Escolar Documentos
Profissional Documentos
Cultura Documentos
Artigos:
NAVAS, J., MARTÍN, J. The influence of chromatic components on extended depth of field imaging, Microscopy Research and
Technique, New York, v. 72 n. 5, p. 403-410, 2009
MUHAMMAD, M. S., CHOI, T.-S. A novel method for shape from focus in microscopy using Bezier surface approximation, Microscopy
Research and Technique, New York, v. 73 n. 2, p. 140-151, 2010
RASBAND, W.S., ImageJ, U. S. National Institutes of Health, Bethesda, Maryland, USA, http://imagej.nih.gov/ij/,
1997-2012.
Ementa do tópico
Imagem digital, resolução e pixels
Histogramas e contraste
Segmentação
Morfologia binária
Aquisição da
imagem
Microscopia! Imagem digital
Digitalização
Melhoramento Melhoramento
Segmentação
Segmentação
Análise e
Classificação Análise e
Classificação
Imagens digitais e o processo de digitalização
RESOLUÇÃO CONTRASTE
Imagens digitais e o processo de digitalização
Imagem digital: representação da distribuição de propriedades,
discretizadas em “pixels” organizados espacialmente em um plano.
PIXEL =
picture element =
Elemento de área
da imagem
Exemplos:
Imagens obtidas
por microscopia de
força atômica :
topografia em [µm],
e fase em [V].
Resolução:
menor distância entre dois pontos nítidos =
propriedade do sistema de imageamento!
Microscopia
Microscopia eletrônica ou
óptica Lupa Olho nu
de varredura por sonda convencional
• Teorema de
Shannon (x1/2f)
amostragem • tamanho e
composição
do contraste • supressão de ruídos
• sombreamento
http://www.microscopyu.com/articles/optics/mtfintro.html
“Resolução” espacial de uma imagem digital
Cuidados:
tamanho do pixel deve respeitar o Teorema de
Shannon-Nyquist (x1/2f) para evitar sub-amostragem
escalas policromáticas:
Exemplos:
A) imagem monocromática de 8-bit, em formato VGA (640x480).
E = 640x480x8 = 2457600 bits =307200 bytes = 300 kilobytes
Operações Operações
pontuais locais ou de
(histogramas) vizinhança
Filtros
Filtros Filtros de
espaciais de
derivativos classificação
convolução
Operações com histogramas para manipulação do contraste
Operações com histogramas para ajuste de contraste são da classe de operações pontuais do
melhoramento de imagens, onde qualquer alteração de brilho do pixel dependerá apenas de sua posição,
independendo da vizinhança.
amenor amaior
amín amáx
amáx amín
f a amín a amenor
amaior amenor
155
1
111
133
177
199
221
243
23
45
67
89
0
111
133
155
177
199
221
243
1
23
45
67
89
400000
400000
300000 300000
200000 200000
100000 100000
0 0
177
111
133
155
199
221
243
1
23
45
67
89
101
121
141
161
181
201
221
241
1
21
41
61
81
Operações com histogramas para manipulação do contraste
Operações com histogramas para ajuste de contraste são da classe de operações pontuais do
melhoramento de imagens, onde qualquer alteração de brilho do pixel dependerá apenas de sua posição,
independendo da vizinhança.
111
133
155
177
199
221
243
89
23
45
67
350000
350000
300000
300000
250000 250000
200000 200000
150000 150000
100000 100000
50000 50000
0 0
1
101
121
141
161
181
201
221
241
21
41
61
81
177
1
111
133
155
199
221
243
23
45
67
89
Operações com histogramas para manipulação do contraste
Estiramento de contraste X Equalização
imagem original
19 1
9
9
1
9
32 33 35 38 39 40 32 33 35 38 39 40
I(i,j) = P(i,j) =
33 99 34 36 38 37 33 41 41 35 36 37
34 32 33 32 33 35 34 40 40 36 40 35
34 32 33 31 58 60 34 33 35 41 47 60
34 32 32 58 57 61 34 33 38 47 56 61
32 34 33 60 59 61 32 34 33 60 59 61
Filtros no domínio do espaço:
Filtros espaciais de convolução:
original
média 3x3
média 11x11
média 31x31
média 101x101
Filtros no domínio do espaço:
Filtros espaciais de convolução:
- =
original média 101x101 Resultado após equalização linear
Filtros no domínio do espaço:
Filtros espaciais de convolução:
0 1 0
L(i, j ) 1 4 1 Li, j 4I i, j I i 1, j I i, j 1 I i, j 1 I i 1, j
0 1 0
1 1 1
L(i, j ) 1 8 1 Li, j 8I i, j I i 1, j 1 I i 1, j I i 1, j 1 I i, j 1 I i, j 1 I i 1, j 1 I i 1, j I i 1, j 1
1 1 1
0 1 0 1 1 1
L(i, j ) 1 4 1 L(i, j ) 1 8 1
0 1 0 1 1 1
Filtros no domínio do espaço:
Filtros espaciais de convolução:
1
4 16 26 16 4
I i, j
G i, j 7 26 41 26 7
273
4 16 26 16 4
1 4 7 4 1
32 33 35 38 39 40 32 33 35 38 39 40
I(i,j) = P(i,j) =
33 99 34 36 38 37 33 33 34 35 37 37
34 32 33 32 33 35 34 33 33 33 36 35
34 32 33 31 58 60 34 33 32 33 36 60
34 32 32 58 57 61 34 33 33 57 59 61
32 34 33 60 59 61 32 34 33 60 59 61
Filtros no domínio do espaço:
Filtros espaciais de classificação:
original
mediana
3x3
mediana
11x11
mediana
31x31
mediana
101x101
média
101x101
Filtros no domínio do espaço:
Filtros espaciais de classificação:
Aplicações: Mediana, máximo, mínimo e variância
original
I x, y I x, y
2 2
I x, y
x y
Já os filtros de segunda ordem têm a forma:
2 f x, y 2 f x, y
f x, y
2
x
2
2 y
O filtro Laplaciano é um exemplo desta classe.
Filtros espaciais derivativos
Filtros derivativos de primeira ordem: Filtros unidirecionais
Filtros unidirecionais calculam a
diferença de brilho em torno de um
ponto, em uma direção, por 1 1 1
0 0 0
convolução, podendo se apresentar em
1 1 1
oito orientações diferentes:
1 0 1 1 1 0
1 0 1 1 0 1
1 0 1 0 1 1 1 0 1
1 0 1 1 1 0 1 0 1
1 0 1 1 0 1
1 0 1
1 0 1 0 1 1
1 1 1 0 1 1
0 0 0 1 0 1
1 1 1 1 1 0 1 0 1
1 0 1
1 1 1 0 1 1
0 0 0 1 0 1 1 0 1
1 1 1 1 1 0
Filtros espaciais derivativos
Filtros derivativos de primeira ordem: operadores de bordas
I x, y I x, y
2 2
I x, y
x y
imagem
Prewitt Sobel Scharr original
1 0 1 1 1 1 1 0 1 1 2 1 3 0 3 3 10 3
1 0 1 0 0 0 2 0 2 0 0 0 10 0 10 0 0 0
1 0 1 1 1 1 1 0 1 1 2 1 3 0 3 3 10 3
x4 x4 x4
Operações no domínio da frequência
São operações baseadas em transformações das coordenadas
espaciais cartesianas (x e y para espaço e z para o brilho) em
coordenadas de frequências espaciais (u e v como frequências de
ocorrências espaciais do brilho e com a intensidade – amplitude ou
fase – em z). Os operadores mais comuns são: Fourier, Laplace,
Hough, Hartley, Hadamard, Harr, cosseno ...
A maior vantagem destas operações está na elegância da solução:
reprodução de resultados, corte de componentes específicos,
possibilidade de medições muito precisas, etc.
Em contrapartida, demanda mais recursos computacionais, maior
dificuldade para ajustes, sua aplicação é menos intuitiva, sua
implantação não é universal para os programas de processamento
digital de imagens.