)

Operações por Vizinhança


Seja Sxy o conjunto de coordenadas de uma vizinhança centrada em um ponto (x,y).
Uma imagem de saída é gerada definindo cada pixel correspondente (nas mesmas
coordenadas do pto central) cujo valor é determinado por uma operação específica
envolvendo os pixels da imagem de entrada com coordenadas em Sxy.
Ex: A operação consiste em calcular o valor Resultado da aplicação do cálculo da
médio dos pixels em uma vizinhança retangular média de uma vizinhança em uma imagem
de tamanho m x n centrada em (x,y). 790 x 686, com m = n = 41.

n
(x,y) (x,y)
m
O valor este pixel
Sxy é o valor médio
dos pixels em Sxy

Imagem de Entrada Imagem de Saída Efeito: Borramento 61


- Capítulo 2 -

Observação:
Ao se definir a vizinhança de um
determinado pixel (x,y), alguns pontos
podem se localizar fora dos limites da
imagem, como ilustrado ao lado:

Estratégias mais comuns:


1) Ignorar os pixels faltantes.
2) Atribuir um determinado valor aos pixels faltantes. Ex: Zero, nível de cinza médio.
3) Não processar o pixel (x,y) em questão, copiando o seu valor original.
4) O valor de um pixel faltante pode 5) O valor de um pixels faltante pode ser repetido
ser refletido da imagem original: de forma circular à partir da imagem original:

62
- Capítulo 2 -

31
Transformações Geométricas
Modificam a relação espacial entre os pixels de uma imagem.
Em termos de PDI, uma transformação geométrica consiste em duas
operações básicas:
 Transformação espacial de coordenadas;
 Interpolação de intensidade que atribui níveis de intensidade aos pixels
transformados espacialmente.

Transformação de Coordenadas: (x,y) = T{(v,w)}


(v,w) → Coordenadas de um pixel na imagem original.
(x,y) → Coordenadas do pixel correspondente na imagem transformada.
Transformação Afim
Forma geral:
t11 t12 0
[ x y 1] = [ v w 1].Τ = [v w 1]. t21 t22 0
t31 t32 1

Essa transformação pode realizar a operação de escala, rotação,


translação ou cisalhamento em um conjunto de pontos coordenados,
dependendo do valor escolhido para os elementos da matriz T. 63
- Capítulo 2 -

Nome da Equações
Matriz afim, T Exemplo
Transformação coordenadas
Identidade

Escala

Rotação

Translação

Cisalhamento
(vertical)

Cisalhamento
(horizontal)

64
- Capítulo 2 -

32
Resultado da utilização de uma transformação afim para realizar a rotação
de uma imagem em 21º, utilizando diferentes métodos de interpolação.

Imagem Interpolação Interpolação Interpolação


original por vizinho bilinear. bicúbica.
mais próximo.

65
- Capítulo 2 -

33