Projeto de Pesquisa e Desenvolvimento

Algoritmos Inteligentes para

Inspeção de Veículos Automotores
Discente: Rodrigo Mendes de Carvalho

Técnicas clássicas de pré-processamento de

imagens no Opencv:

1. Normalização de brilho e contraste: normalizar o brilho e o contraste das imagens

pode ajudar a tornar as imagens mais robustas a variações na iluminação. As
transformações de brilho modificam o brilho do pixel e a transformação depende das
propriedades do próprio pixel. O aprimoramento de contraste é uma área importante
no processamento de imagens para visão humana e computacional. É amplamente
utilizado para processamento de imagens médicas e como uma etapa de
pré-processamento em reconhecimento de fala, síntese de textura e muitos outros
aplicativos de processamento de imagem/vídeo.
a. Correção de gama: A correção gama é um ajuste não linear para valores de
pixel individuais. Enquanto na normalização da imagem realizamos
operações lineares em pixels individuais, como multiplicação escalar e
adição/subtração, a correção gama realiza uma operação não linear nos
pixels da imagem de origem e pode causar saturação da imagem que está
sendo alterada.
 Link tutorial Opencv:
https://docs.opencv.org/3.4/d3/dc1/tutorial_basic_linear_transform.html

https://learnopengl.com/Advanced-Lighting/Gamma-Correction

b. alongamento sigmoide : A função sigmóide é uma função de ativação não

linear contínua. O nome, sigmóide, é obtido pelo fato de a função ter a forma
de “S”. Os estatísticos chamam essa função de função logística. Ao ajustar o
fator de contraste 'c' e o valor limite, é possível ajustar a quantidade de
clareamento e escurecimento para controlar o aprimoramento geral do
contraste

Link Opencv:
https://docs.opencv.org/2.4/modules/core/doc/operations_on_arrays.html#lut

2. Geometric Transformations: Com a transformação geométrica, as posições dos

pixels em uma imagem são modificadas, mas as cores permanecem inalteradas. As
transformações geométricas permitem a eliminação da distorção geométrica que
ocorre quando uma imagem é capturada. As operações normais de transformação
geométrica são rotação, dimensionamento e distorção (ou não distorção!) de
imagens.
 Link do Opencv:
https://docs.opencv.org/3.4/d2/de8/group__core__array.html#gaca7be533e3dac7feb
70fc60635adf441

3. Suavização com filtro passa-baixa: Um filtro passa-baixa é a base para a maioria

dos métodos de suavização. Uma imagem é suavizada diminuindo a disparidade
entre os valores de pixel pela média dos pixels próximos. Exemplos de filtros de
suavização, Filtro de Média, Filtro Gaussiano, Filtro do Desfoque Mediano e Filtro
Bilateral.

Link do Opencv:

https://docs.opencv.org/3.4/dd/d6a/tutorial_js_filtering.html

4. Filtros passa-alta e Filtragem Laplaciana: O filtro passa-alta pode ser usado para
tornar a imagem mais nítida. Esses filtros enfatizam detalhes finos na imagem – o
oposto do filtro passa-baixo. A filtragem passa-alta funciona da mesma forma que a
filtragem passa-baixa; ele apenas usa um kernel de convolução diferente.O filtro
Laplaciano é um detector de borda usado para calcular as segundas derivadas de
uma imagem, medindo a taxa na qual as primeiras derivadas mudam. Isso
determina se uma mudança nos valores de pixel adjacentes é de uma borda ou
progressão contínua. Kernels de filtros laplacianos geralmente contêm valores
negativos em um padrão cruzado, centralizado na matriz. Os cantos são zero ou
valores positivos. O valor do centro pode ser negativo ou positivo.

Link do Opencv:

https://docs.opencv.org/3.4/d5/db5/tutorial_laplace_operator.html