Você está na página 1de 24

SISTEMAS DE PROCESSAMENTO DIGITAL

2003-2004

Instituto Superior Politécnico de Viseu


Escola Superior de Tecnologia de Viseu
Curso de Engenharia de Sistemas e Informática

Processamento Digital de Sinal


Aula 16
4.º Ano – 2.º Semestre

Manuel A. E. Baptista, Eng.º


Manuel A. E. Baptista
Ernesto R. Afonso

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Programa:
1. Introdução ao Processamento Digital de Sinal
2. Representação e Análise de Sinais
3. Estruturas e Projecto de Filtros FIR e IIR
4. Processamento de Imagem
5. Processadores Digitais de Sinal
6. Filtros na frequência
Manuel A. E. Baptista
Ernesto R. Afonso

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Bibliografia:
Processamento Digital de Sinal:
•Sanjit K. Mitra, “Digital Signal Processing – A computer based approach”, McGraw Hill, 1998
Cota: 621.391 MIT DIG
•Roman Kuc, “Introduction to Digital Signal Processing”, McGraw Hill, 1988.
Cota: 621.391 KUC INT
•Johnny R. Johnson, “Introduction to Digital Signal Processing”, Prentice-Hall, 1989.
Cota: 621.391 JOH INT
G. Proakis, G. Manolakis, “Digital Signal Processing – Principles, Algorithms Applications”, 3ª Ed, P-Hall, 1996.
Cota: 621.391 PRO DIG
•James V. Candy, “Signal Processing – The modern Approach”, McGraw-Hill, 1988
Cota: 621.391 CAN SIG
•Mark J. T., Russel M., “Introduction to DSP – A computer Laboratory Textbook”, John Wiley & Sons, 1992.
Cota: 621.391 SMI INT
•James H. McClellan e outros, “Computer-Based Exercises - Signal Proc. Using Matlab 5”, Prentice-Hall, 1998.
Cota: 621.391 MCC COM

Processamento Digital de Imagem:


Manuel A. E. Baptista
Ernesto R. Afonso

•Rafael C. Gonzalez & Richard E. Woods, “Digital Image Processing ”, Prentice Hall, 2ª Ed., 2002.
Cota: 681.5 GON DIG.
•I. Pittas H. McClellan e outros, “Digital Image Processing Algorithms and Applications”, John Wiley & Sons, 2000.
Cota: 621.391 PIT.
•William K. Pratt, “Digital image processing”, John Wiley, 2ª Ed, 1991.
Cota: 681.5 PRA DIG
•Bernd Jãhne, “Digital image processing : concepts, algorithms, and scientific applications”, Springer, 1997.
Cota: 681.5 JAH
3

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Avaliação:
A avaliação é composta pela componente teórica e componente prática
ponderadas da seguinte forma:

Classificação Final = 80% * Frequência ou exame + 20% * Prática

O acesso ao exame não está condicionado embora não tenha função de


melhoria, ou seja, se o aluno entregar a prova de exame, será essa a
classificação a utilizar no cálculo da média final independentemente da nota
da prova de frequência obtida.
Manuel A. E. Baptista

A avaliação prática é constituída por trabalhos laboratoriais a executar


Ernesto R. Afonso

em MATLAB

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Processamento de Imagem

• Segmentação
– Detecção de descontinuidades (bordos)
– Operador de derivada
– Operador de Gradiente
Manuel A. E. Baptista

Operador Laplaciano
Ernesto R. Afonso

– Operador Logaritmo

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL
Manuel A. E. Baptista
Ernesto R. Afonso

Subdividir a imagem em elementos ou regiões


de interesse

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Detecção de descontinuidades (bordos)


Operador de derivada

Perfil ao longo
Imagem de uma linha Primeira derivada Segunda derivada
horizontal
Manuel A. E. Baptista
Ernesto R. Afonso

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Operador de Gradiente
 ∂f 
Gx   ∂x 
Gradiente ∇f =   =  ∂f 
G y   
 ∂y 

Magnitude [
∇ f = mag (∇ f ) = G x2 + G y2 ] 1/ 2
≈ Gx + G y
 Gy 
Ângulo α ( x, y ) = tag −1  
 Gx 
Manuel A. E. Baptista

-1 -2 -1 -1 0 1
Ernesto R. Afonso

Kernel de Kernel de
Sobel para Gx 0 0 0 Sobel para Gy -2 0 2
1 2 1 -1 0 1

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Operador Gradiente: Exemplo

Imagem Original Após Gx


Manuel A. E. Baptista
Ernesto R. Afonso

Após Gy Gradiente
9

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Operador Laplaciano

Laplaciano ∂2 f ∂2 f
∇ f = 2 + 2
2

∂x ∂y

0 1 0 1 1 1
Kernel 1 -4 1 1 -8 1
0 1 0 1 1 1

Vantagens:
inaceitavelmente sensível a ruído!
Manuel A. E. Baptista
Ernesto R. Afonso

não detecta direcção da transição.


Desvantagens:
☺ determina se um pixel está na parte escura ou clara do bordo.
☺ localiza as bordas usando a propriedade de zero-crossing.

10

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Operador Logaritmo
- Para contornar os problemas do operador Laplaciano aplica-se:
- primeiro um filtro passa-baixo Gaussiano,
- depois, ao resultado, o operador Laplaciano.
- Como a convolução é associativa,
- pode fazer-se o Laplaciano do filtro Gaussiano, e
- aplicar-se o resultado à imagem.
Secção transversal
de LOG

 ∂2 ∂2  −1  x2 + y2 
LOG ( x, y ) =  2 + 2  exp − 
 ∂x ∂y  2πσ 2
 2σ 2

-σ σ
Manuel A. E. Baptista

−1  x2 + y2   x2 + y2 
Ernesto R. Afonso

= 2 −  exp − 
2πσ 2  σ 2   2σ 2

11

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Operador logaritmo: Kernel e exemplo

• O kernel para o filtro LOG deve satisfazer as condições:


- O domínio: um disco de raio. 3 2σ  1 2 1
- Soma dos elementos nula.
• Exemplo: Kernel de 3x3 k× 2 -12 2
• Ocorre uma passagem por zero quando um pixel tem um 1 2 1
valor <-t e um dos seus vizinhos tem valor >t.
• Exemplo:
Manuel A. E. Baptista
Ernesto R. Afonso

Zero-cross

12

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Perseguição de Bordos - processamento local


• Problema:
Todas as técnicas de detecção de bordos não produzem contornos contínuos e fechados (ver
slide anterior). É preciso preencher as interrupções nos contornos.
• Algoritmo:
1- Aplica-se um algoritmo de detecção de bordas,
2- Pixeis numa vizinhança de cada pixel da borda são analisados,
3- Pixeis similares são ligados.

• Exemplo de critério de similaridade:


– Um pixel da borda em (x’,y’) numa vizinhança pré-definida do pixel em (x,y) é similar ao pixel
em (x,y), se:

∇ f ( x , y ) − ∇ f ( x ′, y ′ ) ≤ T α ( x , y ) − α ( x ′, y ′ ) ≤ A
Manuel A. E. Baptista

E
Ernesto R. Afonso

Limiar de magnitude Limiar de ângulo

13

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Perseguição de Bordos - processamento local - exemplo

Imagem original Gy
Manuel A. E. Baptista
Ernesto R. Afonso

Gx Após perseguição de bordos

14

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Perseguição de Bordos - processamento global

Outra abordagem: contabiliza-se o número de pixeis no contorno que estão


sobre uma curva de forma conhecida. Se houver muitos, preenchem-se os que
faltam.
Um exemplo de formulação do problema: determinar o número de pontos da
borda que estão sobre uma mesma recta.
Solução trivial:
Seja uma imagem de n pontos.
determinam-se as rectas definidas por cada par de pontos, e
encontram-se os pontos próximos de cada recta.

determinam-se n(n-1)/2 ≈n2 retas, e fazem-se (n) (n(n-1)/2) ≈n3 comparações


Manuel A. E. Baptista
Ernesto R. Afonso

Solução
Transformada de Hough
inteligente

15

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Transformada de Hough

Dados os coeficientes angular (a) e linear (b) de uma recta, pode-se determinar as
coordenadas (x,y) dos pontos que estão sobre a recta pela equação:
y = a x + b.
De outra forma, dado um ponto nas coordenadas (x,y) pode-se determinar os
coeficientes angulares e lineares das rectas que o contém, pela equação:
b= -xa + y

bmin bmax
b' amin b
y b
(xi,yi) b= -xia+yi

a'
Manuel A. E. Baptista
Ernesto R. Afonso

(xj,yj) amax

x a
b= -xja+yj a A(i,j)
matriz acumuladora

16

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Transformada de Hough - continuação

Procedimento: bmin bmax


A matriz acumulador é inicializada a zero,
amin b
Para cada ponto pertencente à borda nas
coordenadas (x,y), varre-se o eixo a (a assume
cada subdivisão de valor admissível),
Para cada valor de ai determina-se o valor de bj
correspondente usando a equação bj= -xai + y,
arredondando para o valor mais próximo,
amax
Incrementa-se a célula A(i,j).
a A(i,j)

Ao final A(i,j) contém o número de pontos do plano (x,y), que estão sobre
Manuel A. E. Baptista

a reta y=aix+bj.
Ernesto R. Afonso

Para cada ponto (x,y) produzem-se K valores de b correspondentes aos


K possíveis valores de a. Com n pontos na imagem, o método envolve
nK cálculos!!!!

17

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Transformada de Hough - continuação

Para retas próximas à vertical tanto a quanto b se aproximam de infinito.


Solução usar coordenadas polares:
x cos θ + y sen θ = ρ

θmin θmax
y ρmin b
θ
ρ
Manuel A. E. Baptista
Ernesto R. Afonso

ρmax

x a

18

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Transformada de Hough - ilustração e generalização


5
•Ilustração:
eixo y B
1 2 4 3
e +ρ A
i 1
x 3 0
o 2

x
4 5 -90º -θ 0 +θ 90º
•Generalização:
Manuel A. E. Baptista
Ernesto R. Afonso

Válida para qualquer função da forma g(v,c), onde v é um vector de coordenadas e


c é um vector de coeficientes.

Por exemplo, para um círculo, (x-c1)2 + (y-c2)2 = c32, a matriz acumuladora terá 3
dimensões, uma para cada coeficiente (c1,c2,c3) - A(i,j,k).

19

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Transformada de Hough - Resumo e exemplo


Resumo:
1) computar o gradiente da imagem,
2) especificar as subdivisões do plano ρθ,
3) examinar as células acumuladores, procurando as contagens mais altas,
4) examinar as relações (principal/ continuidade) entre pixeis na célula escolhida.
Exemplo
Manuel A. E. Baptista
Ernesto R. Afonso

imagem infravermelho gradiente conectar pixels da borda quando:


- ∈ 3 células de maior contagem
- vão menor ou igual a 5 pixels

20

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004
Limiarização - Fundamentos

T T1 T2
Objecto claro em fundo escuro Dois objectos de intensidades
diferentes em fundo escuro
alguma
Operação propriedade

1 if f (x, y ) > T
T = T [x, y, p(x,y),f(x,y)] g ( x, y ) = 
if f ( x, y ) ≤ T
Manuel A. E. Baptista

0
Ernesto R. Afonso

T = T [f(x,y)] T = T [p(x,y),f(x,y)] T = T [x, y, p(x,y),f(x,y)]


global local dinâmico

21

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

A interferência da Iluminação

× =

f(x,y) i'(x,y) g(x,y)

histograma histograma T não nítido


de f(x,y) de g(x,y)
Manuel A. E. Baptista

T nítido
Ernesto R. Afonso

22

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Compensação de Iluminação: alguns algoritmos


Quando a fonte de iluminação é acessível,
1) projecta-se o padrão de iluminação sobre um fundo claro de reflectância constante,
produzindo uma imagem g(x,y) = k i(x,y), (k é uma constante).
2) Para qualquer imagem f(x,y) = i(x,y) r(x,y), obtida com o mesmo padrão de iluminação,
divide-se f(x,y) por g(x,y), obtendo-se f(x,y)/g(x,y)= r(x,y)/k.
3) Se r(x,y) pode ser segmentada usando o limiar T, então f(x,y)/g(x,y ) = r(x,y)/k pode ser
segmentada utilizando o limiar T/k.

Quando a fonte de iluminação não é acessível,


1) a maioria dos algoritmos supõe que a iluminação varia suavemente ao longo da imagem, isto é, tem
componentes preponderantemente nas baixas frequências;
2) em geral, subtrai-se da imagem original uma versão “borrada” da própria imagem, isto é:
Manuel A. E. Baptista

g(x,y) = f(x,y) - k T [(x,y)]


Ernesto R. Afonso

filtro
0<k<1
passa-baixo

23

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Limiar global - exemplo


• Escolhe-se um único limiar válido para toda a imagem.
• Exemplo:

T=0.5

imagem original imagem limiarizada


Manuel A. E. Baptista
Ernesto R. Afonso

24

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Limiar Óptimo - algoritmo de Otsu


P(i)
Otsu procura um limiar t, tal que a variância
intragrupo (média ponderada da variância fundo objecto
da intensidade dos pixeis do objecto e do
fundo) seja mínima.
σ1(t) σ2(t)
q1(t) q2(t)
σ 2
W (t ) = q1 (t ) σ (t ) + q 2 (t ) σ (t )
1
2 2
2
i
t
variância da intensidade dos pixeis do objecto

proporção na imagem dos pixeis do objecto


Manuel A. E. Baptista

variância da intensidade dos pixeis do fundo


Ernesto R. Afonso

proporção na imagem dos pixels do fundo

variância intragrupo

25

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Limiar Óptimo - algoritmo de Otsu (continuação)

proporção dos proporção dos


pixeis do fundo pixeis do objecto
t
variância
q1 (t ) = ∑ P (i )
L −1
intragrupo q 2 (t ) = ∑ P (i )
i=0 i = t +1

σ W2 (t ) = q1 (t ) σ 12 (t ) + q 2 (t ) σ 22 (t ) percentagem de pixeis
com intensidade i.

variância da intensidade do fundo: variância da intensidade do objecto:


t
σ (t ) = ∑ [i − µ 1 (t )] P (i ) /q1 (t )
L −1

∑ [i − µ (t )] P (i ) /q (t )
2
σ (t ) =
2 2
2
1
2 2 2
i=0
i = t +1
Manuel A. E. Baptista
Ernesto R. Afonso

intensidade média do fundo intensidade média do objecto


t L −1
µ 1 (t ) = ∑ i P (i ) /q1 (t ) µ 2 (t ) = ∑ i P (i ) /q (t )
2
i=0 i = t +1

26

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Limiar Óptimo - algoritmo de Otsu (continuação)

variância
intergrupo
σ B2 (t ) = q1 (t ) [1 − q1 (t )] [µ1 (t ) − µ 2 (t )]2

Após simplificações, procura-se o valor de t que minimiza:


Utilizam-se as seguintes fórmulas recursivas:
q1 (t ) = q1 (t − 1) + P (t ) , onde q1(0) = P(0)
q (t − 1)µ1 (t − 1) + t P (t )
µ1 (t ) = 1
, onde µ1(0) = 0 e
q1 (t ) µ1(t) = 0 para q1(t) = 0
média da imagem
L −1
µ = ∑ i P (i )
Manuel A. E. Baptista
Ernesto R. Afonso

i=0

µ − q1 (t )µ1 (t )
µ 2 (t ) =
1− q1 (t )

27

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Selecção do Limiar baseado nas características do bordo


Histograma ideal tem picos altos, estreitos, simétricos e vale profundo.
Para melhorar o histograma, consideram-se apenas os pixeis próximos do bordo.

Só os pixeis
próximos do bordo
Manuel A. E. Baptista
Ernesto R. Afonso

28

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Limiar baseado em mais de uma variável

Imagens coloridas do tipo RGB:


Para L níveis, forma-se uma matriz P de dimensão L×L×L,
P(i,j,k) contém a percentagem dos pixeis com componentes RGB
= i,j,k
Encontram-se os picos de P(i,j,k),
A segmentação associa um rótulo aos pixeis, cujas componentes
estão “próximas” dos picos.
Manuel A. E. Baptista
Ernesto R. Afonso

29

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Crescimento de uma Região por Agregação de Pixeis

Crescimento de uma Região é um procedimento que agrupa pixeis ou sub-


regiões em regiões maiores
Agregação de pixeis:
escolhe-se uma semente
agregam-se pixeis similares (intensidade, cor, textura, etc.) da vizinhança.
Exemplo:

0 0 5 6 7 a a b b b a a a a a
1 1 5 8 7 a a b b b a a a a a
0 1 6 7 7 a a b b b a a a a a
2 0 7 6 6 a a b b b a a a a a
Manuel A. E. Baptista
Ernesto R. Afonso

0 1 5 6 5 a a b b b a a a a a
imagem original critério de similaridade: critério de similaridade:
diferença ≤ 3 diferença < 7
sementes

30

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Agregação de Pixeis - comentários

encontrar uma semente adequada


– processar as características de cada pixel e procurar os agrupamentos, os
centros dos agrupamentos podem ser usados como sementes. No exemplo
anterior nota-se que os pixeis 1 e 7 são predominantes.
encontrar o critério de similaridade.
– usar características (por ex. momentos, textura, etc).
deve-se levar em conta a informação de conectividade ou adjacência.
critério de paragem.
Manuel A. E. Baptista

– quando não há mais pixeis que satisfaçam o critério.


Ernesto R. Afonso

– pode-se levar em conta a “história” do crescimento (por ex. intensidade média


dos pixeis já agregados, ...).

31

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Agregação de Pixeis - exemplo

Problema:
Isolar a região de um determinado metal na imagem de uma amostra de uma liga
metálica.

Critérios:
- A diferença absoluta do nível de cinza < 10% da diferença em toda a imagem.
- Cada pixel incluído deve estar em N8 de algum pixel incluído anteriormente.

Fases no processo de agregação:


Manuel A. E. Baptista
Ernesto R. Afonso

32

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004
Dividir e juntar Regiões
A ideia consiste em subdividir a imagem num conjunto arbitrário de regiões
disjuntas e misturar ou dividir as regiões dependendo de uma condição de
similaridade.
Procedimento:
Toma-se inicialmente toda a imagem como a região inicial R0,
Escolhe-se um predicado lógico P sobre os pixeis de uma região,
Subdivide-se R sucessivamente em regiões cada vez menores, até que para toda região
Ri , P(Ri) = verdadeiro,
Se P(Ri) = falso, subdivide novamente.
Regiões Ri e Rj adjacentes, para as quais P(Ri ∪ Rj) = verdadeiro, juntam-se.
Exemplo: decomposição em árvore de quadrados (“quadtree decomposition”).
Manuel A. E. Baptista
Ernesto R. Afonso

33

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Processamento de Imagem

• Pós-Processamento
– Operações Morfológicas
Manuel A. E. Baptista
Ernesto R. Afonso

34

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Ferramentas para extrair da imagem componentes úteis para


Manuel A. E. Baptista
Ernesto R. Afonso

representar e descrever formas de regiões obtidas pela Segmentação


Técnicas de pós-processamento para corrigir imperfeições nas regiões
produzidas pela Segmentação

35

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Pós-Processamento e Operações Morfológicas


Imagem Imagem
Imagem digital digital
física (regiões) regiões (atributos)
(pixeis) (pixeis)

Segmen- Pós-pro- Extracção Reconhe-


Aquisição Realce de
tação cessamento Atributos cimento

Operações Morfológicas (Morfologia Matemática):


• Uma imagem binária é tratada como um conjunto de pixeis brancos (ou pretos).
Manuel A. E. Baptista

• Estes conjuntos são membros de um espaço bidimensional inteiro Z2, onde cada
Ernesto R. Afonso

.
elemento de um conjunto é dado pelo par de coordenadas (x,y) do pixel na imagem.

• A linguagem utilizada nas operações Morfológicas é a teoria de conjuntos.

• Estas operações restringem-se a imagens binárias.

36

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Algumas definições básicas


x2 x2
•Translação:
x1 Ax
x1
Ax = {c | c = a + x , para a ∈ A} A

•Reflexão:
Bˆ = {x | x = − b , para b ∈ B } x2 B̂ x2
x1 x1
•Complemento B
A c = {x | x ∉ A}
Manuel A. E. Baptista

A (A-B)
Ernesto R. Afonso

•Diferença
A − B = {x | x ∈ A, x ∉ B} B
Ac
37

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Operações Morfológicas - DILATAÇÃO


•Definição { ()
A ⊕ B = x | Bˆ ∩ A ≠ ∅ x }

Exemplos: A A⊕ B
Manuel A. E. Baptista
Ernesto R. Afonso


A
A⊕ B
Para elementos estruturais tipo ‘box’ 3x3, a Dilatação acrescenta ao objecto
os pixeis do fundo que tocam no objecto.
38

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004
Operações Morfológicas - EROSÃO
•Definição A ⊗ B = x | Bˆ x ⊆ A { () }

Exemplo: A A⊗ B
Manuel A. E. Baptista
Ernesto R. Afonso


A A⊗B
Para elementos estruturais tipo ‘box’ 3x3, a Erosão retira do objecto, os pixeis
dos bordos.
39

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Operações Morfológicas - HIT&MISS


• Definição: ( )
A ∗ ( J , K ) = ( A ⊗ J ) ∩ A c ⊗ K , com J ∩ K = ∅
Exemplo:


A A⊗ J

A*K
Manuel A. E. Baptista
Ernesto R. Afonso


Ac A⊗ K
Hit & Miss é uma ferramenta básica para detecção de formas.
40

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004
Operações Morfológicas - ABERTURA e FECHO

Elemento Estrutural
Figura Original
•Abertura ( A D B) = ( A ⊗ B) ⊕ B

( A ⊗ B) ( A D B) = ( A ⊗ B) ⊕ B
•Fecho ( A • B) = ( A ⊕ B) ⊗ B
Manuel A. E. Baptista
Ernesto R. Afonso

( A ⊕ B) ( A • B) = ( A ⊕ B) ⊗ B
41

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Operações Morfológicas - ABERTURA e FECHO (exemplo)


Elemento Estrutural (B) é uma matriz 3x3 de “uns”.
(A D B ) (A • B )
Manuel A. E. Baptista
Ernesto R. Afonso

Imagem Original A⊗ B (A ⊗ B )⊕ B ( A D B ) ⊕ B [( A D B ) ⊕ B ] ⊗ B
= AD B = (A D B )• B

42

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Operações Morfológicas - variantes da EROSÃO - SHRINKING

‘Schrinking’ - a erosão é efectuada mas de modo a preservar intactos


os objectos de um pixel. Se a operação for repetida várias vezes, reduz
todos os objectos a pontos.
Manuel A. E. Baptista
Ernesto R. Afonso

43

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Operações Morfológicas - variantes da EROSÃO - THINNING

‘Thinning’ - a erosão é efectuada de modo a não quebrar objectos. Se


repetido várias vezes, reduz objectos a linhas, mostrando sua topologia.
Manuel A. E. Baptista
Ernesto R. Afonso

44

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Operações Morfológicas - variantes da EROSÃO - ESQUELETO


‘Esqueleto’ - produz o esqueleto de uma região (para cada pixel p do
interior de uma região, toma-se o pixel do bordo mais próximo; se há um
outro pixel do bordo à esta mesma distância, p pertence ao esqueleto da
região).
Manuel A. E. Baptista
Ernesto R. Afonso

45

Departamento de Informática 4 de Junho de 2004

2003-2004
SISTEMAS DE PROCESSAMENTO DIGITAL

Operações Morfológicas - variantes da EROSÃO - PRUNING


‘Pruning’ - em geral as operações de ‘thinning’ e esqueleto contém
“cabelinhos” - são pequenos ramos que saem de intersecções de linhas.
Pruning reduz estes ramos.
Manuel A. E. Baptista
Ernesto R. Afonso

46

Departamento de Informática 4 de Junho de 2004


SISTEMAS DE PROCESSAMENTO DIGITAL
2003-2004

Operações Morfológicas - variantes da DILATAÇÃO - THICKENING

‘Thickening’ - a dilatação é efectuada de modo a não fundir objectos.


Manuel A. E. Baptista
Ernesto R. Afonso

47

Departamento de Informática 4 de Junho de 2004