4

A digitalização de imagens é o processo de converter uma imagem analógica em

formato digital. Amostragem é a divisão da imagem em pixels, afetando a resolução e
a nitidez da imagem. Quanto mais pixels, melhor a qualidade. A quantização envolve
a atribuição de valores numéricos aos pixels, representando a intensidade de cada
cor. A qualidade da imagem digitalizada depende da quantidade de pixels e da
precisão na representação das cores. Por exemplo uma imagem de 8 bits tem uma
qualidade menor que a de 16 devido ao fato de uma quantização menor

5
Imagens digitais são geradas através da digitalização, convertendo sinais
analógicos em informações digitais. Esse processo envolve a aquisição da imagem por
sensores, seguida pelo pré-processamento para melhorar sua qualidade visual. Em
seguida, são aplicados filtros para realçar a imagem, seguidos pela compressão para
reduzir o tamanho sem perda significativa de informações. A segmentação e a
representação são etapas opcionais, onde a imagem pode ser dividida em regiões de
interesse e representada de forma desejada. Por fim, o reconhecimento analisa a
imagem para identificar objetos, padrões ou características específicas, utilizando
técnicas como aprendizado de máquina, visão computacional e outras análises
avançadas de imagens.

Uma imagem monocromática é composta por uma única cor, geralmente preto e branco ou
tons de cinza. Essas imagens são representadas em escala de cinza, onde a
intensidade do preto varia de acordo com a luminosidade de cada pixel. Nesse caso,
apenas uma matriz é utilizada para representar a imagem.
Já as imagens policromáticas, também conhecidas como imagens coloridas, são
compostas por duas ou mais cores. Elas podem ser representadas em diferentes
formatos de cores, como RGB (vermelho, verde e azul) ou CMYK (ciano, magenta,
amarelo e preto), e apresentam uma ampla variedade de tonalidades e matizes. Para
representar a cor, geralmente são necessárias múltiplas matrizes.
7
A redução da quantidade de bits em uma imagem resulta na perda de detalhes, tanto
em cores e quanto em tons de cinza. Isso leva a uma representação visual menos
precisa e de menor qualidade. A imagem pode parecer granulada, ter cores limitadas
e transições abruptas. É importante considerar a quantidade de bits adequada para
equilibrar a qualidade desejada com as restrições de armazenamento.

8
O histograma de uma imagem é uma representação gráfica da distribuição de
intensidades dos pixels. Duas técnicas de modificação por histograma comumente
usadas são a equalização e a modificação linear por partes.

A equalização do histograma melhora o contraste e a distribuição tonal da imagem,

ajustando as intensidades dos pixels de forma a maximizar a utilização de toda a
faixa dinâmica disponível. Isso resulta em uma imagem com maior clareza e detalhes.

Por outro lado, a modificação linear por partes é uma técnica que permite realizar
alterações específicas em intervalos de intensidade da imagem. Ao definir
transformações lineares distintas para diferentes intervalos de intensidade, é
possível realçar características específicas ou corrigir desequilíbrios na
distribuição tonal da imagem.

10
Uma imagem em tons de cinza utiliza diferentes tons de cinza para representar
níveis de intensidade, enquanto uma imagem binária possui apenas preto e branco.
Aplicações práticas de imagens em tons de cinza incluem processamento de imagens
médicas, como radiologia, e reconhecimento de caracteres em sistemas OCR.
Aplicações práticas de imagens binárias incluem detecção de bordas e segmentação de
objetos em visão computacional e análise de imagem.

11.
import cv2

# Carregar a imagem
image = cv2.imread('./lena.png')

# Converter para escala de cinza

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# Obter a resolução da imagem
height, width = gray_image.shape[:2]

# Obter o número total de pixels

num_pixels = height * width

# Calcular o histograma
histogram = cv2.calcHist([gray_image], [0], None, [256], [0, 256])

# Equalizar o histograma
equalized_image = cv2.equalizeHist(gray_image)

# Exibir informações
print("Resolução da imagem: {} x {}".format(width, height))
print("Número de pixels: {}".format(num_pixels))

# Mostrar a imagem em escala de cinza e a imagem equalizada

cv2.imshow('Imagem em Escala de Cinza',gray_image)
cv2.imshow('Imagem em Equalizada',equalized_image)

# Esperar por 5 segundos (5000 milissegundos)

cv2.waitKey(5000)

# Fechar todas as janelas abertas

cv2.destroyAllWindows()