Processamento de Histograma

Disciplina: Tpicos em Computao (Processamento Digital de Imagens)

Prof. Kelson Rmulo Teixeira Aires

Bacharelado em Cincia da Computao DIE - CCN - UFPI

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

1 / 28

Processamento de Histograma
So funes de transformao de intensidade baseadas em informaes extradas do histograma de intensidade da imagem. As funes baseadas em histogramas so globais ou locais. Histograma:
uma das ferramentas mais simples e teis para o PDI; uma funo que mostra a frequncia com que um nvel de cinza aparece na imagem; a exibio grca do histograma para todos os valores de nveis de cinza K providencia uma descrio global de uma imagem.

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

2 / 28

Processamento de Histograma
Alguns exemplos:

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

3 / 28

Processamento de Histograma

Um histograma pode ser visto como uma funo de distribuio de frequncia ou como uma funo de distribuio de probabilidade. Histograma como funo de distribuio de probabilidade dada por: nk p(rk ) = n De maneira geral dizemos que p(rk ) d uma estimativa da probabilidade de ocorrncia do nvel de cinza rk na imagem

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

4 / 28

Propriedades do Histograma

As informaes espaciais no so representadas; Um histograma nico para uma determinada imagem, mas o inverso no verdadeiro; A movimentao de objetos em uma imagem no tem qualquer efeito sobre o seu histograma.

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

5 / 28

Usando o Matlab

Obter o histograma da imagem f e exibir de uma forma padro:

imhist(f);

Outras maneira de exibir um histograma:

grco de barras: hist_barra (filename); grco de linhas: hist_stem(filename); grco funo: hist_plot(filename);

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

6 / 28

Equalizao de Histograma
uma transformao dos nveis de cinza de uma imagem que visa aumentar o intervalo dinmico melhorando o contraste de imagens adquiridas sob pssimas condies de iluminao.
Transformao global;

til para comparar cenas que foram adquiridas com iluminao diferente (normaliza a imagem); De modo geral o que se procura obter um mapeamento no linear dos nveis de cinza da imagem de entrada de tal forma que a imagem resultante contenha uma distribuio mais uniforme dos seus nveis de cinza (um histograma plano).
Kelson Aires (kelson@ufpi.edu.br) Tp. em Computao - Histograma 7 / 28

Equalizao de Histograma
Seja r , denida no intervalo [0, L 1], a varivel que representa os nveis de cinza na imagem a ser realada. Considere que os valores dos pixels so quantidades contnuas no intervalo [0, L 1] com 0 representando preto e L 1 representando branco. Uma transformao T no intervalo [0, 1] tal que: s = T (r ), 0 r L 1

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

8 / 28

Equalizao de Histograma
A funo de transformao T para equalizar um histograma deve satisfazer as seguintes condies:
1

T (r ) deve ser estritamente monotonicamente crescente no intervalo 0 r L 1; esta condio garante que a sada nunca ser menor do que a entrada, o que evita artefatos na imagem processada. 0 T (r ) L 1 para 0 r L 1; esta condio garante que o intervalo de intensidades de sada o mesmo que o intervalo de intensidades de entrada.

A transformao inversa r = T 1 (s) tambm deve satisfazer as condies acima para garantir a recuperao da imagem original.

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

9 / 28

Equalizao de Histograma
Funes monotonicamente crescente e estritamente monotonicamente crescente.

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

10 / 28

Equalizao de Histograma
Os nveis de intensidade podem ser vistos como variveis aleatrias no intervalo [0, 1]; Um descritor importante de uma varivel aleatria FDP; Seja ps (s) e pr (r ) FDP de s e r respectivamente; Seja pr (r ) e T (r ) conhecidas, sendo T (r ) contnua e diferencivel no intervalo de interesse.

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

11 / 28

Equalizao de Histograma
Dado um intervalo dr em pr (r ) e ds em ps (s) mapeado por T (r ), temos que: ps (s)ds = pr (r )dr ; dr ps (s) = pr (r ) ; ds Uma funo de transformao de especial importncia a funo de distribuio acumulativa:
r

s = T (r ) = (L 1)
0

pr (w)dw

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

12 / 28

Equalizao de Histograma
Para encontrar ps (s): ds dT (r ) = dr dr utilizada a regra de Leibniz a derivada de uma integral limitada com relao ao seu limite superior igual integrao avaliada neste limite;

r d ds = (L 1) pr (w)dw dr dr 0 ds = (L 1)pr (r ) dr

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

13 / 28

Equalizao de Histograma
Manipulando tais resultados, e tendo em mente que todos os valores de probabilidade so positivos: ps (s) = pr (r ) e dr , ds

ds = (L 1)pr (r ). dr 1 (L 1)pr (r )

Teremos que ps (s) = pr (r ) ps (s) =

1 , para 0 s L 1 (L 1)

Reconhecemos a forma de ps (s) dessa equao como uma FDP uniforme independente da forma de pr (r )
Kelson Aires (kelson@ufpi.edu.br) Tp. em Computao - Histograma 14 / 28

Equalizao de Histograma
Funes distribuio de probabilidade.

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

15 / 28

Equalizao de Histograma
Para xar os conceitos, suponha que os valores de intensidade em uma imagem tenham a FDP: pr (r ) =

2 , (L1)2

para 0 r L 1

0, caso contrrio

Assim,
r

s = T (r ) = (L 1)
0

pr (w)dw r2 L1

2 L1

wdw =
0

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

16 / 28

Equalizao de Histograma
(cont.) Suponha que obtenhamos uma imagem s a partir da transformaao anterior. Assim, podemos vericar que a FDP das intensidades da nova imagem uniforme: ps (s) = pr (r ) 2r dr = ds (L 1)2 d r2 dr L 1
1

ds dr

2r = (L 1)2 =

2r L1 (L 1)2 2r 1 = L1 Como era esperado, o resultado uma FDP uniforme.

Kelson Aires (kelson@ufpi.edu.br) Tp. em Computao - Histograma 17 / 28

Equalizao de Histograma: caso discreto

Dada uma imagem contendo M N pixels, assumindo valores discretos k = 0, 1, 2, ..., L 1: pr (rk ) = nk MN

onde nk o nmero de pixels com intensidade rk . O gaco de pr (rk ) r versus rk chamado de histograma. A forma discreta da transformao :
k

s = T (rk ) = (L 1)
j=0

pr (rj ) =

L1 MN

nj
j=0

para k = 0, 1, 2, ..., L 1, e T (rk ) a funo de distribuio de probabilidade acumulativa.

Kelson Aires (kelson@ufpi.edu.br) Tp. em Computao - Histograma 18 / 28

Equalizao de Histograma: caso discreto

Funo de Transformao:
k

s = T (rk ) = (L 1)
j=0

pr (rj ) =

L1 MN

nj
j=0

para k = 0, 1, 2, ..., L 1.

A imagem processada obtida mapeando cada pixel da imagem de entrada com intensidade rk em um pixel correspondente com nvel sk na imagem de sada.

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

19 / 28

Equalizao de Histograma: exemplo

Suponha que uma imagem de 3 bits (L = 8) de dimenses 64 64 tenha a distribuio de intensidade mostrada na tabela abaixo:

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

20 / 28

Equalizao de Histograma: exemplo

Ilustrao da equalizao do histograma de uma imagem de 3 bits.

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

21 / 28

Equalizao de Histograma: exemplo

Ilustrao da equalizao do histograma em diferentes imagens.

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

22 / 28

Equalizao de Histograma: exemplo

Funes de transformao do exemplo anterior.

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

23 / 28

Equalizao Local de Histograma

Utilizado para realar detalhes em pequenas reas; Pode ser obtido aplicando-se a equalizao de histograma na vizinhana de cada pixel da imagem. Somente o valor do pixel centrado na vizinhana modicado. O centro da regio ento movida para o pixel adjacente e o procedimento repetido.

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

24 / 28

Realce Local utilizando Estatsticas de Histograma

Seja r uma varivel aleatria correspondendo a uma intensidade luminosa no intervalo [0, L 1]. Seja p(ri ) a componente do histograma normalizado para ri . O n-simo momento de r dado por:
L1 L1

n (r ) =
i=0

(ri m)n p(ri )

m=
i=0

ri p(ri )

onde m o valor mdio de r . O segundo momento particularmente importante (n = 2, varincia):

L1

2 (r ) =
i=0

(ri m)2 p(ri )

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

25 / 28

Realce Local utilizando Estatsticas de Histograma

Exemplo: imagem de 2 bits e tamanho 5 5 0 1 3 2 1 0 2 3 3 1 1 3 2 1 3
L1

1 0 2 0 2

2 1 0 0 2

p(ro ) = 6/25 = 0.24 p(r1 ) = 7/25 = 0.28 p(r2 ) = 7/25 = 0.28 p(r3 ) = 5/25 = 0.20

m=
i=0

ri p(ri )

= (0) 0.24 + (1) 0.28 + (2) 0.28 + (3) 0.20 = 1.44

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

26 / 28

Uso de Mdia e Varincia no Realce de Imagens

g(x, y ) =

E f (x, y ) se mSxy k0 mG e k1 G Sxy k2 G f (x, y ) para todos os outros intervalos

k0 valor positivo, menor que 1; k1 e k2 valores positivos maiores que 1 para melhorar reas claras; k1 e k2 valores positivos menores que 1 para melhorar reas escuras.

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

27 / 28

Uso de Mdia e Varincia no Realce de Imagens

Imagem original, imagem equalizada e imagem processada estatisticamente (E = 4, k0 = 0.4, k1 = 0.02, k2 = 0.4 em uma vizinhana 3 3).

Kelson Aires (kelson@ufpi.edu.br)

Tp. em Computao - Histograma

28 / 28