Você está na página 1de 5

CNPq

CONSELHO NACIONAL DE DESENVOLVIMENTO


CIENTÍFICO E TECNOLÓGICO

RELATÓRIO FINAL
(BOLSISTAS E VOLUNTÁRIOS)
PRÓ-REITORIA DE PESQUISA E PÓS- Iniciação Científica participantes do Programa
GRADUAÇÃO
DIVISÃO DE PESQUISA
CIÊNCIA SEM FRONTEIRAS

Informações relativas a bolsa


Origem da bolsa: [ ] PIBIC-UEPG [ ] PIBIC-CNPq ( ) PIBIC ARAUCÁRIA (X) PROVIC
( ) BIC ARAUCÁRIA ( ) BIC CNPq ( ) CNPq Balcão ( ) Araucária Balcão ( )PIBITI
Período deste Acompanhamento: 01/08/2013 até 31/07/2014
Obs.:Anexar no sistema PIBIC ONLINE até 20/08/2014

Digitalizar com a assinatura e anexar no sistema PIBIC On-Line no campo relatório final até 20 de agosto
NO ÍTEM RESUMO E CERTIFICADO anexar a carta de aceite da Instituição .(Ciencias sem fronteiras)
NO ÍTEM RESUMO e CERTIFICADO anexar até 10 dias após o evento.

Informações relativas ao bolsista:

Aluno(a): Rayne de Souza Pereira

Email: raynesp@icloud.com

Curso do Aluno(a): Engenharia de Computação

Ano de conclusão: 2015

Orientador(a): Rosane Falate

Email: rfalate@gmail.com

Depto./Setor:(do Orientador): Departamento se informática

Título do Projeto:

Aquisição de imagens: uso de histogramas para avaliação de desempenho

Situação atual do Projeto:


[ X ] Como [ ]
previsto Atrasado -
justificar

JUSTIFICATIVA:
AQUISIÇÃO DE IMAGENS: USO DE HISTOGRAMAS PARA AVALIAÇÃO DE
DESEMPENHO
ACQUISITION OF IMAGES: USE OF HISTOGRAMS FOR PERFORMANCE
EVALUATION

Rayne de Souza Pereira (PROVIC/UEPG), Evanise Araujo Caldas (co-orientadora), Rosane Falate
(Orientadora), e-mail: rfalate@gmail.com.

Universidade Estadual de Ponta Grossa/Departamento Informática

3.00.00.00-9 – Engenharias
3.04.00.00-7 – Engenharia Elétrica

Palavras-chave: Comparação, processamento digital de imagens, sementes.

Resumo: O processamento digital de imagens é a ação de manipular uma ou mais imagens com o
auxílio de um computador. Para que essa manipulação resulte em extração de dados das imagens de
interesse, é importante que a imagem seja de boa qualidade e, para isto, é necessário um bom
método de aquisição de imagens. Este trabalho avaliou três métodos de aquisição: os dois primeiros
com objetivo de encontrar a maior semelhança e igualdade entre as imagens; e o terceiro, com
objetivo de separar as imagens em grupos, de acordo com o intervalo da média dos canais RGB
(vermelho, verde e azul) de cada grupo. As análises dos resultados foram feitas através da
comparação das imagens, obtidas com cada um dos métodos, com o auxílio de algoritmos de
cálculo de distância por intersecção e correlação. Com a análise dos resultados foi possível
encontrar o melhor método de aquisição.

Key-words: Comparison, digital image processing, seeds.

Abstract

The digital image processing is the action of manipulate one or more images with a help of a
computer. For this manipulation results on extraction of data from the images is importante that the
image could be of good quality and for this is necessary a good method of acquisition. This work
avaliate three methods of acquisition: the two first with the objective of find the biggest similarity
and iguality between the images; and the third one with the objective of separate the images in
groups according to the range of the mean channel RGB (red, green andblue) from each group. The
analysis from the results were made through the acquisition of images get with each methods, with a
help of algorithms that can calculate the distance by intersection and correlation. Analyzing the
results was possible to find the best acquisition method.

Introdução

A área de processamento de imagens vem sendo objeto de crescente interesse por permitir viabilizar
grande número de aplicações (MARQUES FILHO & VIEIRA NETO, 1999). Segundo o estudo
realizado por CAMARA et al. para o desenvolvimento do sistema SPRING de processamento de
imagens, o processamento digital de imagens (PDI) é a manipulação de imagens com o auxílio de
um computador, em que o resultado final é uma imagem e ainda, o objetivo do PDI é “é melhorar o
aspecto visual de certas feições estruturais para o analista humano e fornecer outros subsídios para a
sua interpretação”. Dessa forma, através do PDI obtêm-se ferramentas para identificar e extrair
informações contidas nas imagens, para que estas possam ser interpretadas de acordo com aplicação
desejada.
Entretanto, para que isso seja possível, é necessário que a aquisição das imagens que serão
interpretadas resulte em imagens de boa qualidade, sendo, por isto, de grande importância um
método eficiente para a aquisição das mesmas. Este projeto de pesquisa visa identificar o melhor
método de aquisição de imagens, de sementes de milho, desenvolvido pelo grupo de pesquisa. Para
isso é realizada a obtenção de histogramas das imagens digitais obtidas, e, através de comparações
de histogramas via métodos estatísticos, identifica-se o melhor método de aquisição, tanto pela
análise da semelhança quanto pela igualdade das imagens.

Materiais e métodos

Para a realização do projeto foram avaliados dois diferentes métodos para a aquisição de imagens,
desenvolvidos por Caldas (2014) e o método de aquisição desenvolvido por Ribeiro e Falate (2014).
Os dois métodos avaliados de Caldas (2014) são: Método I (fundo EVA) e o Método II (tenda de
luz) e o proposto por Ribeiro e Falate (2014) é denominado, neste trabalho por Método III (scanner).
O Método I (fundo EVA) utiliza fundo de EVA branco dobrado em L de modo que estivesse 35 cm
do comprimento da mesa até a parede e 33 cm de altura da mesa até a parede; para a iluminação, usa
de uma lâmpada fluorescente de 15 W e com 30 cm de distância da lâmpada até o objeto; o tripé da
câmera fica sobre a mesa, estando a lente da câmera distante 34,5 cm de altura em relação ao objeto;
a câmera utilizada para a captura das imagens é a Câmera Kodak Easyshare M531– 14MP,
configurada no modo de cena Close-Up 3 MP(4:3), utilizando o zoom para a localização do objeto e
sem utilização do flash. No início, para a calibragem da câmera, são feitas 10 imagens, e depois são
obtidas mais 30 imagens da semente, sendo escolhidas 9 entres elas, sobrando uma imagem para
possível substituição, caso haja uma imagem que inviabilizasse o estudo. O Método II (tenda de luz)
utiliza uma tenda de luz de papel vegetal de 44 x 37 x 33 cm com uma lâmina de EVA na cor
branca como plano de fundo. A tenda foi elaborada de maneira a promover uma luz suave e difusa
no objeto, evitando sombras evidentes do objeto em análise. Para a iluminação é usada uma
lâmpada fluorescente de 15 W, com distância de 5 cm da lâmpada ao teto da tenda. A captura das
imagens é feita com uma Câmera Digital Kodak EasyShare M531-14MP, configurada no modo de
cena Close-Up 3 MP(4:3) – localizando o objeto, sem zoom, e à distância de 5 cm do objeto. No
início, para a calibragem da câmera, são feitas 10 imagens e depois são obtidas mais 30 imagens da
semente sendo escolhida 9 entre elas para a realização do estudo. Após a aquisição das imagens,
estas foram analisadas por um algoritmo que faz a comparação dos histogramas das imagens em
nível de semelhança (correlação) e de igualdade (intersecção), para que pudesse ser avaliado o
melhor método em relação à reprodução da imagem. A mesma semente foi utilizada nos dois
métodos descritos.
O Método III (scanner) teve como base imagens adquiridas com um scanner da marca SAMSUMG,
Modelo SCX-4600. O software utilizado para aquisição foi o XSane Imaging Scanner Program
Versão 0.998 com as seguintes configurações da imagem, tipo de arquivo: png, fundo: plano, cor:
todas as cores, resolução: 75 dpi e com a localização da área de digitalização no scanner: x superior
esquerdo: 0,5 cm, y superior esquerdo: 0,5 cm, x inferior direito: 21 cm, e y inferior direito: 28 cm.
Foram usadas 176 sementes na aquisição das imagens, divididas em dois grupos de 88 sendo os
grupos classificados em doentes e sadios. As sementes foram separadas em imagens independentes,
com o fundo removido. Para verificar a capacidade do método de comparação de histogramas em
distinguir sementes sadias das ardidas, sem nenhuma correção de escala da imagem, cinco sementes
diferentes e que pertenciam à classe dos grãos sadios foram escolhidas, para então serem usadas
como base de comparação com todas as outras imagens. O mesmo algoritmo usado para os Métodos
I e II foi usado também para o Método III.

Resultados e Discussão

A média de igualdade e de semelhança entre as imagens comparadas do Método I (fundo EVA)


foram de, respectivamente, 0,941 e 0,988 e o desvio padrão de 0,037 e 0,013, respectivamente.
Enquanto que a média de igualdade e de semelhança entre as imagens comparadas com o Método II
(tenda de luz) são de, respectivamente, 0,971 e 0,995 e o desvio padrão de 0,014 e 0,004,
respectivamente. Considerando que um valor resultante da comparação igual a 1,000 representa
imagens iguais, para a comparação de igualdade, e similares, para a comparação de semelhança;
considerando as médias e os desvios padrões obtidos; o Método II reproduziu as imagens dos
objetos mais satisfatoriamente, seja pela comparação por igualdade ou por semelhança, pois
apresenta valores mais próximos a um, quando comparado com o Método I. Isso indica que o
Método II tem menores variações de captura de imagens. Essas variações entre as imagens também
podem ser avaliadas pelo desvio padrão, onde os valores obtidos com o Método I foram maiores que
aqueles obtidos com o Método II.
Os valores da distância entre histogramas, com o uso da intersecção, da média dos canais RGB
utilizando o Método III pertencem ao intervalo de 0,96 a 1,00 para as sementes sadias e de 0,92 à
0,97 para as doentes e para a correlação de 0,999962 à 1,00000 para as sadias e de 0,99995 à
0,999982 para as ardidas. Observa-se que, a partir dos resultados obtidos, não se pode separar os
conjunto das sadias e das ardidas, visto que os valores das doentes invadem o conjunto das sadias. A
análise do intervalo de valores de comparação de histogramas, por correlação e intersecção, com
cada canal separadamente, também geraram resultados insatisfatórios, com o intervalo de valores do
conjunto das sementes doentes sobrepondo parcialmente àqueles do conjunto das sementes sadias.

Conclusões

Os dois primeiros métodos de aquisição investigados apresentaram variações na análise de


comparação de imagens por igualdade e semelhança. Acredita-se que o Método II apresentou
resultados de comparação melhores devido à tenda, que torna a iluminação do objeto melhor, e evita
sombreamentos. O uso da comparação de histogramas de entre imagens de sementes de milho
ardidas e sadia apresentou resultado insatisfatório, pois não foi possível atingir o objetivo de separar
os conjuntos de sementes. Entretanto, nessa análise, não foi feito tratamento da imagem, como
normalizar o tamanho da semente ou reduzir o número de tons de cores a ser analisado, e que
podem alterar resultados. Esses tipos de avaliação estão em andamento.

Agradecimentos

À Universidade Estadual de Ponta Grossa pela disponibilização do laboratório de pesquisa e à


professora Rosane Falate pela orientação.

Referências

CALDAS, E. A. Avaliação de metodologias de aquisição de imagens para fins de análise de


qualidade de semente de milho. Dissertação de Mestrado - Universidade Estadual de Ponta Grossa,
2014.

CÂMARA, G.; FREITAS, U.M.; GARRIDO, J. B. SPRING: Integrating remote sensing and GIS by
object-oriented data modelling. Computers & Graphics v.15, n.6, p. 13-22, 1996.

MARQUES FILHO, O.; VIEIRA NETO, H. Processamento Digital de Imagens, Rio de Janeiro:
Brasport, 1999.

RIBEIRO, S. S.; FALATE, R. Uso de Histograma para Detecção de Fusarium no Milho. Revista
Científica Semana Acadêmica, v. 1, p. 1, 2014.

Você também pode gostar