Aula03-Cap02 - Fundamentos de Imagens Digitais

2 Introdução
 Objetivo:
2 Fundamentos de Imagens Digitais  Introduzir conceitos relacionados a imagens digitais
 Tópicos
 Modelo de imagens
Análise de Imagens Digitais: Princípios, Algoritmos e Aplicações  Digitalização (amostragem e quantização)
Hélio Pedrini e William Robson Schwartz
 Resolução espacial e profundidade
 Ruído e entropia
 Relacionamento entre elementos da imagem
william@dcc.ufmg.br
William Robson Schwartz
 Métricas de Qualidade
© 2013 Hél i o Pedrini e William Robson Schwartz

Aná l ise de Imagens Digitais: Pri ncípios, Al goritmos e Aplicações. Hélio Pedrini e William Robson Schwartz
2 Modelo de Imagens 2 Modelo de Imagens
 Modelo da imagem:  Modelo para intensidade da cena

 Função de intensidade luminosa f(x,y), valor fornece a intensidade  Produto entre quantidade de luz incidente (iluminância), i(x,y) e luz
ou valor da imagem no ponto (x,y). refletida (reflectância) pelos objetos r(x,y)
 Iluminância (lúmen/m2)
 Reflectância (percentagem)
Fonte de luz i(x,y) lúmen/m2 Superfície r(x,y)
Dia claro ensolarado 900000 Neve 0.93
Dia nublado 10000 Aço inoxidável 0.80
Escritório 1000 Veludo preto 0.01
Noite clara, lua cheia 0.1
Aná l ise de Imagens Digitais: Pri ncípios, Al goritmos e Aplicações. Hélio Pedrini e William Robson Schwartz Aná l ise de Imagens Digitais: Pri ncípios, Al goritmos e Aplicações. Hélio Pedrini e William Robson Schwartz
2 Digitalização 2 Digitalização
 Para o processamento computacional, a função f(x,y) deve  Amostragem

ser convertida para forma discreta (digitalização).  Discretização do domínio de definição da imagem nas direções x e y,
 Digitalização – dois passos: amostragem e quantização resultando em uma matriz M x N
 Quantização
 Escolha de um número inteiro L de níveis de cinza para cada ponto
da imagem
1
2 Digitalização 2 Digitalização
 Dimensão do pixel  Amostragem deve permitir que a imagem contínua seja

 Espaçamento físico entre as amostras recuperada a partir dos valores amostrados
 Escala de cinza  Frequência espacial de amostragem (Fa) (Δx: intervalo em x)
 Valor associado a cada pixel Lmin  f(x,y)  Lmax
 Convenção: preto = Lmin e branco = Lmax
 Teorema da amostragem de Whittaker-Shannon
 Cuidados na digitalização: espaçamento entre as amostras
f(x,y) tem banda limitada no domínio da frequência [-B,B]

Frequência
 Conclusões:
 Uma amostra a cada meio período do sinal de ser tomada
 Não é necessário se amostrar com uma taxa muito maior que 1/2B
2 Digitalização 2 Resolução Espacial
 Exemplo da frequência de amostragem  Resolução espacial

B1 = 2/16 = 1/8 Δx  1/(2/8) = 4  Densidade de pixels da imagem – quanto menor o intervalo de
amostragem (Δx), maior densidade e maior resolução espacial.
B2 = 4/16 = 1/4 Δx  1/(2/4) = 2
 Uma imagem com grande número de pixels não apresenta
B3 = 8/16 = 1/2 Δx  1/(2/2) = 1
necessariamente a maior resolução espacial!
B4 = 16/16 = 1 Δx  1/(2/1) = 1/2
 Caso a equação 2.5 não seja satisfeita, tem-se o aliasing  Exemplo:

 Comprometimento da completa recuperação do sinal  Imagem com 100x100 pixels capturada de uma região com 100cm x
100cm tem resolução espacial menor que uma imagem com 50x50
pixels capturada de um região com 20cm x 20cm
 1ª imagem – cada pixel 1cm x 1cm
 2ª imagem – cada pixel 0,4cm x 0,4cm
2 Profundidade da Imagem 2 Resolução Espacial e Profundidade da Imagem
 Número de níveis de cinza é L, onde L = 2b (b é a  Redução da resolução espacial e da profundidade

profundidade da imagem)
 Exemplo: L = 256 = 28 (profundidade de 8 bits por pixel)
 Quantização
2
2 Representação de Imagens Digitais 2 Representação de Imagens Digitais
 Matriz bidimensional (cada elemento é um pixel)  Imagens podem ser representadas em múltiplas resoluções
 Estrutura simples para armazenar, manipular e visualizar dados com uma pirâmide
 Não se adapta aos dados, por ser uma estrutura regular – gera  Imagem NxN contém a imagem original e k versões reduzidas,
redundância normalmente N/2xN/2, N/4xN/4, ..., 1x1 (nível 0)
2 Imagem Multibanda ou Multiespectral 2 Ruído em Imagens
 Imagem digital monocromática – pixel tem valor escalar  Ruído: resultado da degradação durante o processo de
entre Lmin e Lmax. aquisição, transmissão ou processamento
 Pode ser considerado uma variável aleatória z, caracterizada por
 Imagens multibandas ou multiespectrais – pixel é associado uma função de densidade de probabilidade p(z)
ao valor vetorial f(x,y) = (L1, L2, …, Ln), onde Lmin ≤ Li ≤ Lmax.
 Li pode representar grandezas diferentes e com intervalos distintos.
 Ruído impulsivo
 Mais comum, representação de imagens coloridas  Ocorrência aleatória de pixels com valores de luminosidade bem
 Luminância: brilho da luz distintos dos vizinhos
 Matiz: comprimento de onda dominante  Exemplo: sal-e-pimenta (pixels brancos e pretos)
 Saturação: pureza do matiz
 Ou, três cores primárias (R, G, B) com 1 byte por banda/pixel
2 Ruído em Imagens 2 Entropia em Imagens
 Ruído Gaussiano  Mede a quantidade de informação transferida por um canal.

 Caracterizado pela ocorrência de pixels com valores de intensidade  Maior entropia, mais incerteza – mais informação associada ao
que variam conforme a distribuição Gaussiana (µ é a média, σ2 é a canal
variância)  Geração de informação pode ser modelada como probabilístico
 Imagem pode ser considerada um processo aleatório

 Probabilidade pi – probabilidade de um pixel assumir um valor i,
onde i = 0, 1, …, Lmax
 Distribuição de níveis de intensidade pode ser uma distribuição de
probabilidade
3
2 Entropia em Imagens 2 Relacionamento entre Elementos da Imagem
 Entropia de uma imagem  Vizinhança do pixel f de coordenadas (x,y)

 Vizinhança-4 [N4(f)]: (x+1,y), (x-1,y), (x, y-1), (x, y+1)
 Vizinhos na diagonal [Nd(f)]: (x+1,y+1), (x-1,y-1), (x+1,y-1), (x-1,y+1)
 Medida positiva, quando logaritmo na base 2, unidade é bits  Vizinhança-8 N8(f):
 Menor valor é zero (todos os pixels tem a mesma intensidade)
 Máxima entropia quando há distribuição uniforme
 Conectividade
 Dois elementos são conexos, se forem vizinhos e satisfazem algum
critério de similaridade
 Conceito para estabelecer limites entre objetos e componentes
2 Relacionamento entre Elementos da Imagem 2 Relacionamento entre Elementos da Imagem
 Adjacência  Componentes Conexos

 Um elemento f1 é adjacente a um elemento f2 se eles forem  Um subconjunto de elementos C da imagem conexos entre si
conexos conforme uma vizinhança.  Dois elementos f1 e f2 são conexos se existir um caminho entre f1 e
 Conjunto de pixels S1e S2 são adjacentes se pelo menos um f2 contido em C.
elemento de S1 for adjacente a um elemento de S2
 Caminho
 O caminho entre os pixels (x1,y1) e (xn,yn) é uma sequência de pixels
(x1,y1), (x2,y2), …, (xn,yn), tal que (xi,yi) e (xi+1,yi+1) são adjacentes
2 Métricas de Qualidade 2 Métricas de Qualidade
 Medidas que podem ser utilizadas para avaliar a  Error médio quadrático
similaridade de uma imagem transformada g em relação à  Média da soma do quadrado das diferenças de cada ponto
original f.
 Erro máximo
 Maior dirença absoluta entre cada ponto
 Coeficiente de correlação
 Valor r varia entre -1 e 1, valores próximos de zero indicam relação
linear fraca (µf e µg representam o tom de cinza médio)
 Erro médio absoluto
 Média da soma da diferença absoluta de cada ponto

Aula03-Cap02 - Fundamentos de Imagens Digitais

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

Aula03-Cap02 - Fundamentos de Imagens Digitais

Enviado por

Direitos autorais:

Formatos disponíveis

2 Introdução

© 2013 Hél i o Pedrini e William Robson Schwartz

2 Modelo de Imagens 2 Modelo de Imagens

 Modelo da imagem:  Modelo para intensidade da cena

 Para o processamento computacional, a função f(x,y) deve  Amostragem

 Dimensão do pixel  Amostragem deve permitir que a imagem contínua seja

f(x,y) tem banda limitada no domínio da frequência [-B,B]

2 Digitalização 2 Resolução Espacial

 Exemplo da frequência de amostragem  Resolução espacial

 Caso a equação 2.5 não seja satisfeita, tem-se o aliasing  Exemplo:

2 Profundidade da Imagem 2 Resolução Espacial e Profundidade da Imagem

 Número de níveis de cinza é L, onde L = 2b (b é a  Redução da resolução espacial e da profundidade

2 Imagem Multibanda ou Multiespectral 2 Ruído em Imagens

 Saturação: pureza do matiz

 Ou, três cores primárias (R, G, B) com 1 byte por banda/pixel

2 Ruído em Imagens 2 Entropia em Imagens

 Ruído Gaussiano  Mede a quantidade de informação transferida por um canal.

 Imagem pode ser considerada um processo aleatório

 Entropia de uma imagem  Vizinhança do pixel f de coordenadas (x,y)

2 Relacionamento entre Elementos da Imagem 2 Relacionamento entre Elementos da Imagem

 Adjacência  Componentes Conexos

2 Métricas de Qualidade 2 Métricas de Qualidade

Você também pode gostar