Escolar Documentos
Profissional Documentos
Cultura Documentos
Contriburam:
traduzir para o computador um processo cognitivo extremamente sofisticado realizado atravs da viso humana. A descontinuidade em uma imagem pode ser:
10
em um certo intervalo do espao, em uma certa direo. Isto corresponde a regies de alta derivada espacial, que contm alta frequncia espacial.
contraste
largura
orientao
Rudos Toda aquisio da imagem est sujeita a algum tipo de rudo. A situao ideal, sem rudo, na prtica no existe. Rudos no podem ser previstos pois so de natureza randmica e no podem nem mesmo ser medidos precisamente. Porm, algumas vezes ele pode ser caracterizado pelo
11
efeito na imagem, e geralmente expresso como uma distribuio de probabilidade com uma mdia especfica e um desvio padro. Existem dois tipos de rudos especficos:
12
como os componentes da direo ao longo dos eixos, e computar o vetor soma. O operador envolvido o gradiente, e se a imagem vista como uma funo de duas variveis A(x,y) ento o gradiente definido como:
Frumula 1:
Figura 1.3.
13
Frumula 2:
Onde: mi: valor para um pixel pi: o valor do nvel de cinza para um pixel R: a mscara de resposta para o pixel central (p5). Ampliando esta mscara atravessando a imagem linha por linha, um novo vetor criado. o mesmo que a imagem original mais contm os valores da mscara de resposta ao invs do valor do pixel. Estes valores da mscara de resposta podem ento ser comparados com o valor mnimo de threshold para determinar quais pixels so mais provveis de ser parte de uma borda. Este threshold pode ser ajustado para variar seletivamente de acordo com os pixels de borda, permitindo um usurio conduzir o algoritmo para um melhor desempenho para uma imagem especfica. Considerando o exemplo da mscara de entrada anterior e supondo um valor de threshold 20. A matriz 3x3 representa uma parte de uma determinada imagem, desde que os valores de sada que cancelem o valor central, no ultrapassem o valor de threshold, o que significa que a imagem no apresenta descontinuidade. Analisando a mscara de resposta para o conjunto contnuo de pixels dados na Figura 1.4., percebemos que neste caso o valor central da mscara 16, e a soma de todos os pixels subtrada do valor central fornece zero como resposta. Como zero um valor menor do que o
14
Figura 1.4.
imagem
resposta da mscara
imagem
resposta da mscara
Neste caso (Figura 1.5.) o valor central da mscara 64, a soma de todos os pixels subtrada do valor central fornece um valor de 48 que maior do 20 (threshold), o pixel central na imagem um ponto de descontinuidade, portanto seria um pixel de borda.
Roberts Sobel
15
Mscara de Roberts
Para determinar onde o pixel avaliado ou no um pixel de borda, o gradiente calculado da seguinte forma:
Frumula 3:
Se a magnitude calculada maior do que o menor valor de entrada (definido de acordo com a natureza e qualidade da imagem que esta sendo processada), o pixel considerado ser parte de um borda. A direo do gradiente da borda, perpendicular a direo da borda, encontrada com a seguinte frmula:
Frumula 4:
16
O pequeno tamanho da mscara para o operador de Roberts torna o mesmo fcil de se implementar e rpido para calcular a mscara de resposta. As respostas so muito sensveis ao rudo na imagem.
Operador de Sobel
Utiliza duas mscaras para encontrar os gradientes vertical e horizontal das bordas.
Figura 1.7.
Mscaras de Sobel
Os resultados so mais precisos. A computao de |G| se torna mais complexa. Na prtica |G| aproximada da seguinte forma: |G|= |Gx| + |Gy|.
17
Operador de Robinson
similar em operao ao de Sobel, porm usa um conjunto de oito mscaras, onde quatro delas so as seguintes:
Figura 1.8.
Mscaras de Robinson
As outras quatro so simplesmente negaes destas quatro. A magnitude do gradiente o valor mximo obtido ao aplicar todas as oito mscaras ao pixel vizinho, e o ngulo do gradiente pode ser aproximado como o ngulo na linha de zeros na mscara dando a resposta mxima. Este algoritmo aumenta a preciso de |G|, mas requer mais computao do que Roberts e Sobel, devido ao tamanho das mscaras.
2.
3.
Taxa de erro: o detector de bordas deveria detectar e achar somente bordas, nenhuma borda deveria faltar; Localizao: a distncia entre os pixels de borda encontradas pelo detector de bordas e a borda atual deveriam ser o menor possvel; Resposta: o detector de bordas no deveria identificar mltiplos pixels de borda onde somente exista um nico pixel. O detector de bordas de Canny um filtro de convoluo f que uniformizaria o rudo e localizaria as bordas. O problema identificar um
18
filtro que otimize os trs critrios do detector de bordas. Se considerarmos uma borda de uma dimenso variando no contraste e ento convolucionando a borda com a funo de uniformizao de Gauss, o resultado ser uma variao contnua do valor inicial ao final, com uma inclinao mxima no ponto onde existe um "degrau". Se esta continuidade diferenciada em relao a x, esta inclinao mxima ser o mximo da nova funo em relao a original.
Figura 1.9.
Os mximos da convoluo da mscara e da imagem indicaro bordas na imagem. Este processo pode ser realizado atravs do uso de uma funo de Gauss de 2-Dimenses na direo de x e y. Os valores das mscaras de Gauss dependem da escolha do sigma na equao de Gauss:
Frumula 5:
19
A aproximao do filtro de Canny para deteco de bordas G'. Convolucionando a imagem com G' obtemos uma imagem I que mostrar as bordas, mesmo na presena de rudo. A convoluo relativamente simples de ser implementada, mas cara computacionalmente, especialmente se for em 2-dimenses. Entretanto,uma convoluo de Gauss de 2-dimenses pode ser separada em duas convolues de Gauss de 1dimenso. A intensidade computacional do detector de bordas de Canny relativamente alta, e os resultados so geralmente ps-processados para maior clareza. Entretanto, o algoritmo mais eficiente no processamento de imagens com rudos ou com bordas difusas. Algoritmo de Canny
1. 2.
3.
4.
5.
6.
Ler a imagem I a ser processada; Criar uma mscara de Gauss de 1-D G para convolucionar I. O desvio S de Gauss um parmetro para o detector de bordas; Criar uma mscara de 1-D para a primeira derivada de Gauss nas direes x e y; nomear como Gx e Gy. O mesmo valor S usado; Convolucionar a imagem I com G percorrendo as linhas na direo x (Ix) e percorrer as colunas na direo y (Iy); Convolucionar Ix, com Gx, para dar Ix, o componente x e de I convolucionado com a derivada de Gauss, e convolucionar Iy, com Gy para dar Iy; Se voc deseja ver o resultado neste ponto os componentes x e y devem ser " combinados". A magnitude do resultado computada para cada pixel (x,y).
Operador de Marr-Hildreth
Um mximo da derivada primeira ocorrer a cada zero crossing da derivada Segunda. Para localizar bordas horizontais e verticais procuramos a derivada Segunda nas direes de x e y. Isto Laplacian de I:
20
Frumula 6:
- Laplaciano
O Laplaciano linear e simtrico rotacionalmente. Podemos procuar pelos zeros crossings da imagem primeiro uniformizando com uma mscara de Gauss e ento calculando a derivada Segunda. Isto define o operador de Marr-Hildreth.
Figura 1.10.
Zero Crossing
a reputao de Marr; pesquisadores encontraram campos nos olhos de animais que se comportavam de forma semelhante com este operador (campos receptivos);
21
Gerar sempre contornos fechados no realista; Marca bordas em algumas localizaes que no so bordas.
Mtodo de Marr-Hildreth
1. 2. 3. 4.
Borra-se a imagem com um kernel gaussiano; Obtm-se o Laplaciano; Localiza-se os cruzamentos por zero; Os pontos localizados formam contornos fechados.
22
Referncias
Figura 1.11.
Imagem de tomografia computadorizada e resultados da aplicao do filtro de primeira derivada (vdrf) e do filtro de segunda derivada (vsderf) provenientes do Khoros.
Alm destes, existe uma excelente implementao do Canny no pacote VISTA [1.15].
Referncias
[1.1] [1.2] [1.3] [1.4] [1.5] [1.6] [1.7] http://www.dcmm.puc-rio.br/Cursos/IPDI/index.htm http://www.eps.ufsc.br/~martins/fuzzy/fuz_ap/image/image_gi.htm http://www.coder.com/creations/banner/examples/edge.html http://vinny.bridgeport.edu/MailArchives/cs411x-list/0029.html http://ccl1-dee.poliba.it/~cafforio/edge.html http://www.cclabs.missouri.edu/~c621269/blackkite/blackkite.html http://WWW.ISIP.MsState.Edu/resources/courses/ece_4773/projects/ 1997/group_image
23
http://rvl1.ecn.purdue.edu/v1/student-software/ee661.97/teffeau/ teffeau.html http://www-mrips.od.nih.gov/uguide/ug13.htm#4520 http://www.bath.ac.uk/BUCS/Software/image_analysis/visilog/html/ refguide/chap8.html http://lummi.stanford.edu/class/cs223b/WWW/oldnotes/notesEdges/ node2.html http://rome.cis.plym.ac.uk/cis/cesar/hilbert/ov/over.html The Khoros Group; Khoros Users Manual, Release 1.0.5, Vols. I - III, Department of Electrical Engineering & Computer Engineering, University of New Mexico, Albuquerque, USA, 1993. www.khoral.com/ Pope, Arthur R., Lowe, David G.; VISTA: A Software Environment for Computer Vision Research. Internal Report, Department of Computer Science, University of British Columbia, Canada, 1994
[1.14] [1.15]
24