Parte 3

TEM – Sistemas de Visão
Parte 03
Segmentação e Rotulação de Componentes Conectados
Material produzido por:

Mário Lucio Roloff, DAMM/IFSC
Maurício Edgar Stivanello, DAMM/IFSC
Marcelo Ricardo Stemmer, DAS/UFSC
Aula de Hoje
 Processamento Digital de Imagens

– Segmentação
– Rotulação de Componentes Conectados
2 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

Segmentação

Segmentação
 Visa dividir a imagem em suas diversas partes constituintes

ou segmentos (objetos e regiões).
 O nível de divisões feitas na imagem varia conforme a
aplicação (características dos objetos e regiões presentes na
imagem).
 Os algoritmos de segmentação baseiam-se principalmente
em duas propriedades do nível de intensidade luminosa das
imagens: sua descontinuidade e sua similaridade.

Segmentação
Principais Técnicas
 Por Descontinuidade: divisão da imagem de acordo com as mudanças abruptas
do nível de intensidade luminosa de seus pontos (realce de cantos e bordas de
objetos e regiões). Utilizadas quando se buscam por linhas, pontos ou outras
formas caracterizadas pelas bordas.
 Por Similaridade: divisão da imagem de acordo com padrões de similaridade

encontrados em suas regiões (nível de intensidade luminosa ou textura).
Utilizadas quando se busca pelos pontos internos dos objetos.

Segmentação
Principais Técnicas de Segmentação por Descontinuidades
 Detecção de descontinuidades
– Baseia-se na procura por regiões de transição abrupta do nível de
intensidade luminosa na imagem.
– Dentre as descontinuidades mais comuns estão pontos, linhas e bordas.
– Utiliza extensivamente as técnicas de filtragem espacial e frequencial

para enfatização (sharpening) de características na imagem.

Segmentação
 Detecção de descontinuidades:
Exemplos de detectores
– SOBEL
– Calcula a magnitude do gradiente de
uma imagem empregando filtros 3x3

Segmentação
void funcao_sobelHorizontal()
{
// carrega a imagem de interesse
Mat imagemOriginal = imread("..\\Imagens\\sudoku-original.jpg ", IMREAD_GRAYSCALE);
// cria uma janela para visualização

namedWindow("Imagem original", WINDOW_AUTOSIZE);
imshow("Imagem original", imagemOriginal);
// preparando o kernel
float c[9];
c[0] = -1; c[1] = 0; c[2] = 1;
c[3] = -2; c[4] = 0; c[5] = 2;
c[6] = -1; c[7] = 0; c[8] = 1;
Mat kernel(3,3, CV_32FC1,c);
Mat imagemFiltrada(imagemOriginal.size(), 8, 1);

// aplicando o filtro
// (original, destino, mesma profundidade da imagem original, operador, centralizado)
filter2D( imagemOriginal,imagemFiltrada,-1,kernel,Point(-1,-1));
// exibe a imagem filtrada

namedWindow("Imagem processada", WINDOW_AUTOSIZE);
imshow("Imagem processada", imagemFiltrada);
waitKey();
}

Segmentação
void funcao_sobelVertical()
{

// preparando o kernel
float c[9];
c[0] = -1; c[1] = -2; c[2] = -1;
c[3] = 0; c[4] = 0; c[5] = 0;
c[6] = 1; c[7] = 2; c[8] = 1;
Mat kernel(3,3, CV_32FC1,c);
Mat imagemFiltrada(imagemOriginal.size(), 8, 1);

// aplicando o filtro
// (original, destino, mesma profundidade da imagem original, operador, centralizado)
filter2D( imagemOriginal,imagemFiltrada,-1,kernel,Point(-1,-1));

imshow("Imagem processada", imagemFiltrada);
waitKey();
}

Segmentação
 Detecção de descontinuidades: Exemplos de

detectores
– CANNY
– Primeiramente utiliza o Sobel e em seguida pós-processa os
pontos destacados para manter os melhores pontos de borda em
cada região.
– Como resultado teremos uma imagem binária com contornos de 1
pixel de espessura.

Segmentação
void funcao_canny()
{

Mat imagemProcessada(imagemOriginal.size(), 8, 1);

// é importante eliminar ruído
blur( imagemOriginal, imagemOriginal, Size(3,3) );
// (original, destino, threshold inferior, threshold superior, tamanho do kernel);
Canny( imagemOriginal, imagemProcessada, 50, 100, 3);

imshow("Imagem processada", imagemProcessada);
waitKey();
}

Segmentação
Principais Técnicas de Segmentação por Similaridades
 Limiarização
– Global: quando T depende apenas da imagem f (x, y) (nível de
intensidade luminosa).
– Dinâmica ou Adaptativa: quando T depende ainda das
coordenadas espaciais x e y, além de f .

Pré-processamento no domínio Espacial
Operações Básicas
 Limiarização Global
– É uma técnica simples e muito difundida, onde define-se um valor
de limiar T para o nível de intensidade luminosa em que se deseja
realizar o ponto de corte para binarização da imagem (simple
thresholding).
– Efetua a divisão da imagem em duas regiões: objeto e fundo.

Segmentação
ORIGINAL
 Através de processamento Ponto a Ponto
void exemploLimiarizacaoGlobal()
{
Mat imagem = imread("..\\imagens\\madeira.jpg", IMREAD_GRAYSCALE);
imshow("Imagem original", imagem);
int limiar = 127;
for(int x = 0; x < imagem.cols; x++)
{
for(int y = 0; y < imagem.rows; y++)
{
if (imagem.at<uchar>(Point(x,y)) > limiar) LIMIARIZADA
{
imagem.at<uchar>(Point(x,y)) = 255;
}
else
{
imagem.at<uchar>(Point(x,y)) = 0;
}
}
}
imshow("Imagem processada", imagem);
waitKey();
}

Segmentação
ORIGINAL
 Através da Função threshold
void exemploLimiarizacaoGlobal()
{
int limiar = 127;
// (imagem fonte, imagem destino, valor de limiar, valor máximo, tipo)
threshold(imagem, imagem, limiar, 255, THRESH_BINARY);
waitKey();
} LIMIARIZADA

Segmentação
 Tipos que podem ser definidos para o ultimo parâmetro da função threshold
IMAGEM ORIGINAL THRESH_BINARY THRESH_BINARY_INV
THRESH_TRUNC THRESH_TOZERO THRESH_TOZERO_INV

Quantidade
0 Intensidade 255
 Como selecionar o valor de limiar?
 Inspeção visual do histograma
 Tentativa e erro
void exemploLimiarizacaoGlobalOtsu()
{
Mat imagem = imread("..\\imagens\\madeira_escurecida.jpg", IMREAD_GRAYSCALE);
int limiar = 127;
// (imagem fonte, imagem destino, valor de limiar, valor máximo, tipo)
threshold(imagem, imagem, limiar, 255, THRESH_BINARY);
waitKey();
}

Quantidade
0 Intensidade 255
 Como selecionar o valor de limiar?
 Obtenção automática do limiar
Para imagens bimodais podemos empregar
o métodode OTSU:
- maximiza a variância entre as classes
- minimizar a variância interna das classes
{
// (imagem fonte, imagem destino, não usado, valor máximo, tipo)
int limiar = threshold(imagem, imagem, 0, 255, THRESH_OTSU);
cout << "Limiar calculado: " << limiar << endl;
waitKey();
}

Quantidade
0 Intensidade 255
 Cuidado com ruído
 Uma imagem ruidosa pode dificultar a
definição do limiar
{
cout << "Limiar calculado: " << limiar << endl;
waitKey();
}

Quantidade
0 Intensidade 255
 Cuidado com ruído
 Uma imagem ruidosa pode dificultar a
definição do limiar:
- Para tais situações utilize-se de
pré-processamento!
void exemploLimiarizacaoGlobalOtsuPreProcessamento()
{
Mat imagem = imread("..\\imagens\\madeira_escurecida_ruido.jpg", IMREAD_GRAYSCALE);
GaussianBlur(imagem,imagem,Size(5,5),0);
cout << "Limiar calculado: " <<
waitKey();
}

Segmentação
 Limiarização Dinâmica ou Adaptativa
 A limiarização global, onde um limiar é utilizado para toda a imagem, pode não
ser adequada para imagens que contenham diferentes condições de
iluminação para diferentes áreas.

Segmentação
 Para tais imagens podemos utilizer a Limiarização Adaptativa, onde calcula-se
um valor de limiar diferente para cada região da imagem.

Segmentação
 Existem diferentes formas de calcular o valor de limiar local
 ADAPTIVE_THRESH_MEAN_C: o limiar é a media da área de vizinhança
 ADAPTIVE_THRESH_GAUSSIAN_C: o limiar é a soma ponderada da
área de vizinhança onde os pesos são uma janela gaussiana
void exemploLimiarizacaoAdaptive()
{
Mat imagem = imread("..\\imagens\\sudoku-original.jpg", IMREAD_GRAYSCALE);
imwrite("limiarizada_aux_orig.jpg", imagem);
// (imagem fonte, imagem destino, valor máximo, tipo de cálculo do limiar, tamanho da área, constante que é subtraída do limiar)
adaptiveThreshold(imagem,imagem,255,ADAPTIVE_THRESH_MEAN_C,THRESH_BINARY,51,0);
imwrite("limiarizada_aux.jpg", imagem);
waitKey();
}

Segmentação
 Segmentação por Crescimento de Regiões
– Procedimento que agrupa pontos e pequenas sub-regiões da
imagem em regiões maiores, de acordo com algum critério de
similaridade (intensidade luminosa, textura, cor).
– Parte-se de um conjunto de pontos ditos “sementes”, para iniciar o
crescimento das regiões respeitando o critério de similaridade
adotado.
– Critérios de parada para o crescimento das regiões costumam ser
o tamanho e a forma das regiões formadas.

Segmentação
Segmentação por Crescimento de Regiões
Imagem Original Imagem Segmentada

Rotulação de
Componentes Conectados

Rotulação de Componentes Conectados
 Uma vez que a imagem esteja segmentada

– Como extrair características dos objetos destacados?
– Quantas artêmias encontram-se na imagem abaixo?
– Qual é a menor artêmia?
threshold(imagem, imagem, 90, 255, THRESH_BINARY);

 Relacionamento entre pontos da Imagem

– Vizinhança: N4(p), ND(p), N8(p).
– Adjacência: além de ser vizinho, o ponto (pixel) deve
possuir um valor de intensidade luminosa
“semelhante”.

 Relacionamento entre pontos da Imagem

– Conectividade: é gerada quando há um caminho de
pontos vizinhos e adjacentes.
– Região: é gerada quando todos os pontos de uma área
da imagem são conexos.

 Algoritmo de rotulação de componentes

 Encontra todos os componentes conectados de uma imagem e atribui um
identificador único a todos os pontos que compõe cada componente
 Corresponde a uma das operações mais importantes em Visão Computacional
 Os pontos de um componente conectado normalmente são interpretados
como objetos ou regiões de um objeto
Imagem Componentes conectados

 Algoritmo Sequencial para rotulação - N4(p)

1) Percorra a imagem da esquerda para direita do topo ao rodapé;
2) Se o ponto corrente tiver valor válido, então:
a) Se somente um de seus vizinhos superior ou esquerdo tiver um rótulo,
então copie o mesmo rótulo ao ponto corrente;
b) Se ambos tiverem o mesmo rótulo, então copie ao ponto corrente o
mesmo rótulo;
c) Se ambos tiverem rótulos diferentes, então copie o rótulo do vizinho
superior e entre com os rótulos encontrados em uma tabela de equivalência
como rótulos equivalentes;
d) Caso contrário, atribua um novo rótulo ao ponto corrente.


3) Se existirem mais pontos a avaliar, então vá para o passo 2;
4) Encontre o rótulo de menor valor para cada entrada de equivalência definida
na tabela de equivalência;
5) Varra novamente a imagem substituindo cada rótulo encontrado pelo menor
rótulo do seu conjunto de equivalência.


 Exemplo de execução para a imagen de entrada abaixo apresentada
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 1 1 0 0 0 0 0 0 0 0 0
0 0 1 1 1 1 0 0 0 0 0 0 1 0
0 1 1 1 1 0 0 0 0 1 1 0 1 0
0 1 1 1 1 1 1 0 0 1 1 1 1 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0


 Avaliação da posição (2,1)
0 0 0 0 0 0 0 0 0 0 0 0 0 0 Equivalências
0 0 1 1 1 0 0 0 0 0 0 0 0 0
0 0 1 1 1 1 0 0 0 0 0 0 1 0
0 1 1 1 1 0 0 0 0 1 1 0 1 0
0 1 1 1 1 1 1 0 0 1 1 1 1 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0


0 0 0 0 0 0 0 0 0 0 0 0 0 0 Equivalências
0 0 1 1 1 0 0 0 0 0 0 0 0 0
0 0 1 1 1 1 0 0 0 0 0 0 1 0
0 1 1 1 1 0 0 0 0 1 1 0 1 0
0 1 1 1 1 1 1 0 0 1 1 1 1 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0


0 0 0 0 0 0 0 0 0 0 0 0 0 0 Equivalências
0 0 1 1 1 0 0 0 0 0 0 0 0 0
0 0 1 1 1 1 0 0 0 0 0 0 2 0
0 1 1 1 1 0 0 0 0 1 1 0 1 0
0 1 1 1 1 1 1 0 0 1 1 1 1 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0


0 0 0 0 0 0 0 0 0 0 0 0 0 0 Equivalências
0 0 1 1 1 0 0 0 0 0 0 0 0 0
0 0 1 1 1 1 0 0 0 0 0 0 2 0
0 3 1 1 1 0 0 0 0 1 1 0 1 0
0 1 1 1 1 1 1 0 0 1 1 1 1 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0


0 0 0 0 0 0 0 0 0 0 0 0 0 0 Equivalências
0 0 1 1 1 0 0 0 0 0 0 0 0 0 1,3
0 0 1 1 1 1 0 0 0 0 0 0 2 0
0 3 1 1 1 0 0 0 0 1 1 0 1 0
0 1 1 1 1 1 1 0 0 1 1 1 1 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0


0 0 0 0 0 0 0 0 0 0 0 0 0 0 Equivalências
0 0 1 1 1 0 0 0 0 0 0 0 0 0 1,3
0 0 1 1 1 1 0 0 0 0 0 0 2 0
0 3 1 1 1 0 0 0 0 4 1 0 1 0
0 1 1 1 1 1 1 0 0 1 1 1 1 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0


0 0 0 0 0 0 0 0 0 0 0 0 0 0 Equivalências
0 0 1 1 1 0 0 0 0 0 0 0 0 0 1,3
0 0 1 1 1 1 0 0 0 0 0 0 2 0 2,4
0 3 1 1 1 0 0 0 0 4 4 0 2 0
0 3 1 1 1 1 1 0 0 4 4 4 2 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0


 Segunda passada – Unificação dos rótulos
Equivalências
1,3
2,4
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0
0 0 1 1 1 1 0 0 0 0 0 0 2 0 0 0 1 1 1 1 0 0 0 0 0 0 2 0
0 3 1 1 1 0 0 0 0 4 4 0 2 0 0 1 1 1 1 0 0 0 0 2 2 0 2 0
0 3 1 1 1 1 1 0 0 4 4 4 2 0 0 1 1 1 1 1 1 0 0 2 2 2 2 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0


3) Uma vez que os pontos que constituem cada componente da imagem foram
rotulados podemos começar a extrair características de interesse:
- quantidade de objetos da imagem
- tamanho de cada componente
- posição central de cada componente
- ...
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 1 1 0 0 0 0 0 0 0 0 0
0 0 1 1 1 1 0 0 0 0 0 0 2 0
0 1 1 1 1 0 0 0 0 2 2 0 2 0
0 1 1 1 1 1 1 0 0 2 2 2 2 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0

 Componentes Conexos - OpenCv
int nRotulos = connectedComponents(imagemEntrada, imagemRotulada, 8);

Obs: o primeiro rótulo corresponderá ao fundo

void componentesConectadosIds()
{
imshow( "Original", imagem );
threshold(imagem, imagem, 0, 255, THRESH_OTSU);
// invertendo pois identifica os componentes brancos
imagem = 255 - imagem;
imshow( "Binarizada", imagem );
Mat imagemRotulada(imagem.size(), CV_32S);
int nRotulos = connectedComponents(imagem, imagemRotulada, 8);
// criando uma imagem para pintar os componentes com diferentes cores

Mat imagemLabelsColoridas(imagem.size(), CV_8UC3);
imagemLabelsColoridas.setTo(Scalar(255,255,255));
for (int r = 1; r < nRotulos; r++)
{
Vec3b corLabel = Vec3b((rand()&255), (rand()&255), (rand()&255));
for(int x = 0; x < imagemRotulada.cols; ++x)
{
for(int y = 0; y < imagemRotulada.rows; ++y)
{
if (imagemRotulada.at<int>(Point(x,y)) == r)
{
imagemLabelsColoridas.at<Vec3b>(Point(x,y)) = corLabel;
}
}
}
}
imshow( "Componentes", imagemLabelsColoridas );
waitKey();
}

Etapas do SW
do Sistema de Visão

Etapas do SW do Sistema de Visão

Exemplo

Exercícios

Exercícios
1) Crie a imagem resultante da fusão entre a detecção de borda utilizando o

filtro Sobel vertical e horizontal sobre a imagem sudoku-original.jpg.

Exercícios
2) Aplique o filtro Canny sobre o arquivo video.mp4.

Exercícios
3) Aplique a segmentação através de limiarização adaptativa na imagem

sudoku-original.jpg. Em seguida, encontre os componentes
conectados e, com base na informação obtida, crie uma imagem binária onde
apenas o tabuleiro esteja presente. Aplique operações morfológicas para melhorar
o aspecto do tabuleiro.

Exercícios
4) Crie um programa que processe a imagem Artemias.jpg e que apresente as

seguintes informações:
- A quantidade de artêmias
- O tamanho e localização da maior e menor artêmia (valor e retângulo)
- A localização de cada artêmia (valor e indicação do centro)

TEM – Sistemas de Visão
Parte 03
Segmentação e Rotulação de Componentes Conectados
Material produzido por:

Mário Lucio Roloff, DAMM/IFSC
Maurício Edgar Stivanello, DAMM/IFSC
Marcelo Ricardo Stemmer, DAS/UFSC

Parte 3

Enviado por

Dados do documento

Descrição 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

Parte 3

Enviado por

Direitos autorais:

Formatos disponíveis

TEM – Sistemas de Visão

Material produzido por:

 Processamento Digital de Imagens

2 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

3 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

 Visa dividir a imagem em suas diversas partes constituintes

4 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

 Por Similaridade: divisão da imagem de acordo com padrões de similaridade

5 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

– Dentre as descontinuidades mais comuns estão pontos, linhas e bordas.

– Utiliza extensivamente as técnicas de filtragem espacial e frequencial

6 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

7 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

// cria uma janela para visualização

Mat imagemFiltrada(imagemOriginal.size(), 8, 1);

// exibe a imagem filtrada

8 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

// cria uma janela para visualização

Mat imagemFiltrada(imagemOriginal.size(), 8, 1);

// exibe a imagem filtrada

9 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

 Detecção de descontinuidades: Exemplos de

10 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

// cria uma janela para visualização

Mat imagemProcessada(imagemOriginal.size(), 8, 1);

// exibe a imagem filtrada

11 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

12 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

– Efetua a divisão da imagem em duas regiões: objeto e fundo.

13 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

14 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

15 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

THRESH_TRUNC THRESH_TOZERO THRESH_TOZERO_INV

16 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

17 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

18 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

19 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

20 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

21 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

22 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

23 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

25 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

Segmentação por Crescimento de Regiões

Imagem Original Imagem Segmentada

26 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

27 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

 Uma vez que a imagem esteja segmentada

28 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

 Relacionamento entre pontos da Imagem

29 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

 Relacionamento entre pontos da Imagem

30 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

 Algoritmo de rotulação de componentes

Imagem Componentes conectados

31 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

 Algoritmo Sequencial para rotulação - N4(p)

32 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

 Algoritmo Sequencial para rotulação - N4(p)

33 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

 Algoritmo Sequencial para rotulação - N4(p)

34 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão

 Algoritmo Sequencial para rotulação - N4(p)

35 | Roloff@ - Mecatrônica – DAMM – IFSC – 2014/01 TEM – Sistemas de Visão