PRINCÍPIOS DE IMAGENS

MÉDICAS
PROF. DR. BRUNO BERALDO OLIVEIRA
boliveira.mg@gmail.com
bruno.oliveira@unifeb.edu.br
PLANO DE ENSINO - EMENTA

■ Fundamentos de imagens digitais.

■ Modelo de formação de imagens: amostragem e discretização.
■ Conceitos de brilho, contraste e luminância.
■ Histograma.
■ Métodos de realce e filtragem.
■ Aplicações em imagens médicas.
CONTEÚDO
■ Imagem digital
■ Resolução e frequência espacial
■ MTF e resolução de contraste
■ Razão-sinal ruído
■ Curva contraste-detalhe e resposta
do receptor de imagem
■ Unidades fotométricas
■ Pré-processamento
■ Pós-processamento
■ Histograma
■ Reconstrução e aliasing
■ Filtragem, realce e suavização
■ Filtragem e suavização no domínio
espacial
■ Filtragem no domínio da frequência
BIBLIOGRAFIA BÁSICA

■ CUNNINGHAM, JOHN ROBERT. THE PHYSICS OF RADIOLOGY. SÃO PAULO: CHARLES

C. THOMAS, 1983.
■ OKUNO, E.; CALDAS, I.L.; CHOW, C. FÍSICA PARA CIÊNCIAS BIOLÓGICAS E
BIOMÉDICAS. 1. ED. SÃO PAULO: ED. HARBA, 1982.
■ CHERRY, S.R.; SORENSON, J.A.; PHELPS, M.E. PHYSICS IN NUCLEAR MEDICINE. 3A
ED. ELSEVIER, PHILADELPHIA, PENNSYLVANIA, USA, 2003.
■ REVISTA RADIOLOGIA BRASILEIRA. DISPONÍVEL EM: HTTP://WWW.RB.ORG.BR.
BIBLIOGRAFIA COMPLEMENTAR
■ OKUNO, E.; YOSHIMURA, E. FÍSICA DAS RADIAÇÕES. 1. ED. SÃO PAULO: EDITORA
OFICINA DE TEXTOS, 2010.
■ DURAN, JOSE ENRIQUE RODAS. BIOFÍSICA: FUNDAMENTOS E APLICAÇÕES. SÃO
PAULO: PRENTICE HALL, 2003.
■ ATTIX, FRANK HERBERT. INTRODUCTION TO RADIOLOGICAL PHYSICS AND
RADIATION DOSIMETRY. SÃO PAULO: WILEY VCH, 2004.
■ KNOLL, GLENN F. RADIATION DETECTION AND MEASUREMENTE. SÃO PAULO: JOHN
WILEY & SONS, 1999.
■ WOODS, RICHARD E. (ESC.). DIGITAL IMAGE PROCESSING. SÃO PAULO: PEARSON,
2008.
■ REVISTA BRASILEIRA DE FÍSICA MÉDICA. DISPONÍVEL EM:
HTTP://WWW.RBFM.ORG.BR.
SISTEMA BINÁRIO

■ Embora o computador possa aceitar e relatar caracteres alfabéticos e informação

numérica no sistema decimal, ele opera no sistema binário. No sistema decimal,
sistema que normalmente usamos, são utilizados 10 dígitos (0 a 9).

■ Sistema numérico binário: A contagem com o sistema numérico binário inicia com 0
a 1 e reinicia a contagem. Ele inclui somente dois dígitos, 0 e 1, e o computador
executa todas as operações convertendo os caracteres alfabéticos, valores
decimais e funções lógicas em valores binários.
■ Na notação binária, o número 2 é igual a 21 mais 0. Isso é expresso como 10. O
número decimal 3 é igual a 21 mais 20 ou 11 na forma binária; 4 é igual a 22 mais
não 21 mais não 20. Cada vez é necessário elevar a potência de 2 para expressar
um número; o número do dígito binário aumenta por 1.

■ A notação da potência de 2 é utilizada na imagem radiológica para descrever o

tamanho da imagem, a faixa de imagem dinâmica (tons de cinza) e a capacidade de
armazenamento de imagem.
■ As imagens digitais são feitas de elementos de quadros discretos, pixels, arranjados
em uma matriz. O tamanho da imagem é descrito no sistema numérico binário pela
potência de 2 equivalente.

■ A maioria das imagens mede 256 × 256 (28) a 1.024 × 1.024 (210) para a
tomografia computadorizada (CT) e aressonância magnética (RM). A matriz 1.024 ×
1.024 é usada na fluoroscopia digital. As matrizes de tamanhos 2.048 × 2.048
(211) e 4.096 × 4.096 (212) são usadas na radiografia digital.

■ Na linguagem de computador, um dígito binário único, 0 ou 1, é denominado bit.

■ Os bits frequentemente são agrupados em grupos de oito, denominados bytes.

■ A capacidade do computador é expressa pelo número de bytes que podem ser

acomodados.

■ Um quilobyte (kB) é igual a 1.024 bytes. Observe que o termo quilo não tem o
significado métrico no uso em computação.

■ Em vez disso, ele representa 210 ou 1.024. Os minicomputadores utilizados em

radiologia têm capacidades medidas em megabytes, onde 1 MB = 1 kB × 1 kB =
210 × 210 = 220 = 1.048.576 kbytes.
IMAGENS DIGITAIS

■ Uma imagem monocromática pode ser descrita matematicamente por uma função
f(x,y) da intensidade luminosa, sendo seu valor, em qualquer ponto de coordenadas
espaciais (x,y), proporcional ao brilho (ou nível de cinza) da imagem naquele ponto
(pixel).

■ A cada pixel é atribuído um valor numérico que é associado a uma cor ou um nível
de cinza (tom de cinza).

■ Portanto, a intensidade de uma imagem monocromática f nas coordenadas (x,y)

será denominada nível de cinza da imagem naquele ponto.
■ No caso de uma imagem que possui informações em intervalos ou bandas distintas
de frequência, é necessária uma função f(x,y) para cada banda.

■ É o caso de imagens coloridas padrão RGB, que são formadas pela informação de
cores primárias aditivas, como o vermelho (R - Red), verde (G - Green) e azul (B -
Blue).
PIXEL E CONECTIVIDADE

■ Um pixel ("picture element") é o elemento básico em uma imagem digital. A forma

mais comum para o pixel é a forma retangular ou quadrada.

■ O pixel é também um elemento de dimensões finitas na representação de uma

imagem digital.

■ Frequentemente, a organização de uma imagem sob a forma de uma matriz de

pixels é feita em uma simetria quadrada, i.e., na forma de um tabuleiro de xadrez.

■ Isto se deve a facilidade de implementação eletrônica, seja dos sistemas de

aquisição seja dos sistemas de visualização de imagens.
■ É importante lembrar que este tipo de organização provoca o aparecimento de dois
problemas importantes nas técnicas de processamento.

■ Em primeiro lugar um pixel não apresenta as mesmas propriedades em todas as

direções, i.e., ele é anisotrópico.

■ Esta propriedade faz com que um pixel tenha 4 vizinhos de borda e 4 vizinhos de
diagonal.
■ Esta propriedade nos força a definir o tipo de conectividade que vamos trabalhar,
ou D4 (onde levamos em consideração apenas os vizinhos de borda) ou em D8
(onde levamos em consideração os vizinhos de borda e os de diagonal).

■ O segundo problema é consequência direta do primeiro, ou seja as distâncias entre

um ponto e seus vizinhos não é a mesma segundo o tipo de vizinho (ela é igual a 1
para vizinhos de borda e raiz [2] para aqueles na diagonal).

■ A solução para este tipo de representação discreta da imagem é a correção dos

valores calculados através de máscaras (pequenas matrizes) que ajustam ou
ponderam estas distâncias em função da direção.
■ Esta propriedade nos força a definir o tipo de conectividade que vamos trabalhar,
ou D4 (onde levamos em consideração apenas os vizinhos de borda) ou em D8
(onde levamos em consideração os vizinhos de borda e os de diagonal). O segundo
problema é consequência direta do primeiro, ou seja as distâncias entre um ponto e
seus vizinhos não é a mesma segundo o tipo de vizinho (ela é igual a 1 para
vizinhos de borda e raiz [2] para aqueles na diagonal). A solução para este tipo de
representação discreta da imagem é a correção dos valores calculados através de
máscaras (pequenas matrizes) que ajustam ou ponderam estas distâncias em
função da direção.
■ Para criar uma vizinhança onde todos os vizinhos fossem equidistantes e só
houvesse uma definição, temos que mudar a grade regular para uma grade
hexagonal.

■ São poucos algoritmos implementados com essa vizinhança, pois como a imagem
está em geral amostrada em uma grade regular, deve-se convertê-la para a grade
hexagonal, realizar o processamento e convertê-la de volta para a grade regular.
■ Já que estamos falando da grade não poderíamos deixar de falar sobre a origem do
sistema de coordenadas.

■ Localizada no canto superior esquerdo na grande maioria dos sistemas de

processamento de imagem, pode na realidade ser posicionada em qualquer lugar
da imagem, até mesmo fora dela.
■ Essa localização preferencial para o canto superior esquerdo, com eixo y invertido
em relação ao padrão da matemática, é herdada dos próprios dispositivos de
visualização, onde a primeira linha a ser redesenhada na tela é a do topo da tela,
que segue o padrão de escrita ocidental, da esquerda para a direita e de cima para
baixo. Mas pode ser orientado de várias formas:
■ Sistemas de imagem radiográficos convencionais cumpriram bem o seu papel
durante um século, produzindo crescentes melhorias no diagnóstico por imagens.

■ Porém, a radiologia convencional tem limitações. Imagens radiográficas

convencionais requerem um tempo de processamento que pode atrasar a
conclusão do exame.

■ Uma vez que a imagem é obtida, muito pouco pode ser feito para aumentar o
conteúdo da informação.
■ Imagens médicas são obtidas para ajudar no diagnóstico de doenças ou de defeitos
na anatomia.

■ Cada imagem médica tem duas características principais: a resolução espacial e a

resolução de contraste.

■ Propriedades adicionais da imagem, tais como, ruído, artefatos e qualidade de

arquivo, são necessárias, mas a resolução espacial e a resolução de contraste são
as mais importantes.
RESOLUÇÃO ESPACIAL

■ Ao ser digitalizada a imagem assume um tamanho adimensional, em pixels. Mas,

pode-se conhecer uma medida de qualidade da amostragem, conhecendo-se a
razão entre o número de pixels obtido e o tamanho da imagem real no filme ou
equivalente. A isso se chama de resolução.

■ Em geral, é medida em pontos por polegada ou DPI (dots per inch). Também é
simples estabelecer a relação: número de pixels = resolução x tamanho real.

■ Como temos duas dimensões, podemos definir uma resolução horizontal e uma
vertical. Quando nada se diz a respeito disso, quer dizer que são iguais (a grande
maioria das vezes), caso contrário são necessários dois valores.
■ Quando duas imagens com tamanhos reais iguais são capturadas com resoluções
diferentes, naturalmente terão número de pixels diferentes e na tela aparecerão
com tamanhos diferentes.
■ Quando duas imagens de tamanhos reais diferentes são capturadas com
resoluções diferentes de tal forma que gerem imagens digitais com o mesmo
número de pixels, quando visualizadas no monitor aparecerão com o mesmo
tamanho na tela.
■ A resolução é a habilidade de mostrar a imagem de objetos separados
diferenciando um do outro.

■ A resolução espacial refere-se à habilidade de mostrar a imagem de pequenos

objetos que possuem alto contraste entre si (Ex: interface osso-tecido,
microcalcificações, etc).

■ A resolução espacial determina as dimensões do objeto de menor tamanho que

poderá ser visualizado na imagem.

■ Pode ser especificada em função do número de pares de linhas/mm claramente

visibilizados.
■ Assim, a resolução espacial pode ser medida através de padrões de barras que
proporcionam o valor do limite de resolução a alto contraste.

■ Portanto, os detalhes com frequências espaciais superiores a frequência de corte,

serão submostrados originando uma imagem “borrada” com perdas de
informações.
■ Resolução espacial (resolução no espaço) é a capacidade de um sistema de
imagem em determinar e mostrar na imagem um pequeno objeto de alto contraste.

■ O preto sobre o bege-claro é de alto contraste. Se os pontos fossem em tons de

cinza, eles não exibiriam alto contraste, mas contraste muito baixo.

■ Se os pontos não forem de alto contraste, a resolução espacial do olho necessitaria

de pontos maiores.

■ A resolução espacial normalmente é descrita como o tamanho de um objeto que

pode ser visto. Em imagem médica, resolução espacial é descrita pela quantidade
da “frequência espacial”.
Frequência Espacial

■ O conceito fundamental de frequência espacial não se refere a classificar segundo

o tamanho, mas por pares de linhas.

■ Um par de linhas é uma linha preta em um fundo branco. Um par de linhas consiste
na linha e um interespaço da mesma largura que a linha.

■ A frequência espacial relaciona o número de pares de linha em um determinado

comprimento, expresso em centímetros ou milímetros. A unidade de frequência
espacial, como usado em imagens médicas, descreve pares de linha por milímetro
(pl/mm).
■ Claramente, quando a frequência espacial fica maior, os objetos ficam menores.

■ Maior frequência espacial indica melhor resolução espacial.

■ A resolução espacial da projeção radiográfica é determinada pela geometria do
sistema, especialmente, pelo tamanho do ponto focal.

■ A mamografia possui melhor resolução por causa do seu ponto focal pequeno – 0,1
mm – para magnificação.
■ A resolução espacial em todas as modalidades de imagens digitais está limitada
pelo tamanho do pixel.

■ Nenhum sistema de imagem digital pode apresentar um objeto menor do que um

pixel.

■ Este sistema de imagem de TC é limitado a uma resolução espacial de 0,59 mm, ou

8,3 pl/cm.
Função de Transferência de Modulação

■ Função de transferência de modulação (modulation transfer function – MTF) é um

termo emprestado da radioeletrônica que foi aplicado para descrever a capacidade
de um sistema de imagem produzir objetos de tamanhos diferentes sobre uma
imagem.

■ Objetos com alta frequência espacial são mais difíceis de visualizar do que os que
possuem baixa frequência espacial.

■ Esse é outro modo de dizer que objetos pequenos são mais difíceis para visualizar.
■ O sistema de imagem ideal é o que produz uma imagem que aparece exatamente
como o objeto. Tal sistema teria uma MTF igual a um.

■ Um sistema de imagem ideal não existe. Os pares de linha tornam-se mais borrados
com o aumento da frequência espacial.

■ A quantidade de borramento pode ser representada pela amplitude reduzida da

frequência representativa.
■ Objetos e ferramentas para teste de controle da qualidade foram projetados para
medir a quantidade de borramento como uma função da frequência espacial.

■ A figura a seguir mostra duas ferramentas de teste padrão com frequências

espaciais de até 20 pl/mm.

■ Tais ferramentas, usadas com um microdensitometro, podem medir a modulação

de cada padrão de frequência espacial e podem usar esses dados para construir
uma curva de MTF.
■ Quando a modulação da barra padrão é plotada em função da frequência espacial,
como é realizado na figura, o resultado é uma curva MTF.

■ Quando um sistema de imagem é avaliado por este método, geralmente, 10% da

MTF é identificado como a resolução espacial do sistema.

■ A curva da figura a seguir é representativa da radiografia convencional. Em baixas

frequências espaciais (objetos grandes), a boa reprodução é notada na imagem.

■ Porém, quando a frequência espacial do objeto aumenta (os objetos se tornam

menores), a reprodução fiel do objeto na imagem piora.

■ Esta curva MTF mostra uma limitada resolução espacial, de aproximadamente 8

pl/mm.
■ Para baixas frequências espaciais, o contraste do objeto é preservado, mas para
altas frequências espaciais, o contraste é perdido; isto limita a resolução espacial
do sistema de imagem.

■ A curva MTF que representa a radiografia digital (RD) possui uma característica
distinta, a frequência espacial de corte.

■ Nenhum sistema de imagem RD pode detalhar um objeto menor do que o tamanho

do pixel.
RESOLUÇÃO DE CONTRASTE

■ Um contraste de 100% é preto e branco.

■ Resolução de contraste é a capacidade para distinguir muitos tons de cinza do preto

para o branco.

■ Todos os sistemas de imagens digitais têm resolução de contraste melhor que os de

imagem convencional.

■ O principal descritor para a resolução de contraste é a escala de cinza, também

chamada de faixa dinâmica.
Faixa Dinâmica

■ A faixa dinâmica de uma radiografia convencional é essencialmente de três ordens

de magnitude para uma densidade óptica (DO) próxima de 0 a 3,0.

■ Isso representa uma faixa dinâmica de 1.000, mas o espectador só pode visualizar,
aproximadamente, 30 tons de cinza.

■ A escala de cinza pode se tornar mais visível com o uso de técnicas radiográficas
específicas planejadas para aumentar a latitude da imagem; porém, não mais do
que 30 tons de cinza será visto por causa das limitações do sistema visual humano.
■ A resposta de um sistema de imagem digital é de quatro a cinco ordens de
grandeza acima da faixa de exposições usada para a imagem convencional.

■ Ainda assim, o sistema visual humano não possa visualizar tal escala de cinza.

■ Com o exercício do pós-processamento de janela e nível, cada escala de cinza pode

ser visualizada – não só os aproximadamente 30 tons.
Pós-processamento

■ A principal vantagem da imagem digital é a capacidade de pré-processar e pós-

processar a imagem com a finalidade de extrair muito mais informações.

■ Com imagens radiográficas convencionais, o que você vê é o que você registrou.

■ Não se pode extrair mais informações do que o que está visível na imagem.
■ Considere a escala de cinza apresentada na figura a seguir que representa uma
faixa dinâmica de 14 bits.

■ Os 16.384 valores distintos para a escala de cinza são muito mais que podemos
visualizar.

■ Com uso da ferramenta de pós-processamento de janela e nível, qualquer região

destes 16.384 tons da escala de cinzas pode ser ampliada em uma escala de cinza
do branco ao preto.

■ Esta ferramenta de pós-processamento é especialmente útil quando são avaliadas

imagens de tecidos moles.
Razão Sinal-Ruído

■ O sinal em uma imagem radiográfica é aquela porção de raios X formadora da

imagem que representa a anatomia.

■ Em toda imagem radiográfica, o número de tais raios X é muito grande.

■ O sinal representa a diferença entre esses raios X transmitidos ao receptor de

imagem e aqueles fotoeletricamente absorvidos.
■ Outras fontes de ruído, além da radiação espalhada, podem ser associadas ao
receptor de imagem, independentemente de ser do tipo convencional ou digital.

■ A Razão Sinal-Ruído (RSR) é importante para qualquer imagem médica. Ruído limita
a resolução de contraste; então, quando existe uma alta RSR, os profissionais se
esforçam para realizar a imagem como possível, de acordo com o princípio ALARA
(as low as reasonably achievable, tão baixas quanto razoavelmente exequíveis).

■ Em geral, como a elevação do mAs, a RSR também é aumentada, embora seja à

custa da elevação da dose no paciente. Este é um dilema que é enfrentado em
imagem digital.
CURVA DE CONTRASTE-DETALHE

■ Outro método para avaliar a resolução espacial e a resolução de contraste de um

sistema de imagem é a curva de contraste-detalhe.

■ Este método envolve informação semelhante à utilizada para uma curva de MTF,
mas a maioria acha mais fácil de interpretar.

■ Ferramentas para teste de controle da qualidade simplificam a construção de uma

curva de contraste-detalhe para qualquer sistema de imagem.
■ Pode-se construir uma curva desses buracos que são visíveis. O resultado é a curva
que aparece na figura a seguir.

■ Esta curva de contraste-detalhe é um gráfico da visualização perceptível do

tamanho como uma função do contraste do objeto.
■ A curva de contraste-detalhe mostra que quando o contraste do objeto é alto,
pequenos objetos podem ser visualizados.

■ Quando o contraste do objeto é baixo, grandes objetos são necessários para a

visualização de uma imagem.

■ Acredita-se que o lado esquerdo da curva de contraste-detalhe, que relaciona

objetos de alto contraste, é limitado pela MTF do sistema de imagem.

■ A resolução espacial é determinada pela MTF do sistema de imagem.

■ Afirma-se que o lado direito da curva, que relaciona os objetos de baixo contraste, é
limitado pelo ruído. O ruído reduz a resolução de contraste.
■ Um exemplo do uso de uma curva de contraste-detalhe é mostrado na figura a
seguir que compara dois sistemas de imagens radiográficas digitais com tamanhos
de pixel diferentes.

■ O sistema com o menor tamanho de pixel tem a melhor resolução espacial, mas a
resolução de contraste de ambos será a mesma se a técnica usada para a
obtenção de imagem for igual.
■ Se o mAs é aumentado durante uma radiografia digital, a resolução espacial
permanece a mesma, mas a resolução de contraste é melhorada com o mAs mais
alto.

■ Isto é mostrado na figura a seguir; pode parecer estranho que a imagem com o mAs
mais alto resulte em uma curva mais baixa.

■ A curva mais baixa representa a melhor resolução de contraste porque tecidos com
baixo contraste de objeto podem ser visualizados.
Resposta do Receptor de Imagem

■ Como a resposta de receptor de imagem digital está linearmente relacionada com a

dose de radiação, o contraste de imagem não muda com a dose.

■ Assim, a imagem digital não pode ser superexposta ou subexposta.

■ Então, uma imagem digital nunca deverá requerer repetição por causa dos fatores
de exposição.

■ Isto se traduz diretamente em redução de dose para pacientes de imagens digitais.

■ Quando existe superexposição ou subexposição o contraste da imagem é reduzido.

■ Entretanto, este não é o caso para a imagem digital e isto proporciona uma
oportunidade considerável para a redução da dose.

■ Como o contraste em imagem digital é independente da dose, o kVp se torna

menos importante.

■ Quando um exame digital de uma anatomia específica é realizado, o kVp deveria

começar a ser aumentado e uma redução acompanhada do mAs deveria ser notada
com exames sucessivos.
■ O resultado será uma resolução de contraste adequada, uma resolução espacial
constante e dose reduzida no paciente.

■ A redução de dose no paciente que é possível é limitada.

■ O problema com o uso de uma técnica muito baixa para imagem digital é a baixa
RSR.

■ Ruídos podem predominar e comprometer a interpretação da anatomia de tecido

mole.
QUANTIDADES FOTOMÉTRICAS

■ Fotometria é a ciência que estuda a resposta do olho humano à luz.

■ A primeira tentativa para quantificar a visão humana foi realizada em 1924 pela
recém-formada Comissão Internacional de Iluminação que incluiu a definição de
intensidade de luz, a candela, o pé-candela e a potência de candela.

■ Fluxo luminoso: a quantidade fundamental da fotometria é expressa em lúmens

(lm). Fluxo luminoso descreve a intensidade total de luz de uma fonte. Lâmpadas
usadas em casas são avaliadas pela potência que consomem, em watts. Um valor
igualmente importante encontrado em cada pacote de lâmpada é o seu fluxo
luminoso, em lúmen.
■ Iluminância descreve a intensidade de luz incidente sobre uma superfície. Um
lúmen de fluxo luminoso incidente em um único pé quadrado é um pé-candela (fc).
Esta unidade inglesa, o fc, ainda está amplamente em uso. O equivalente métrico é
1 lúmen por metro quadrado que é 1 lux (lx) (1 pé-candela = 10,8 lux).

■ Intensidade de luminância é uma propriedade da fonte de luz, como um

negatoscópio ou um monitor digital. Intensidade de luminância é o fluxo luminoso
que é emitido na área de exame inteira; é medido em lúmen por esterradiano, ou
candela.

■ Luminância é uma quantidade semelhante à intensidade de luminância.

Luminância é outra medida da luminosidade de uma fonte, como um monitor
digital, expresso em unidades de candela por metro quadrado ou nit.
PRÉ-PROCESSANDO A IMAGEM DIGITAL

■ A principal vantagem da imagem digital sobre a imagem tela-filme é a capacidade

de manipular a imagem antes da exibição – pré-processamento – e depois da
exibição – pós-processamento.

■ Os processamentos da pré-imagem e da pós-imagem alteram a aparência da

imagem, geralmente com a finalidade de melhorar o contraste da imagem.
■ Ações de pré-processamento são descritas na tabela a seguir. O pré-processamento
é programado para produzir imagens digitais livres de artefatos.

■ Nesse aspecto, o pré-processamento implementa uma calibração eletrônica para

reduzir, pixel a pixel, linha a linha e coluna a coluna, as diferenças de resposta.

■ Os processos de interpolação de pixel e correções do atraso e do ruído são

automaticamente aplicados na maioria dos sistemas.
■ Compensação de imagens e ganho de imagens são ajustes automáticos nas
imagens projetados para produzir uma resposta uniforme do receptor de imagem.

■ Essa técnica de ajuste de pré-processamento é identificada como uniformidade de

campo e é mostrada na figura a seguir.

■ A técnica de nivelamento pela média também é empregada para reduzir ruído e

melhorar o contraste.
■ Dispositivos receptores e mostradores de imagens digitais têm milhões de pixels;
então, é razoável esperar que algum pixel individualmente esteja defeituoso e
responda diferentemente ou não responda de modo algum.

■ Tais defeitos são corrigidos pela interpolação de sinal. A resposta média dos pixels
que cercam o pixel defeituoso é calculada, e o valor encontrado é atribuído ao pixel
defeituoso.
■ Cada tipo de receptor de imagem digital gera uma imagem eletrônica latente que
não pode ser feita completamente visível.

■ O que resta é o atraso de imagem e isto pode ser problemático quando uma pessoa
está trocando de uma técnica de alta dose para uma de baixa dose, como trocar de
uma angiografia de subtração digital (ASD) para uma fluoroscopia.

■ A solução é a aplicação de uma compensação de tensão antes que a próxima

imagem seja adquirida.

■ Algumas variações de tensão podem ser vistas ao longo do barramento que aciona
cada pixel. Este defeito, chamado ruído de linha, pode causar a aparição de
artefatos lineares na imagem final.

■ A solução é aplicar uma correção de tensão na linha ou coluna de pixel escura, área
não irradiada do receptor de imagem.
PÓS-PROCESSANDO A IMAGEM DIGITAL

■ Pós-processamento é onde a imagem digital é realçada. Ao contrário do pré-

processamento, que geralmente é automático, o pós-processamento requer a
intervenção do tecnólogo em radiologia e do radiologista.

■ O pós-processamento se refere a qualquer coisa que possa ser feita em uma

imagem digital depois que esta é adquirida pelo sistema de imagem.

■ O pós-processamento da imagem digital é executado para otimizar a aparência da

imagem com o propósito de melhor detectar a patologia.
■ Anotação é o processo de acrescentar texto a uma imagem. Além da identificação
do paciente, a anotação é frequentemente útil para informar ao clínico sobre a
anatomia e o diagnóstico.

■ Imagens digitais têm faixas dinâmicas de até 16 bits, com 65.536 níveis de cinza.
Contudo, o sistema visual humano só pode visualizar aproximadamente 30 tons de
cinza.

■ Pelo ajuste de janela e nível, o tecnólogo em radiologia pode fazer visível todos os
65.536 tons de cinza. Essa amplificação do contraste da imagem pode ser a
característica mais importante da imagem digital.
■ Os monitores digitais que possuem uma matriz de maior tamanho têm melhor
resolução espacial, porque possuem menor pixel. Isto permite, entre outras
propriedades, a magnificação de uma região da imagem para tornar visível um
detalhe menor.

■ Magnificação em imagem digital é semelhante ao uso de uma lupa em uma

imagem de filme.

■ Às vezes, imagens digitais múltiplas devem ser movimentadas horizontal ou

verticalmente. Este processo, chamado movimento de imagem, é usado para
colocar as imagens dentro da ordem padrão de visualização.
■ Muitas imagens digitais são visualizadas utilizando a inversão do contraste da
imagem tela-filme: o osso é branco e o tecido mole é preto.

■ Porém, às vezes, a patologia pode se tornar mais visível com a inversão da imagem,
resultando no aparecimento do osso em preto e do tecido mole em branco.
■ Subtração de imagens radiográficas digitais obtidas em meses separados –
subtração temporal – é usada para ampliar as mudanças na anatomia ou na
doença.

■ O propósito da subtração de imagem é aumentar o contraste. O desalinhamento de

uma subtração de imagem acontece quando o paciente se move durante a
aquisição de imagens consecutivas.

■ Isto pode ser corrigido pela regravação da imagem por uma técnica chamada
deslocamento de pixel.
■ Está sendo feito um grande uso da imagem quantitativa, quer dizer, uso do valor
numérico do pixel para ajudar no diagnóstico.

■ Isto requer identificar uma região de interesse (region-of-interest – ROI) e computar

o valor médio do pixel para aquele ROI. Essa é uma área da imagem digital
identificada como radiologia quantitativa; é uma aplicação encontrada na análise
mineral óssea, detecção de nódulo calcificado no pulmão e identificação de cálculo
renal.

■ Intensificação gradual é efetiva para pequenas fraturas e tecidos de alto contraste.

O realce pode ser efetivo na identificação difusa, doença não definida. Panorâmica,
rolamento e zoom permitem a visualização meticulosa de regiões precisas de uma
imagem.
SOFTWARES PARA PROCESSAMENTO
DE IMAGENS
■ Existem diversos sistemas de processamento de imagens disponíveis no mercado.

■ Eles se distinguem pela forma de distribuição (comercial, livre), pela área de

aplicação (editoração eletrônica, análise científica, visualização, edição informal,
pesquisa), e pelas plataformas em que estão disponíveis (UNIX, Windows, MAC).

■ O programa mais bem sucedido, não importando a categoria, é o Adobe Photoshop.

Seguindo essa mesma linha temos o Corel PhotoPaint e o Fractal Design Painter,
mas estes só rodam no ambiente Windows.
■ Seguindo essa mesma linha temos o Corel PhotoPaint e o Fractal Design Painter,
mas estes só rodam no ambiente Windows.

■ Os programas de arquitetura, design e simulação gráfica, tais como as utilizadas

em filmes com animação por computador abrangem as áreas de Modelagem e
Visualização.

■ Programas comerciais que representam muito bem esta área são o AutoCad e o
Studio 3D, ambos da AutoDesk, e o Corel Draw da Corel.
SISTEMA DE PROCESSAMENTO DE
IMAGENS DIGITAIS
■ Um sistema de processamento de imagens abrange as principais operações que se
pode efetuar sobre uma imagem, a saber:
– Aquisição
– Armazenamento
– Processamento
– Exibição.

■ Além disso, uma imagem pode ser transmitida à distância utilizando meios de
comunicação disponíveis.
AQUISIÇÃO

■ Tem como função converter uma imagem em uma representação numérica

adequada para o processamento digital.

■ Este bloco compreende dois elementos principais. O primeiro é um dispositivo físico

sensível a uma faixa de energia no espectro eletromagnético (como raios X,
ultravioleta, espectro visível ou raios infravermelhos), que produz na saída um sinal
elétrico proporcional ao nível de energia detectado.

■ O segundo - o digitalizador propriamente dito - converte o sinal elétrico analógico

em informação digital, isto é, que pode ser representada através de bits 0s e 1s.
AQUISIÇÃO

■ Chamaremos de aquisição de uma imagem o processo de conversão de uma cena

real tridimensional em uma imagem analógica. O primeiro passo na conversão de
uma cena real tridimensional em uma imagem eletrônica é a redução de
dimensionalidade.

■ O dispositivo de aquisição de imagens mais utilizado atualmente é a câmera CCD

(Charge Coupled Device). Ela consiste de uma matriz de células semicondutoras
fotossensíveis, que atuam como capacitores, armazenando carga elétrica
proporcional à energia luminosa incidente.
■ O sinal elétrico produzido é condicionado por circuitos eletrônicos especializados,
produzindo à saída um Sinal Composto de Vídeo (SCV) analógico e monocromático.

■ Para a aquisição de imagens coloridas utilizando CCDs é necessário um conjunto de

prismas e filtros de cor encarregados de decompor a imagem colorida em suas
componentes R, G e B, cada qual capturada por um CCD independente.
ARMAZENAMENTO

■ O armazenamento de imagens digitais é um dos maiores desafios no projeto de

sistemas de processamento de imagens, em razão da grande quantidade de bytes
necessários para tanto.

■ Este armazenamento pode ser dividido em três categorias: (1) armazenamento de

curta duração de uma imagem, enquanto ela é utilizada nas várias etapas do
processamento, (2) armazenamento de massa para operações de recuperação de
imagens relativamente rápidas, e (3) arquivamento de imagens, para recuperação
futura quando isto se fizer necessário. O espaço de armazenamento requerido é
normalmente especificado em bytes (8 bits) e seus múltiplos.
PROCESSAMENTO

■ O processamento de imagens digitais envolve procedimentos normalmente

expressos sob forma algorítmica. Em função disto, com exceção das etapas de
aquisição e exibição, a maioria das funções de processamento de imagens pode ser
implementada via software.

■ O uso de hardware especializado para processamento de imagens somente será

necessário em situações nas quais certas limitações do computador principal (por
exemplo, velocidade de transferência dos dados através do barramento) forem
intoleráveis.
TRANSMISSÃO

■ Imagens digitalizadas podem ser transmitidas à distância utilizando redes de

computadores e protocolos de comunicação já existentes.

■ O grande desafio da transmissão de imagens à distância é a grande quantidade de

bytes que se necessita transferir de uma localidade a outra.

■ Nestes casos, o uso de técnicas de compressão e descompressão de imagens é

mandatório.
EXIBIÇÃO

■ O monitor de vídeo é um elemento fundamental de um sistema de processamento

de imagens. Os monitores em uso atualmente são capazes de exibir imagens com
resolução de pelo menos 640 x 480 pixels com 256 cores distintas.

■ A resolução espacial dos monitores é normalmente especificada em pontos por

polegada (dots per inch - dpi). Um valor típico de resolução é 72 dpi, suficiente para
exibir uma imagem de 1024 x 1024 pixels em um monitor de 19 polegadas ou uma
imagem de 640 x 400 pontos em uma tela cuja diagonal meça 12 polegadas. A
título de comparação, uma tela de TV tem resolução na faixa de 40 dpi.
■ Existem diversas formas de reprodução de imagens em papel. A melhor, e mais
cara, é a reprodução fotográfica, onde o número de gradações de cinza é função da
densidade dos grânulos de prata no papel.

■ Outra possibilidade é o uso de papel sensível a temperatura, cuja composição

química faz com que ele apresente coloração mais escura à medida que a
temperatura aumenta. Este tipo de impressão ainda é o mais difundido em
equipamentos de fax.
■ Uma de suas desvantagens é o desvanecimento das imagens com o tempo. Nos
últimos anos aumentou consideravelmente a oferta de impressoras térmicas
coloridas no mercado. Estas impressoras baseiam-se na deposição de cera colorida
sobre um papel especial para produzir a impressão.

■ Dispositivos periféricos de saída especializados na produção de cópias da imagem

em forma de fotografias, slides ou transparências também estão se tornando cada
vez mais usuais, além das impressoras à laser.
REGIÃO DE INTERESSE

■ Um conceito importante em processamento de imagens é a Região de Interesse.

Entende-se como Região de Interesse (ROI - "Region Of Interest" ou AOI - "Area Of
Interest") a região definida automaticamente a partir de parâmetros obtidos na
própria imagem (ou por um usuário) onde o processamento estará totalmente
concentrado.

■ Podemos, por exemplo, definir uma região de interesse onde sabemos por
antecedência que a iluminação de fundo é constante ou foi corrigida.
■ Normalmente, nas técnicas de processamento de imagens iremos sempre
encontrar problemas no tratamento das bordas da imagem.

■ A criação de regiões de interesse faz com que apareçam também problemas nas
bordas das regiões de interesse.

■ A solução deste problema é completamente dependente do problema ao qual o

processamento de imagens está associado.
DIGITALIZAÇÃO

■ O sinal analógico de vídeo obtido à saída do dispositivo de aquisição deve ser

submetido a uma discretização espacial e em amplitude para tomar o formato
desejável ao processamento computacional.

■ Chamaremos de amostragem o processo de discretização espacial e daremos o

nome de quantização ao processo de discretização em amplitude.
■ Basicamente, a amostragem converte a imagem analógica em uma matriz de M por
N pontos, cada qual denominado pixel (ou elemento de imagem).

■ Maiores valores de M e N implicam em uma imagem de maior resolução.

■ Por seu lado, a quantização faz com que cada um destes pixels assuma um valor
inteiro, na faixa de 0 a 2n-1.

■ Quanto maior o valor de n, maior o número de níveis de cinza presentes na imagem

digitalizada.
■ Do ponto de vista eletrônico, a digitalização consiste em uma conversão analógico-
digital na qual o número de amostras do sinal contínuo por unidade de tempo
indica a taxa de amostragem e o número de bits do conversor A/D utilizado
determina o número de tons de cinza resultantes na imagem digitalizada.
■ Para obter uma imagem digital de qualidade semelhante a de uma imagem de
televisão, são necessários 512 x 512 pixels e 128 níveis de cinza.

■ Em geral, 64 níveis de cinza são considerados suficientes para o olho humano.

Apesar disto, a maioria dos sistemas de visão artificial utiliza imagens com 256
níveis de cinza.

■ Os processos de amostragem e quantização podem ser aprimorados usando

técnicas adaptativas.
■ Sob o aspecto da amostragem, a ideia básica é utilizar maior número de pontos em
regiões de grande detalhe, em detrimento das regiões homogêneas de grandes
dimensões, que poderiam ser amostradas com menor número de pixels.

■ Sob o ângulo da quantização, uma vez que o olho humano não é capaz de perceber
sutis diferenças de tons de cinza nas imediações de variações abruptas de
intensidade, o objetivo seria utilizar poucos níveis de cinza nestas regiões.
CONTÍNUO X DISCRETO

■ Podemos pensar em uma

função contínua como uma
corda sem emendas que se
estende indefinidamente.

■ Matematicamente estamos
falando de uma função real,
onde para cada valor de x
fornecido sempre existe um
único valor de f(x) obtido.
■ O computador só é capaz de armazenar bits, um valor que pode ser 0 ou 1. Para
simplificar as coisas juntou-se 8 bits formando uma palavra chamada de byte.

■ Um byte então pode assumir 28 = 256 valores diferentes, variando de 0 a 255.

Quando falamos de sistemas operacionais de 16 bits e 32 bits, estamos falando da
maior palavra que aquele sistema pode processar de uma vez, por isso sistemas de
32 bits são mais eficientes que os de 16.

■ Assim, o computador trabalha sempre com números inteiros ou na melhor das

hipóteses com uma aproximação de um número real, chamada de ponto flutuante
(isso porque o número de bits dedicado para as casas decimais é flexível de acordo
com o número).

■ Por consequência, não é possível representar uma função contínua no computador.

Podemos apenas simulá-la.
■ O processo para trazer uma função contínua para o computador é discretizando-a
(ou digitalizando-a), ou melhor, tomando valores pontuais ao longo de x e
guardando o valor de f(x) correspondente (é claro que o eixo f(x) também é
contínuo, assim também precisaremos discretizá-lo).

■ O processo de discretização do eixo x (o domínio) é chamado de amostragem, o do

eixo f(x) (o contradomínio) é chamado de quantização. Em resumo, a discretização
de qualquer sinal contínuo primeiro passa por uma amostragem e depois passa por
uma quantização.
■ A quantização mais comum consiste em tomar o valor máximo e o valor mínimo da
função, e dividir este segmento em intervalos iguais de acordo com o número de
bits definido para armazenar uma amostra. Assim, o número de valores possíveis
será 2nbits.

■ Os problemas aparecem quando tentamos reconstruir a função contínua a partir da

função discretizada.
LUMINÂNCIA, CONTRASTE E BRILHO

■ Uma imagem digital é discretizada espacialmente (ou seja em x e y) e em

luminância (níveis de cinza). A título de exemplo, uma imagem típica de 640x480
por 256 níveis de cinza tem 307.200 bytes.

■ O contraste da imagem refere-se à distribuição dos níveis de cinza no intervalo

(largura da base do histograma). O brilho é dado pela posição das barras verticais
mais à direita (brilho alto) ou mais à esquerda (brilho baixo).
■ A resolução de contraste é a habilidade de se distinguir estruturas anatômicas de
contrastes similares. O tamanho dos objetos que podem ser radiografados é
sempre menor sob condições de alto contraste do que sob condições de baixo
contraste.
HISTOGRAMA

■ O histograma de uma imagem é simplesmente um conjunto de números indicando

o percentual de pixels naquela imagem que apresentam um determinado nível de
cinza.

■ Estes valores são normalmente representados por um gráfico de barras que fornece
para cada nível de cinza o número (ou o percentual) de pixels correspondentes na
imagem.

■ Através da visualização do histograma de uma imagem obtemos uma indicação de

sua qualidade quanto ao nível de contraste e quanto ao seu brilho médio (se a
imagem é predominantemente clara ou escura).
■ Um histograma apresenta várias características importantes. A primeira delas é que
cada probabilidade de um pixel da imagem apresenta um nível de cinza.

■ Portanto, um histograma nada mais é que uma função de distribuição de

probabilidades e como tal deve obedecer aos axiomas e teoremas da teoria de
probabilidade.

■ Por exemplo, é possível verificar que a soma dos valores é 1.

■ As figuras a seguir apresentam cinco
exemplos de tipos de histogramas
frequentemente encontrados em
imagens.

■ O histograma da figura (a) apresenta

grande concentração de pixels nos
valores mais baixos de cinza,
correspondendo a uma imagem
predominantemente escura.

■ Na figura (b) os pixels estão

concentrados em valores próximos
ao limite superior da escala de cinza,
caracterizando uma imagem clara.
■ Na parte (c) da figura, os pixels estão
agrupados em torno de valores
intermediários de cinza, correspondendo
a uma imagem de brilho médio.

■ Nas figuras (a), (b) e (c) a maioria dos

pixels está concentrada em uma estreita
faixa da escala de cinza, significando que
as imagens correspondentes apresentam
baixo contraste.
■ A figura (d) corresponde a uma imagem com pixels distribuídos ao longo de toda a
escala de cinza.

■ É comum dizer que uma imagem com estas características apresenta um bom
contraste.
■ A figura (e) mostra um histograma tipicamente bimodal, isto é, apresentando duas
concentrações de pixels, uma delas em torno de valores escuros e outra na região
clara do histograma.

■ Pode-se dizer que a imagem correspondente apresenta alto contraste entre as duas
concentrações, uma vez que elas se encontram razoavelmente espaçadas.
■ O conceito de histograma também é aplicável a imagens coloridas. Neste caso, a
imagem é decomposta de alguma forma (por exemplo, em seus componentes R, G e
B) e para cada componente é calculado o histograma correspondente.

■ Para computar o histograma de uma imagem monocromática, inicializa-se com zero

todos os elementos de um vetor de L elementos, onde L é o número de tons de
cinza possíveis.
■ Em seguida, percorre-se a imagem, pixel a pixel, e incrementa-se a posição do vetor
cujo índice corresponde ao tom de cinza do pixel visitado.

■ Após toda a imagem ter sido percorrida, cada elemento do vetor conterá o número
de pixels cujo tom de cinza equivale ao índice do elemento.

■ Estes valores poderão ser normalizados, dividindo cada um deles pelo total de
pixels na imagem.

■ Convém enfatizar que, embora o histograma de uma imagem forneça diversas

informações qualitativas e quantitativas sobre ela (e.g. nível de cinza mínimo, médio
e máximo, predominância de pixels claros ou escuros etc.), outras conclusões de
caráter qualitativo (e.g. qualidade subjetiva global da imagem, presença ou não de
ruído etc.) somente podem ser extraídas dispondo-se da imagem propriamente dita.
RECONSTRUÇÃO

■ Em matemática, reconstrução é sinônimo de interpolação. O uso de interpolação

permite que dada uma sequência de amostras possamos obter o valor da função
em uma posição qualquer do eixo.

■ A técnica mais trivial é simplesmente escolher a amostra mais próxima da posição

desejada e tomar o seu valor como valor desta posição. Esta técnica é usada muito
para a visualização da imagem em maior ou menor proximidade, ou melhor,
fazendo Zoom, simulando uma aproximação ou afastamento da imagem em relação
ao observador.
■ Outra técnica muito utilizada para fazer reconstrução é a de interpolação linear
(bilinear no caso de 2 dimensões).

■ Essa técnica calcula uma média ponderada das amostras mais próximas da
posição desejada de acordo com a distância à mesma.

■ A interpolação linear irá obter resultados bem melhores que a de vizinho mais
próximo.

■ Mas fica claro que podemos obter resultados ainda melhores usando curvas em vez
de retas.

■ Uma técnica com esse enfoque que se tornou popular é a interpolação bi-cúbica,
que é semelhante a interpolação linear, mas em vez de usar retas, usa funções
cúbicas (x3).
ALIASING

■ Um fenômeno muito comum em amostragem é o fenômeno de aliasing.

■ Ele acontece quando realizamos uma amostragem muito pobre da função contínua
original e quando vamos reconstruí-la obtemos resultados inconsistentes com o
esperado.

■ Matematicamente podemos dizer que a frequência de amostragem foi

aproximadamente inferior à maior frequência de variação da função contínua.
■ Para resolver o problema de aliasing temos duas soluções, aumentar a taxa de
amostragem, que em geral nem sempre é possível, ou suavizar a função contínua
para que ela não tenha frequências mais altas que a nossa taxa de amostragem.

■ Podemos ver o fenômeno de aliasing em outras situações como ao filmarmos uma

roda de um carro rodando mais rápido do que a câmera é capaz de capturar, neste
caso vemos a roda girar para trás, justamente por que a taxa de amostragem
temporal está muito baixa.

■ Da mesma forma que o aliasing espacial, aliasing temporal ocorrerá sempre que o
objeto se mover repetitivamente mais rápido que a taxa de amostragem temporal
ou número de quadros por segundo.
EQUALIZAÇÃO DE HISTOGRAMA

■ A equalização de histograma é uma técnica a partir da qual se procura redistribuir

os valores de tons de cinza dos pixels em uma imagem, de modo a obter um
histograma uniforme, no qual o número (percentual) de pixels de qualquer nível de
cinza é praticamente o mesmo.
■ Pode-se notar que o histograma equalizado, apesar de estar longe de ser
perfeitamente plano, apresenta melhor distribuição de pixels ao longo da escala de
cinza em relação ao original.

■ A técnica de equalização de histogramas também pode ser aplicada às imagens

para realçar detalhes da imagem, ou seja, melhorar o contraste das imagens.
FILTRAGEM, REALCE E SUAVIZAÇÃO DE
IMAGENS
■ O principal objetivo das técnicas de realce de imagens é processar certa imagem de
modo que a imagem resultante seja mais adequada que a imagem original para
uma aplicação específica.

■ As técnicas de processamento que atuam no sentido de realçar as bordas ou limites

e de reduzir a presença dos ruídos são denominadas de filtragens.
■ Os métodos de filtragem de imagens que serão discutidos são normalmente
classificados em duas categorias: as técnicas de filtragem espacial e as técnicas de
filtragem no domínio da frequência.

■ Os métodos que trabalham no domínio espacial operam diretamente sobre a matriz

de pixels que é a imagem digitalizada, normalmente utilizando máscaras. Essas
máscaras são pequenas matrizes bidimensionais e os valores de seus coeficientes
determinam o objetivo a ser alcançado durante o processamento.

■ Os métodos que atuam no domínio da frequência se baseiam na modificação da

transformada de Fourier da imagem. Existem técnicas de filtragem que combinam
ambas as abordagens.
FILTRAGEM NO DOMÍNIO ESPACIAL

■ As técnicas de filtragem no domínio espacial são aquelas que atuam diretamente

sobre a matriz de pixels que é a imagem digitalizada. Logo, as funções de
processamento de imagens no domínio espacial podem ser expressas como:

■ onde: g(x,y) é a imagem processada, f(x,y) é a imagem original e T é um operador

em f, definido em uma certa vizinhança de (x,y).
■ A vizinhança normalmente definida ao redor de (x,y) é a 8-vizinhança do pixel de
referência, o que equivale a uma região 3 x 3 na qual o pixel central é o de
referência, como indica a figura.

■ O centro dessa região ou subimagem é movido pixel a pixel, iniciando no canto

superior esquerdo da figura e aplicando a cada localidade o operador T para
calcular o valor de g naquele ponto.

■ Nos casos em que a vizinhança é 1 x 1, As técnicas de processamento de imagem

pertencentes a este caso são frequentemente denominadas técnicas ponto a ponto.
SUAVIZAÇÃO DE IMAGENS NO DOMÍNIO
ESPACIAL
■ O uso de máscaras espaciais no processamento de imagens é normalmente
denominado filtragem espacial e as máscaras são conhecidas como filtros
espaciais.

■ Os filtros são denominados 'passa-baixas' quando atenuam ou eliminam as

componentes de alta frequência.

■ Como estas componentes correspondem a regiões de bordas e/ou detalhes finos

na imagem, o efeito da filtragem passa-baixas é a suavização da imagem,
provocando um leve borramento na mesma.
■ Já os filtros passa-altas atenuam ou eliminam os componentes de baixa frequência
e, em função disto, realçam as bordas e regiões de alto contraste da imagem.

■ Os filtros passa-faixa, capazes de remover ou atenuar componentes acima de sua

frequência de corte superior e abaixo de sua frequência de corte inferior, embora
existam, são de pouca utilidade prática, com exceção de algumas tarefas
específicas de restauração de imagens.

■ A suavização de imagens no domínio espacial baseia-se no uso de máscaras

adequadas para o objetivo em questão, normalmente o borramento da imagem
(para eliminar detalhes que não são de interesse para as etapas subsequentes do
processamento) ou a remoção de ruídos nela presentes.
■ Filtro passa-baixas: ressalta as estruturas maiores na imagem.

■ Filtro passa-altas: ressalta as estruturas de detalhe na imagem.

■ Filtro passa-faixa: ressalta parte das maiores e menores estruturas da imagem.

REALCE DE IMAGENS NO DOMÍNIO
ESPACIAL
■ O principal objetivo das técnicas de realce é o de destacar detalhes finos na
imagem.

■ O formato da resposta ao impulso de um filtro passa-altas deve ser tal que a

máscara correspondente apresente coeficientes positivos nas proximidades de seu
centro e negativos longe dele.

■ No caso de uma máscara 3 x 3, isto significa projetar uma máscara com pixel
central positivo e todos seus oito vizinhos negativos. a soma algébrica dos
coeficientes desta máscara é zero, significando que quando aplicada a regiões
homogêneas de uma imagem, o resultado será zero ou um valor muito baixo, o que
é consistente com o princípio da filtragem passas-altas.
FILTRAGEM NO DOMÍNIO DA
FREQUÊNCIA
■ Uma imagem pode ser decomposta em seus componentes de alta e baixa
frequência.

■ Acontece que uma imagem não é só composta de altas e baixas frequências.

■ Se plotarmos em um gráfico as variações das frequências de brilhos que uma

imagem pode conter, obteremos uma curva complexa do tipo mostrado a seguir.
■ Essa curva complexa (não periódica) pode ser decomposta em vários componentes
de seno e cosseno, que nos dá uma ideia da distribuição espacial de frequência da
imagem.

■ Para decompor a imagem em seus componentes de seno e cosseno, usa-se a

Transformada de Fourier.

■ No domínio de Fourier cada ponto da imagem representa uma frequência única que
está contida no domínio espacial da imagem.
■ A Transformada de Fourier é uma opção para filtrar a imagem, mas seu uso
estende-se às várias aplicações para reconstrução e compressão de imagens,
tomografia e detecção de vozes.

■ Matematicamente, seu entendimento é bem mais complexo do que filtrar uma

imagem no domínio do espaço.

■ Para o processamento de imagem digital, a qual é uma função bidimensional

discreta, se utiliza da Transformada de Fourier Discreta, que é uma versão da
transformada Fourier.

■ A transformada discreta não contém todas as frequências da imagem, mas apenas

um conjunto de frequência que é suficiente para descrever o domínio espacial da
imagem, completamente.
■ O processo de filtragem no domínio da frequência é um processo de dois passos.

■ Primeiro, para que os dados do domínio espacial sejam analisados no domínio da

frequência necessitamos utilizar a Transformada de Fourier direta.

■ Segundo, a Transformada de Fourier inversa é usada no sentido contrário, ou seja,

de volta ao espaço original da imagem.

■ Para que a imagem possa ser exibida e vista por olhos humanos, ocorre o processo
inverso, onde a imagem no domínio da frequência é transformada para o domínio
espacial.
TRANSFORMADA DE FOURIER

■ A transformada de Fourier é uma ferramenta matemática fundamental na solução

de problemas de processamento de imagens digitais.

■ A utilização de suas formas Discreta (DFT – Discrete Fourier Transform) e Rápida

(FFT – Fast Fourier Transform) e o entendimento de suas propriedades é muito
importante, pois, a mudança de domínio do espaço para o domínio da frequência e
vice-versa, ocorre através dessas transformadas.
■ Na transformada de Fourier, não há perda de informação durante a mudança de
domínios, apenas a informação visual da imagem está representada de outra
forma, no domínio da frequência.

■ A princípio parece difícil entender a visualização da imagem, pois, um ponto de uma

imagem representada no domínio Fourier (ou da frequência) pode conter
informações sobre toda a imagem no domínio espacial, indicando quanto desta
frequência há na imagem.
■ A figura a seguir mostra um exemplo de função unidimensional simples (pulso
retangular de amplitude A) e seu respectivo espectro de Fourier.
■ Essa outra figura mostra o espectro de Fourier da função seno, uma única senóide,
cuja representação do espectro de Fourier é somente um par de pontos
simetricamente dispostos sobre a origem no domínio da frequência.
FILTRO PASSA-ALTAS

■ Corta as frequências externas ao circulo e deixa passar as frequência internas ao

circulo. Pode-se concluir que a região clara da Transformada de Fourier está
associada às altas frequências e a região cinza às baixas frequências.

■ O objetivo do uso de filtros passa-altas em imagens é o realce de suas regiões de

alta frequência, tais como bordas e/ou texturas ricas em variações abruptas de
níveis de cinza.
FILTRO PASSA-BAIXAS

■ Corta as frequências internas ao circulo (região clara) e deixa passar as frequências

externas ao circulo (região cinza).
FILTRO PASSA-FAIXA INTERNO

■ Corta as frequências internas ao círculo menor e externas ao circulo maior e deixa

passar as frequências internas ao circulo maior e externa ao menor.

■ Pode-se concluir que o filtro passa-faixa deixa passar as frequências na região entre
os círculos e corta as demais frequências.

■ Utiliza-se esse filtro para obter as feições de detalhes limitados.

FILTRO PASSA-FAIXA EXTERNO

■ Corta as frequências entre os dois círculos e deixa passar as demais frequências.

Pode-se concluir que as frequências entre os círculos são de frequências baixas e
muito altas. Quando utilizamos esse filtro é para obtermos as feições de maiores
detalhes.