Prova 01

MARQUES FILHO, Og; VIEIRA NETO, Hugo.
Processamento Digital de Imagens, Rio de Janeiro:

Brasport, 1999. ISBN 8574520098.
&DStWXOR
)LOWUDJHP5HDOFHH6XDYL]DomRGH
,PDJHQV
O principal objetivo das tcnicas de realce de imagens processar uma certa imagem de modo
que a imagem resultante seja mais adequada que a imagem original para uma aplicao
especfica. Desta afirmativa decorrem duas importantes concluses:
1. A interpretao de que o resultado mais adequado, ou no, normalmente subjetiva e
depende de conhecimento prvio do observador a respeito das imagens analisadas.
2. As tcnicas de realce de imagens a serem estudadas neste captulo so por natureza
orientadas a um problema que se deseja resolver. Logo, no existem tcnicas capazes de
resolver 100% dos problemas que uma imagem digital possa apresentar, como tambm nem
sempre uma tcnica que produz bons resultados para imagens biomdicas adquiridas atravs
de um tomgrafo computadorizado apresentar desempenho satisfatrio se aplicada a uma
imagem contendo uma impresso digital, por exemplo.
Os mtodos de filtragem de imagens discutidos neste captulo so normalmente
classificados em duas categorias: as tcnicas de filtragem espacial e as tcnicas de filtragem no
domnio da freqncia. Os mtodos que trabalham no domnio espacial operam diretamente
sobre a matriz de pixels que a imagem digitalizada, normalmente utilizando operaes de
convoluo com mscaras (Seo 2.3). Os mtodos que atuam no domnio da freqncia se
baseiam na modificao da transformada de Fourier (Seo 4.4) da imagem. Existem tcnicas de
filtragem que combinam ambas as abordagens.
A Seo 4.1 apresenta algumas consideraes iniciais sobre filtragem de imagens no
domnio espacial e no domnio freqencial. As tcnicas de suavizao de imagens no domnio
espacial utilizando operaes orientadas a vizinhana so apresentadas na Seo 4.2. A Seo
4.3 trata das tcnicas de realce (agudizao) de imagens no domnio espacial. Na Seo 4.4
apresentamos a transformada de Fourier discreta bidimensional, ferramenta matemtica
indispensvel para o projeto de filtros no domnio da freqncia, como os apresentados na
Seo 4.5. A Seo 4.6 apresenta alguns fundamentos de imagens coloridas, bem como os
conceitos de pseudocolorizao e tcnicas de processamento de imagens coloridas. Finalmente,
a Seo 4.7 apresenta algumas tcnicas de filtragem adaptativa.
4.1 Consideraes iniciais
As tcnicas de filtragem, realce e suavizao apresentadas neste captulo podem ser divididas
em: tcnicas no domnio espacial e tcnicas no domnio freqencial. O objetivo desta seo
destacar os princpios de funcionamento de cada uma destas abordagens.
4.1.1 Filtragem no domnio espacial
As tcnicas de filtragem no domnio espacial so aquelas que atuam diretamente sobre a matriz
de pixels que a imagem digitalizada. Logo, as funes de processamento de imagens no
domnio espacial podem ser expressas como:
g(x,y) = T [ f(x,y) ] (4.1)
onde: g(x,y) a imagem processada, f(x,y) a imagem original e T um operador em f, definido
em uma certa vizinhana de (x,y). Alm disso, o operador T pode tambm operar sobre um
conjunto de imagens de entrada, como ser visto na Seo 4.2.4.
Filtr agem, Realce e Suavizao de Imagens
MARQUES FILHO, Og; VIEIRA NETO, Hugo. Processamento Digital de Imagens, Rio de Janeiro:
Brasport, 1999. ISBN 8574520098.
84
A vizinhana normalmente definida ao redor de (x,y) a 8-vizinhana do pixel de
referncia, o que equivale a uma regio 3 x 3 na qual o pixel central o de referncia, como
indica a figura 1. O centro dessa regio ou subimagem 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.
x
y
(x,y)
Imagem
Figura 1 - Uma vizinhana 3 x 3 ao redor de um ponto de coordenadas (x,y) em uma imagem.
Nos casos em que a vizinhana 1 x 1, o operador T torna-se uma funo de
transformao (ou de mapeamento), do tipo:
s = T(r) (4.2)
onde: r o nvel de cinza de f(x,y) e s o nvel de cinza de g(x,y) em um certo ponto. As
tcnicas de processamento de imagem pertencentes a este caso so freqentemente denominadas
tcnicas ponto-a-ponto e j foram abordadas na Seo 3.2.
4.1.2 Filtragem no domnio da freqncia
A base matemtica das tcnicas de filtragem no domnio da freqncia o teorema da
convoluo. Seja g(x,y) a imagem formada pela convoluo (denotada pelo smbolo *) da
imagem f(x,y) com um operador linear h(x,y), ou seja,
g x y f x y h x y ( , ) ( , ) * ( , ) = (4.3)
Ento, pelo teorema da convoluo (Seo 4.4), a seguinte relao no domnio da freqncia
tambm vlida:
G u v F u v H u v ( , ) ( , ) ( , ) = (4.4)
onde G, F e H so as transformadas de Fourier de g, f e h, respectivamente. Na terminologia de
sistemas lineares, a transformada H(u,v) denominada funo de transferncia do filtro.
Inmeros problemas de processamento de imagens podem ser expressos na forma da
equao (4.4). Em uma aplicao de suavizao de imagens, por exemplo, dada f(x,y), o
objetivo, aps calcular F(u,v), selecionar H(u,v) de tal maneira que a imagem desejada,
| |
g x y F u v H u v ( , ) ( , ) ( , ) =
1
(4.5)
Brasport, 1999. ISBN 8574520098.
85
remova componentes de alta freqncia (possivelmente ruidosos) de f(x,y). Isto poderia ser
obtido usando um filtro Butterworth passa-baixas, por exemplo.
A equao (4.3) descreve um processo espacial anlogo ao explicado na Seo 4.1.1 e
por esta razo h(x,y) freqentemente denominada mscara de convoluo espacial. A
converso de filtros projetados no domnio da freqncia para o domnio espacial e vice-versa
matematicamente possvel mas seu detalhamento foge ao escopo deste livro.
Leitura complementar
A Seo 4.5 de [Gonzalez e Woods 1992] detalha matematicamente o processo de gerao de
mscaras de convoluo correspondentes a um filtro especificado no domnio da freqncia.
4.2 Suavizao de imagens no domnio espacial
4.2.1 Introduo
O uso de mscaras espaciais no processamento de imagens normalmente denominado
filtragem espacial (em contraste com a expresso 'filtragem no domnio da freqncia', utilizada
quando se opera sobre a transformada de Fourier da imagem original) e as mscaras so
conhecidas como filtros espaciais. Nesta seo consideraremos filtros lineares e no-lineares
aplicados ao processamento de imagens.
Os filtros lineares se baseiam no conceito de que a funo de transferncia de um
sistema linear (H(u,v)) e sua funo de resposta a impulso unitrio (h(x,y)) esto relacionadas
entre si atravs da transformada de Fourier, como ilustra a figura 2.
h(x,y) f(x,y) g(x,y)
(a)
H(u,v) F(u,v) G(u,v)
(b)
Figura 2 - Fundamentos de sistemas lineares. Na parte (a) (domnio espacial), a sada do sistema
obtida atravs da convoluo de sua entrada com sua funo de resposta a impulso unitrio
(h(x,y)). Em (b) (domnio da freqncia), a sada do sistema o produto de sua funo de
transferncia (H(u,v)) pela entrada.
Os filtros so denominados 'passa-baixas' quando atenuam ou eliminam as componentes
de alta freqncia no domnio das transformadas de Fourier. Como as componentes de alta
freqncia correspondem a regies de bordas e/ou detalhes finos na imagem, o efeito da
filtragem passa-baixas a suavizao da imagem, provocando um leve borramento na mesma.
J os filtros passa-altas atenuam ou eliminam os componentes de baixa freqncia e, em funo
disto, realam as bordas e regies de alto contraste da imagem. Os filtros passa-faixa, capazes de
remover ou atenuar componentes acima de sua freqncia de corte superior e abaixo de sua
freqncia de corte inferior, embora existam, so de pouca utilidade prtica, com exceo de
algumas tarefas especficas de restaurao de imagens.
A figura 3 mostra as respostas em freqncia dos trs principais tipos de filtros
existentes e os respectivos filtros espaciais correspondentes.
Brasport, 1999. ISBN 8574520098.
86
Passa-baixas
1
f 0
t
0
Passa-altas
1
f 0
t
0
Passa-faixa
1
f 0
t
0
Figura 3 - (Acima) Resposta em freqncia dos principais tipos de filtros. (Abaixo) Filtros
correspondentes no domnio espacial.
A suavizao de imagens no domnio espacial baseia-se no uso de mscaras de
convoluo (ver Seo 2.4) adequadas para o objetivo em questo, normalmente o borramento
da imagem (para eliminar detalhes que no so de interesse para as etapas subseqentes do
processamento) ou a remoo de rudos nela presentes. Dentre as tcnicas mais conhecidas de
suavizao esto a filtragem pela mdia e o filtro da mediana, que sero detalhadas a seguir.
4.2.2 Filtro da mdia
Como se pode perceber na figura 3(a), a resposta ao impulso de um filtro passa-baixas indica
que ele deve apresentar todos seus coeficientes positivos. A forma mais simples de implementar
um filtro com tais caractersticas construir uma mscara 3 x 3 com todos seus coeficientes
iguais a 1, dividindo o resultado da convoluo por um fator de normalizao, neste caso igual a
9. Um filtro com esta caracterstica denominado filtro da mdia. A figura 4(a) mostra a
mscara resultante, enquanto as figuras 4(b) e 4(c) ilustram o mesmo conceito, aplicado a
mscaras de maiores dimenses. Na escolha do tamanho da mscara deve-se ter em mente que
quanto maior a mscara, maior o grau de borramento da imagem resultante. A figura 5 mostra
exemplos de mscaras de filtragem pela mdia de diferentes dimenses aplicadas a uma mesma
imagem. As figuras 6 e 7 mostram exemplos de aplicao do filtro da mdia para remoo de
rudos em imagens monocromticas.
1
9
1 1 1
1 1 1
1 1 1
(
(
(
1
25
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
(
(
(
(
(
(
1
49
1 1 1 1 1 1 1
1 1 1 1 1 1 1
1 1 1 1 1 1 1
1 1 1 1 1 1 1
1 1 1 1 1 1 1
1 1 1 1 1 1 1
1 1 1 1 1 1 1
(
(
(
(
(
(
(
(
(
(a) (b) (c)
Figura 4 - Mscaras para clculo do filtro da mdia: (a) 3 x 3; (b) 5 x 5; (c) 7 x 7.
Brasport, 1999. ISBN 8574520098.
87
(a) (b)
(c) (d)
Figura 5 - (a) Imagem original; (b)-(f) resultados da aplicao do filtro da mdia com mscara
de dimenses n x n, n = 3, 5, 7, 17, 31.
Brasport, 1999. ISBN 8574520098.
88
(e) (f)
Figura 5 Continuao.
(a) (b)
Figura 6 - (a) Imagem original; (b) imagem contaminada por rudo impulsivo (sal e pimenta);
(c) resultado da filtragem pelo filtro da mdia com mscara 3x3; (d) resultado da filtragem pelo
filtro da mdia com mscara 5 x 5.
Brasport, 1999. ISBN 8574520098.
89
(c) (d)
Figura 6 Continuao
.
(a) (b)
Figura 7 - (a) Imagem original; (b) imagem contaminada por rudo gaussiano; (c) resultado da
filtragem pelo filtro da mdia com mscara 3x3; (d) resultado da filtragem pelo filtro da mdia
com mscara 5 x 5.
Brasport, 1999. ISBN 8574520098.
90
(c) (d)
Figura 7 - Continuao.
O algoritmo bsico de filtragem pela mdia pode ser alterado no sentido de minimizar a
perda de definio na imagem resultante. Uma possvel modificao consiste em incluir uma
comparao do valor calculado com um limiar (T), antes de alterar seu tom de cinza. Se o valor
absoluto da diferena entre o nvel de cinza original do pixel (f(x,y)) e o valor calculado pela
aplicao do filtro da mdia for menor que T, substitui-se o tom de cinza do pixel pelo valor
calculado; caso contrrio, mantm-se o valor de cinza original. O objetivo principal desta
modificao diminuir o efeito de suavizao indesejvel das bordas dos objetos presentes na
imagem.
4.2.3 Filtro da mediana
Uma das principais limitaes do filtro da mdia em situaes onde o objetivo remoo de
rudos em imagens est na sua incapacidade de preservar bordas e detalhes finos da imagem.
Para contorn-la, uma tcnica alternativa o filtro da mediana. Nesta tcnica, o nvel de cinza
do pixel central da janela substitudo pela mediana dos pixels situados em sua vizinhana.
Este mtodo no-linear apresenta desempenho particularmente bom em situaes nas
quais a imagem contaminada por rudo impulsivo (sal-e-pimenta), como ilustra a figura 8. J
para situaes em que o rudo do tipo gaussiano (figura 9), seu desempenho apenas
satisfatrio, comparvel ao do filtro pela mdia.
A mediana m de um conjunto de n elementos o valor tal que metade dos n elementos
do conjunto situem-se abaixo de m e a outra metade acima de m. Quando n mpar, a mediana
o prprio elemento central do conjunto ordenado. Nos casos em que n par, a mediana
calculada pela mdia aritmtica dos dois elementos mais prximos do centro. A ordenao
(sorting) constitui uma etapa de tempo de processamento relativamente alto, apesar de inmeros
mtodos eficientes existentes na literatura. Para reduzir o custo computacional do filtro da
mediana, Pratt e outros [Pratt et al. 1984] propuseram um mtodo alternativo, denominado filtro
da pseudomediana, o qual estabelece que a pseudomediana de um conjunto de L elementos (S
L
)
pode ser computada como:
Brasport, 1999. ISBN 8574520098.
91
.
2
1 +
= para
)]} ..., , ( [
..., )], ..., , ( [ )], ..., , ( [ { = } {
)]} ..., , ( [
..., )], ..., , ( [ )], ..., , ( [ { = } {
: onde ,
2
} { + } {
= } {
1 + -
1 + 2 1
1 + -
1 + 2 1
L
M
S S MAX
S S MAX S S MAX MIN S MINIMAX
S S MIN
S S MIN S S MIN MAX S MAXIMIN
S MINIMAX S MAXIMIN
S PMED
L M L
M M L
L M L
M M L
L L
L
(4.6)
O captulo 1 de [Dougherty 1994] trata do filtro da mediana com grande rigor matemtico,
abordando-o tanto sob o enfoque estatstico quanto algbrico.
(a) (b)
Figura 8 - (a) Imagem original; (b) imagem contaminada por rudo impulsivo (sal e pimenta);
(c) resultado da filtragem pelo filtro da mediana com mscara 3x3; (d) resultado da filtragem
pelo filtro da mdia com mscara 3 x 3.
Brasport, 1999. ISBN 8574520098.
92
(c) (d)
(a) (b)
Figura 9 - (a) Imagem original; (b) imagem contaminada por rudo gaussiano; (c) resultado da
filtragem pelo filtro da mediana com mscara 3x3; (d) resultado da filtragem pelo filtro da
mdia com mscara 3 x 3.
Brasport, 1999. ISBN 8574520098.
93
(c) (d)
Figura 9 Continuao.
4.2.4 Outros filtros
Existem diversos outros filtros espaciais para suavizao de imagens, propostos e publicados
por pesquisadores de todo o mundo nos ltimos anos. Nesta seo destacaremos dois deles: o
filtro da mdia de mltiplas imagens e o filtro da mdia dos k vizinhos mais prximos.
Mdia de mltiplas imagens
Seja uma imagem ruidosa g(x,y) = f(x,y)+q(x,y) onde f(x,y) a imagem original e q(x,y) um
padro de rudo aditivo de mdia zero e descorrelacionado, que se sobrepe imagem. Supondo
tambm a existncia de M imagens ruidosas, cada qual adquirida em um instante diferente,
pode-se calcular uma imagem mdia:
g x y
M
g x y
i
i
M
( , ) ( , ) =
=
_
1
1
(4.7)
na qual a influncia do rudo ter sido minimizada.
Pode-se mostrar que:
E g x y f x y
M
M
g x y
x y
g x y x y
{ ( , )} ( , )
( , )
( , )
( , ) ( , )
=
=
=
o o
o o
q
q
1
1
2 2
(4.8)
(4.9)
(4.10)
Brasport, 1999. ISBN 8574520098.
94
onde E g x y { ( , )} o valor esperado de g x y ( , ) , o
2
g x y ( , ) e o q
2
( , ) x y so, respectivamente, as
varincias da imagem filtrada e do rudo aditivo, enquanto o
g x y ( , )
e o
q( , ) x y
so seus
respectivos desvios-padro.
As equaes (4.8) a (4.10) nos permitem concluir que quanto maior for o valor de M,
menor a varincia (e portanto o desvio padro) dos pixels de g x y ( , ) e mais a imagem
g x y ( , ) ir se aproximar de f(x,y).
Esta tcnica opera de forma igualmente satisfatria para rudo gaussiano ou aleatrio,
quando o nmero de imagens utilizadas no clculo da imagem mdia significativo, devido ao
Teorema do Limite Central, que estabelece que a soma de um grande nmero de termos
representando rudos aleatrios tende a produzir um rudo resultante do tipo gaussiano e
independente dos tipos dos rudos includos naquela soma.
A figura 10 apresenta um exemplo de uso da tcnica da mdia de mltiplas imagens
para reduo de rudo.
(a) (b) (c)
(d) (e) (f)
Figura 10 - Exemplo de reduo de rudos usando mdia de mltiplas imagens: (a) imagem
ruidosa; (b)-(f) resultados para M = 2, 4, 8, 16 e 32 imagens.
Mdia dos k vizinhos mais prximos
Esta tcnica, descrita em [Davis e Rosenfeld 1978], consiste em uma variao do mtodo de
filtragem pela mdia, na qual o pixel central da janela substitudo pela mdia dos k vizinhos
cujas amplitudes mais se aproximam da amplitude do pixel central. Seu objetivo
deliberadamente evitar incluir no clculo da mdia valores que possam estar sob a janela em
decorrncia de bordas ou regies de alto contraste. Quanto maior o valor de k, mais o
desempenho deste filtro se aproximar do filtro da mdia.
Brasport, 1999. ISBN 8574520098.
95
Exerccio resolvido
Considere o trecho de imagem digital a seguir, representado por uma matriz 5 x 5. Seja o pixel
central o pixel de referncia. Fornea o valor resultante do pixel central caso a imagem seja
processada:
a) pelo algoritmo da filtragem pela mediana utilizando janela 3 x 3.
b) pelo algoritmo da mdia utilizando janela 5 x 5.
c) pela mdia dos k vizinhos mais prximos, utilizando janela 5 x 5, sendo k = 9.
d) pelo algoritmo da pseudomediana utilizando janela 3 x 3.
121 20 198 84 4
87 188 189 99 8
88 115 134 49 19
16 18 187 98 9
12 103 15 176 38
Soluo:
a) Os 9 elementos sob a janela 3 x 3 so: {188, 189, 99, 115, 134, 49, 18, 187, 98}. Ordenando
esta lista, temos: {18, 49, 98, 99, 115, 134, 187, 188, 189}. Logo, o elemento mediano 115.
b) Calculando a mdia dos 25 pixels sob a mscara, obtemos: 83.
c) Os 9 vizinhos do pixel central cujos nveis de cinza mais se aproximam do valor 134 so:
{121, 84, 87, 99, 88, 115, 98, 103, 176}. Calculando a mdia desses valores, obtemos: 107,889
~ 108.
d) Neste caso, L = 9, logo M = 5. Portanto:
MAXIMIN{S
9
} = MAX{ MIN(188, 189, 99, 115, 134), MIN(189, 99, 115, 134, 49), MIN(99,
115, 134, 49, 18), MIN(115, 134, 49, 18, 187), MIN(134, 49, 18, 187, 98) } = MAX(99, 49, 18,
18, 18) = 99
MINIMAX{S
9
} = MIN{ MAX(188, 189, 99, 115, 134), MAX(189, 99, 115, 134, 49), MAX(99,
115, 134, 49, 18), MAX(115, 134, 49, 18, 187), MAX(134, 49, 18, 187, 98) } = MIN(189, 189,
134, 187, 187) = 134
PMED{S
9
} = (99 + 134) / 2 = 116,5 ~ 117. (Resultado prximo do obtido no item (a)).
O captulo 3 de [Pavlidis 1982] apresenta conceitos e algoritmos de filtragem (linear ou no-
linear) no domnio espacial.
Diversas outras tcnicas de filtragem no domnio espacial so resenhadas em [Arajo
1989].
4.3 Realce de imagens no domnio espacial
O principal objetivo das tcnicas de realce o de destacar detalhes finos na imagem. Nesta
seo apresentaremos trs mtodos de realce de imagens no domnio espacial, a saber: filtro
passa-altas bsico, realce por diferenciao e nfase em alta freqncia.
4.3.1 Filtro passa-altas bsico
O formato da resposta ao impulso de um filtro passa-altas (figura 3(b)) deve ser tal que a
mscara correspondente apresente coeficientes positivos nas proximidades de seu centro e
negativos longe dele. No caso de uma mscara 3 x 3, isto significa projetar uma mscara com
pixel central positivo e todos seus oito vizinhos negativos. Um exemplo de mscara com estas
caractersticas apresentado na figura 11. Pode-se notar que a soma algbrica dos coeficientes
desta mscara zero, significando que quando aplicada a regies homogneas de uma imagem,
o resultado ser zero ou um valor muito baixo, o que consistente com o princpio da filtragem
Brasport, 1999. ISBN 8574520098.
96
passa-altas. A figura 12 mostra um exemplo de resultado de aplicao da mscara da figura 11 a
uma imagem monocromtica.
1
9
1 1 1
1 8 1
1 1 1

(
(
(
Figura 11 - Exemplo de mscara para filtragem espacial passa-altas.
(a) (b)
Figura 12 - (a) Imagem original; (b) imagem resultante aps filtragem passa-altas com a
mscara da figura 11.
4.3.2 Realce por diferenciao
Sabendo-se que o clculo da mdia dos pixels em um trecho de imagem produz como efeito a
remoo de seus componentes de alta freqncia e que o conceito de mdia anlogo
operao de integrao, razovel esperar que a diferenciao produza o efeito oposto e,
portanto, enfatize os componentes de alta freqncia presentes em uma imagem. O mtodo mais
usual de diferenciao em aplicaes de processamento de imagens o gradiente. Em termos
contnuos, o gradiente de f(x,y) em um certo ponto (x,y) definido como o vetor:
V =
(
(
(
(
f
c
c
c
c
f
x
f
y
(4.11)
A magnitude deste vetor dada por:
Brasport, 1999. ISBN 8574520098.
97
( ) V = V =
|
\
|
.
| +
|
\
|
.
| f mag
f
x
f
y
f
c
c
c
c
2 2
(4.12)
e utilizada por vrias tcnicas de realce de imagens por diferenciao.
Para uma imagem digital, o gradiente pode ser aproximado por:
G f x y f x y f x y f x y f x y
[ ( , )] {[ ( , ) ( , )] [ ( , ) ( , )] }
[ ( , )] | ( , ) ( , )| | ( , ) ( , )|
/
~ + + +
~ + + +
1 1
1 1
2 2 1 2
ou por:
(4.13)
(4.14)
Outra aproximao, conhecida como gradiente de Roberts, utiliza as diferenas cruzadas, isto ,
na diagonal:
[ ( , )] {[ ( , ) ( , )] [ ( , ) ( , )] }
[ ( , )] | ( , ) ( , )| | ( , ) ( , )|
/
~ + + + + +
~ + + + + +
1 1 1 1
1 1 1 1
2 2 1 2
ou :
(4.15)
(4.16)
As equaes (4.14) e (4.16) podem ser implementadas usando mscaras de tamanho 2 x 2, como
as mostradas na figura 13, ou de dimenses 3 x 3, como por exemplo os operadores de Prewitt e
Sobel, apresentados na Seo 2.4.
1 -1
0 0
1 0
-1 0
(a)
1 0
0 -1
0 1
-1 0
(b)
Figura 13 - Implementao do gradiente usando mscara 2 x 2: (a) gradiente convencional; (b)
gradiente de Roberts.
4.3.3 Filtragem high-boost
A filtragem passa-altas tambm pode ser obtida subtraindo de uma imagem original uma verso
filtrada por um filtro passa-baixas, ou seja:
Passa-altas = Original - Passa-baixas (4.17)
O filtro high-boost ou tcnica da nfase em alta freqncia nada mais que uma extenso da
idia original formulada na equao (4.17), na qual a imagem original multiplicada por um
fator de amplificao A:
High-boost = (A) (Original) - Passa-baixas
= (A - 1) (Original) + Original - Passa-baixas
= (A - 1) (Original) + Passa-altas.
(4.18)
Brasport, 1999. ISBN 8574520098.
98
Quando A = 1, o filtro se comporta de forma idntica a um passa-altas. Nos casos em que A > 1,
parte da imagem original adicionada ao resultado, restaurando parcialmente os componentes
de baixa freqncia. O resultado uma imagem que se parece com a original, com um grau
relativo de realce das bordas, dependente do valor de A. O processo genrico de subtrao de
uma imagem borrada da imagem original conhecido na literatura como unsharp masking.
A nfase em alta freqncia pode ser implementada utilizando a mscara da figura 14,
na qual
w = 9 A - 1 (4.19)
com A > 1. A figura 15 mostra o efeito da variao de A no resultado final da filtragem.
1
9
1 1 1
1 1
1 1 1

(
(
(
w
Figura 14 - Mscara usada para filtragem high-boost.
(a) (b)
Figura 15 - (a) imagem original; resultados da filtragem high-boost com a mscara da figura 14
para (b) A = 1,1, (c) A = 1,15 e (d) A = 1,2, respectivamente.
Filtr agem, Realce e Suavizao de Imagens 99
Brasport, 1999. ISBN 8574520098.
(c) (d)
4.4 Transformada de Fourier
Esta seo apresenta de forma sucinta os principais conceitos e propriedades da transformada de
Fourier (FT), ferramenta matemtica obrigatria para a especificao e projeto de filtros no
domnio da freqncia.
4.4.1 Transformada de Fourier para sinais unidimensionais (1-D) contnuos
Seja f(x) uma funo contnua da varivel real x. A transformada de Fourier (FT) de f(x),
indicada por { } f x ( ) , definida pela equao
{ } | |
= =
)
f x F u f x j ux dx ( ) ( ) ( ) exp 2t
(4.20)
onde j = 1 .
Dado F(u), f(x) pode ser obtida calculando-se a transformada inversa de Fourier (IFT)
{ } | |
= =
)
1
2 F u f x F u j ux du ( ) ( ) ( ) exp t
(4.21)
As equaes (4.20) e (4.21), chamadas conjuntamente de 'par de Fourier', existem se f(x) for
contnua e integrvel e F(u) for integrvel. Na prtica, estas condies so quase sempre
satisfeitas.
Brasport, 1999. ISBN 8574520098.
100
A FT de uma funo real , geralmente, um valor complexo
1
, ou seja,
F u R u jI u ( ) ( ) ( ) = + (4.22)
onde R(u) e I(u) so, respectivamente, os componentes reais e imaginrios de F(u). F(u) tambm
pode ser representada exponencialmente atravs da equao
F u F u e
j u
( ) ( )
( )
=
|
(4.23)
onde a componente de magnitude F u ( ) denominada 'espectro de Fourier' de f(x) e |(u) seu
ngulo de fase. A figura 16 mostra um exemplo de funo unidimensional simples (pulso
retangular de amplitude A) e seu respectivo espectro de Fourier.
0 X
A
x
f(x)
(a)
0 -1 -2 -3 -4 1 2 3 4
X X X X X X X X
AX
u
|F(u)|
(b)
Figura 16 - Uma funo unidimensional contnua simples e seu respectivo espectro de Fourier.
4.4.2 Transformada de Fourier para sinais bidimensionais (2-D) contnuos
O conceito de transformada de Fourier pode ser facilmente estendido para uma funo de duas
variveis f(x,y). Se f(x,y) contnua e integrvel e F(u,v) integrvel, ento o par de Fourier a
seguir existe:
{ } | |
= = +
) )
f x y F u v f x y j ux vy dx dy ( , ) ( , ) ( , ) exp ( ) 2t
(4.24)
e
{ } | |
= = +
) )
1
2 F u v f x y F u v j ux vy dx dy ( , ) ( , ) ( , ) exp ( ) t
(4.25)
Assim como no caso 1-D, F(u,v) complexa e sua amplitude, F u v ( , ) , denominada espectro
de Fourier.
A figura 17 mostra uma funo bidimensional contnua e seu respectivo espectro de
Fourier, representado de duas maneiras: em perspectiva tridimensional (figura 17(b)) e como

1
Convm notar que uma imagem um conjunto de nmeros reais, porm a FT opera igualmente para
conjuntos de nmeros complexos.
Brasport, 1999. ISBN 8574520098.
uma funo de intensidade, na qual o brilho proporcional amplitude de F u v ( , ) (figura
17(c)).
X Y
A
f(x,y)
x y
(a)
|F(u,v)|
u v
(b)
(c)
Figura 17 - Uma funo bidimensional contnua (a), seu espectro de Fourier (b) e o espectro
representado como uma funo de intensidade (c).
4.4.3 Transformada de Fourier para sinais unidimensionais (1-D) discretos
Supondo que uma funo contnua f(x) seja discretizada, produzindo a seqncia
| | { }
f x f x x f x x f x N x ( ), ( ), ( ),..., ( )
0 0 0 0
2 1 + + + A A A
atravs da amostragem de N pontos, espaados entre si de Ax.
Denominando a funo discreta f(n),
) ( ) (
0
x n x f n f A + =
(4.26)
onde n pode assumir os valores discretos 0, 1, 2, ..., N-1, podemos interpretar a seqncia {f(0),
f(1), f(2), ..., f(N-1)} como qualquer seqncia de N amostras consecutivas do sinal original
contnuo f(x), uniformemente espaadas.
A transformada de Fourier de f(n) ser:
_
=
(
=
1
0
2
exp ) (
1
) (
N
n
N
un j
n f
N
u F
t
(4.27)
para u = 0, 1, 2, ..., N-1 e a transformada inversa de Fourier de F(u) ser:
Brasport, 1999. ISBN 8574520098.
102
_
=
(
=
1
0
2
exp ) (
1
) (
N
u
N
un j
u F
N
n f
t
(4.28)
para n = 0, 1, 2, ..., N-1.
Os valores u = 0, 1, 2, ..., N-1 na transformada discreta de Fourier (eq. 4.27)
correspondem a amostras dos valores da transformada do sinal contnuo nos pontos 0, Au, 2Au,
..., (N-1)Au. Em outras palavras, F(u) representa F(uAu). Portanto, os intervalos de espaamento
entre as amostras do sinal e de sua transformada esto relacionados atravs da expresso
A
A
u
N x
=
1
(4.29)
4.4.4 Transformada de Fourier para sinais bidimensionais (2-D) discretos
Seja agora uma funo contnua bidimensional f(x,y), discretizada em M amostras ao longo de x
e N amostras ao longo de y. Neste caso, sua transformada discreta de Fourier ser:
F u v
MN
f x y j
ux
M
vy
N
y
N
x
M
( , ) ( , ) exp = +
|
\
|
.
|
(
=
_ _
1
2
0
1
0
1
t
(4.30)
para u = 0, 1, 2, ..., M-1, v = 0, 1, 2, ..., N-1.
A transformada inversa dada por:
f x y F u v j
ux
M
vy
N
v
N
u
M
( , ) ( , ) exp = +
|
\
|
.
|
(
=
_ _
2
0
1
0
1
t
(4.31)
O processo de amostragem da funo bidimensional contnua f(x,y) pode ser visto como uma
grade 2-D, com impulsos unitrios espaados de Ax e Ay, nos eixos x e y respectivamente. A
funo f(x,y) discretizada (utilizada nas eqs. 4.30 e 4.31) representa as amostras de f(x,y)
contnua original em pontos espaados entre si de Ax e Ay, nos respectivos eixos. Os intervalos
de amostragem nos domnios espacial e freqencial esto relacionados entre si por:
A
A
u
M x
=
1
(4.32)
e
A
A
v
N y
=
1
(4.33)
Para o caso particular em que M= N, as equaes (4.30) e (4.31) podem ser reescritas como:
F u v
N
f x y j
ux vy
N
y
N
x
N
( , ) ( , ) exp =
+
|
\
|
.
|
(
=
_ _
1
2
0
1
0
1
t
(4.34)
e
Brasport, 1999. ISBN 8574520098.
f x y
N
F u v j
ux vy
N
v
N
u
N
( , ) ( , ) exp =
+
|
\
|
.
|
(
=
_ _
1
2
0
1
0
1
t
(4.35)
Notar que o termo 1 / MN foi desmembrado em dois termos 1 / N, um em cada equao, uma
vez que o agrupamento ou desmembramento destas constantes multiplicativas arbitrrio.
4.4.5 Propriedades da transformada de Fourier para sinais bidimensionais (2-D)
discretos
Existem diversas propriedades da FT 2-D de grande interesse para o processamento de imagens.
Muitas delas so derivaes de propriedades semelhantes da FT 1-D e o leitor familiarizado
com processamento de sinais unidimensionais ir facilmente reconhec-las. Outras s fazem
sentido no caso 2-D, como a propriedade da separabilidade.
Separabilidade
O par de Fourier das eqs. (4.34) e (4.35) pode ser decomposto em
F u v
N
j ux
N
f x y
j vy
N
y
N
x
N
( , ) exp ( , ) exp =
(
=
_ _
1 2 2
0
1
0
1
t t
(4.36)
para u, v = 0, 1, 2, ..., N-1, e
f x y
N
j ux
N
F u v
j vy
N
v
N
u
N
( , ) exp ( , ) exp =
(
=
_ _
1 2 2
0
1
0
1
t t
(4.37)
para x, y = 0, 1, 2, ..., N-1.
A principal vantagem desta decomposio permitir que a FT ou a IFT 2-D possa ser
obtida atravs de duas aplicaes do algoritmo da FT ou IFT 1-D. Esta vantagem se torna
evidente ao reescrevermos a eq. (4.36) da seguinte forma:
F u v
N
F x v
j ux
N
x
N
( , ) ( , ) exp =
(
=
_
1 2
0
1
t
(4.38)
onde
F x v N
N
f x y
j vy
N
y
N
( , ) ( , ) exp =
(
=
_
1 2
0
1
t
(4.39)
Para cada valor de x, a expresso entre colchetes da eq. (4.39) uma transformada 1-D, com
valores de freqncia v = 0, 1, 2, ..., N-1. Portanto, a funo 2-D F(x,v) obtida calculando-se a
transformada ao longo de cada linha de f(x,y) e multiplicando o resultado por N. O resultado
final, F(u,v) ser obtido mediante uma nova aplicao da FT 1-D, desta vez ao longo das
colunas do resultado intermedirio F(x,v), como indica a eq. (4.38). Este procedimento
ilustrado na figura 18. Sua principal vantagem prtica a possibilidade de aproveitar todas as
otimizaes j publicadas sobre o algoritmo da Transformada Rpida de Fourier (FFT - Fast
Fourier Transform), aplicando seus resultados a problemas bidimensionais.
Brasport, 1999. ISBN 8574520098.
104
f(x,y) F(x,v) F(u,v)
Li nhas Col unas
Multi pli cao
por N
Figura 18 - Clculo da transformada de Fourier 2-D a partir de duas aplicaes do algoritmo da
transformada 1-D.
Translao
As propriedades de translao do par de Fourier bidimensional so resumidas nas relaes:
( )
( ) f x y
j u x v y
N
F u u v v ( , ) exp ,
2
0 0
0 0
t +
(

(4.40)
e
( )
( )
f x x y y F u v
j ux vy
N
( , ) , exp
+
( 0 0
0 0
2t
(4.41)
onde as setas duplas indicam a correspondncia entre uma funo e sua FT e vice-versa.
Para o caso particular em que u v
N
0 0
2
= = , a relao (4.40) se reduz a:
( ) f x y F u
N
v
N x y
( , ) ,
|
\
|
.
|
+
1
2 2
(4.42)
O deslocamento expresso na relao (4.42) utilizado com bastante freqncia para uma melhor
visualizao do resultado da FT de uma imagem. Pode-se provar que tal deslocamento no
altera a componente de magnitude da transformada resultante.
Periodicidade e simetria conjugada
A transformada discreta de Fourier e sua inversa so peridicas, com perodo N. Ou seja,
F u v F u N v F u v N F u N v N ( , ) ( , ) ( , ) ( , ) = + = + = + + (4.43)
Se f(x,y) real, sua transformada de Fourier exibe tambm a propriedade conhecida como
simetria conjugada:
F u v F u v ( , ) ( , )
*
=
(4.44)
ou
F u v F u v ( , ) ( , ) =
(4.45)
onde F*(u,v) o conjugado complexo de F(u,v).
A combinao das propriedades da translao e da periodicidade e a convenincia de
sua utilizao para fins de visualizao podem ser ilustradas na figura 19.
Brasport, 1999. ISBN 8574520098.
(a) (b)
(c)
Figura 19 - (a) Imagem simples; (b) FT sem deslocamento; (c) FT aps deslocamento para o
centro do retngulo de referncia.
Distributividade
A FT obedece propriedade distributiva para a adio, mas no para a multiplicao, ou seja:
{ } { } { } + = + f x y f x y f x y f x y
1 2 1 2
( , ) ( , ) ( , ) ( , )
(4.46)
e, em geral,
{ } { } { } = f x y f x y f x y f x y
1 2 1 2
( , ). ( , ) ( , ) . ( , )
(4.47)
Rotao
Em poucas palavras, a propriedade da rotao estabelece que, se uma imagem f(x,y) for
rotacionada de um certo ngulo u
0
, sua transformada, F(u,v), ser rotacionada do mesmo ngulo.
A figura 20 ilustra este conceito.
Brasport, 1999. ISBN 8574520098.
106
(a) (b)
(c) (d)
Figura 20 - (a) imagem original; (b) FT de (a); (c) imagem rotacionada; (d) FT de (c).
Escala
Sejam dois escalares a e b. Pode-se mostrar que:
( ) af x y aF u v ( , ) ,
(4.48)
e
f ax by
ab
F
u
a
v
b
( , ) ,
|
\
|
.
|
1
(4.49)
Valor mdio
O valor mdio de uma funo bidimensional f(x,y) dado por:
f x y
N
f x y
y
N
x
N
( , ) ( , ) =
=
_ _
1
2
0
1
0
1
(4.50)
Substituindo u = v = 0 na eq. (4.36), obtemos
Brasport, 1999. ISBN 8574520098.
F
N
f x y
y
N
x
N
( , ) ( , ). 0 0
1
0
1
0
1
=
=
_ _
(4.51)
Logo, o valor mdio de uma funo 2-D est relacionado sua FT atravs da relao
f x y
N
F ( , ) ( , ). =
1
0 0
(4.52)
Laplaciano
O laplaciano de uma funo de duas variveis f(x,y) definido como:
V = +
2
2
2
2
2
f x y
f
x
f
y
( , )
c
c
c
c
(4.53)
A FT do laplaciano de uma funo bidimensional :
{ }
( ) ( )
V +
2
2
2 2
2 f x y u v F u v ( , ) ( , ) t
(4.54)
O laplaciano um operador til no processo de deteo de bordas, como indicado na Seo 2.4.
Convoluo
O teorema da convoluo, que no caso de funes unidimensionais pode ser resumido pelos
pares de Fourier das eqs. (4.55) e (4.56), tambm pode ser estendido ao caso bidimensional,
conforme indicado nas eqs. (4.57) e (4.58). Nestas equaes, a operao de convoluo
denotada por um asterisco.
f x g x F u G u ( ) * ( ) ( ) ( ) (4.55)
f x g x F u G u ( ) ( ) ( ) * ( ) (4.56)
f x y g x y F u v G u v ( , ) * ( , ) ( , ) ( , ) (4.57)
f x y g x y F u v G u v ( , ) ( , ) ( , ) * ( , ) (4.58)
4.4.6 A Transformada Rpida de Fourier (FFT)
Trata-se de um algoritmo cujo principal objetivo reduzir o custo computacional do clculo da
FT de N pontos, substituindo o processo convencional de clculo, no qual o nmero de
multiplicaes e adies proporcional a N
2
por um engenhoso arranjo que combina diversas
transformadas parciais, cada qual com pequeno nmero de pontos, em que o nmero de adies
e multiplicaes proporcional a Nlog
2
N. Para se poder apreciar a diferena em velocidade
entre os algoritmos, pode-se supor N = 512 pontos, verificando que neste caso a FFT mais de
56 vezes mais rpida. O detalhamento do algoritmo da FFT e seus diversos aprimoramentos
foge ao escopo deste livro. O leitor interessado encontrar boas referncias logo a seguir.
Brasport, 1999. ISBN 8574520098.
108
A transformada de Fourier assunto suficientemente extenso para merecer ser abordado em um
livro inteiro, como o caso de [Papoulis 1962]. Ao leitor interessado em mais detalhes sobre a
FT em uma ou duas dimenses indicamos, alm do livro citado, o livro de Brigham [Brigham
1974], os captulos 2 a 6 de [Enden e Verhoeckx 1989], os captulos 4 e 5 de [Oppenheim et al.
1983], o captulo 3 de [Gonzalez e Woods 1992] e os captulos 1 e 3 de [Lim 1990].
O captulo 2 de [Pavlidis 1982] apresenta algoritmo para clculo da Transformada
Rpida de Fourier (FFT) 1-D. Maiores consideraes algortmicas sobre a FFT para uma ou
mais dimenses so encontradas no captulo 12 de [Press et al. 1994].
4.5 Filtragem no domnio da freqncia
Conforme antecipamos na Seo 4.1.2, a idia bsica dos filtros no domnio da freqncia est
em computar a FT da imagem a ser filtrada, multiplicar este resultado pela funo de
transferncia do filtro e extrair a IFT do resultado.
4.5.1 Filtro passa-baixas (FPB)
Sendo F(u,v) a transformada de Fourier da imagem a ser processada e sendo G(u,v) a
transformada de Fourier da imagem que se deseja obter sada (com os componentes de alta
freqncia atenuados), a filtragem passa-baixas consiste em encontrar um H(u,v) tal que:
G u v F u v H u v ( , ) ( , ) ( , ) = (4.59)
Filtro passa-baixas ideal
Um filtro passa-baixas 2-D ideal aquele cuja funo de transferncia satisfaz a relao
H u v
D u v D
D u v D
( , )
( , )
( , )
=
s
>
1
0
0
0
se
se
(4.60)
onde D
0
um valor no-negativo (anlogo freqncia de corte de um filtro 1-D), e D(u,v) a
distncia do ponto (u,v) origem do plano de freqncia; isto ,
( )
D u v u v ( , )
/
= +
2 2
1 2
(4.61)
A figura 21 mostra a resposta em freqncia de um filtro passa-baixas 2-D ideal, H(u,v), tanto
em perspectiva 3-D (a) quanto em corte (b).
Brasport, 1999. ISBN 8574520098.
(a)
H(u,v)
D(u,v)
(b)
Figura 21 - Resposta em freqncia de um filtro passa-baixas ideal.
(a)
(b)
Figura 22 - (a) Imagem 512 x 512 e (b) seu respectivo espectro de Fourier. Os anis sobrepostos
ao espectro indicam as freqncias de corte dos filtros passa-baixas correspondentes.
Brasport, 1999. ISBN 8574520098.
110
(a) (b)
(c)
(d)
(e) (f)
Figura 23 - (a) Imagem original; (b) - (f) resultados da aplicao de filtro passa-baixas ideal com
freqncia de corte correspondente aos raios indicados na figura 22(b), a saber: 8, 16, 32, 64 e
128 pixels.
Brasport, 1999. ISBN 8574520098.
Muito embora a abrupta transio entre banda de passagem e banda de rejeio do filtro
passa-baixas ideal no possa ser implementada fisicamente utilizando componentes eletrnicos,
ela pode certamente ser simulada por computador. A figura 22 mostra uma imagem de 256 x
256 pixels e seu espectro de Fourier, indicando sobre ele diversos anis cujos raios so
proporcionais s freqncias de corte dos filtros passa-baixas correspondentes. Os raios
escolhidos neste caso foram: 8, 16, 32, 64 e 128 pixels, correspondendo respectivamente a
7,8%, 13,5%, 23,9%, 45,9% e 90,9% da informao contida no espectro original. Quanto menor
o raio, menor a freqncia de corte e, portanto, maior o grau de borramento da imagem
resultante. A figura 23 apresenta exemplos de filtros passa-baixas de diferentes freqncias de
corte aplicados a uma mesma imagem original.
Filtro passa-baixas Butterworth
Um filtro passa-baixas realizvel em hardware o filtro Butterworth. Um filtro Butterworth de
ordem n e com freqncia de corte a uma distncia D
0
da origem possui funo de transferncia
dada pela equao
| |
H u v
D u v D
n
( , )
( , ) /
=
+
1
1
0
2
(4.62)
onde D(u,v) dado pela eq. (4.61). A figura 24 mostra a resposta em freqncia de um filtro
passa-baixas 2-D Butterworth, H(u,v), tanto em perspectiva 3-D (a) quanto em corte (b).
(a)
H(u,v)
D(u,v)
(b)
Figura 24 - Resposta em freqncia de um filtro passa-baixas Butterworth.
Ao contrrio do filtro passa-baixas ideal, o filtro de Butterworth no possui uma
transio abrupta entre banda de passagem e banda de rejeio e, portanto, necessrio
estabelecer alguma conveno para determinar o valor exato da freqncia de corte do filtro.
Um valor comumente usado para determinar quando D(u,v) = D
0
0,707 do valor mximo de
H(u,v).
Brasport, 1999. ISBN 8574520098.
112
(a) (b)
(c) (d)
(e)
(f)
Figura 25 - (a) Imagem original; (b) - (f) resultados da aplicao de filtro passa-baixas
Butterworth com freqncia de corte correspondente aos raios indicados na figura 22(b), a
saber: 8, 16, 32, 64 e 128 pixels.
Brasport, 1999. ISBN 8574520098.
A figura 25 apresenta exemplos de filtros passa-baixas Butterworth de diferentes
freqncias de corte aplicados a uma mesma imagem original. Atravs dela possvel perceber
que a reduo de informao obtida com um filtro Butterworth significativamente menor que
aquela obtida com um filtro ideal de mesmo raio.
A figura 26 mostra um exemplo de utilizao de filtro passa-baixas Butterworth de 2
ordem para reduo do efeito indesejvel de falsos contornos (ver Seo 2.1). J a figura 27
ilustra o uso de um FPB Butterworth semelhante, desta vez para remoo de rudo.
(a) (b)
Figura 26 - Exemplo de aplicao de filtragem passa-baixas para suavizao do efeito de falsos
contornos.
(a) (b)
Figura 27 - Exemplo de aplicao de filtragem passa-baixas para reduo de rudo em imagens.
4.5.2 Filtro passa-altas (FPA)
O objetivo do uso de filtros passa-altas em imagens o realce de suas regies de alta freqncia,
tais como bordas e/ou texturas ricas em variaes abruptas de nveis de cinza. Para o projeto de
Brasport, 1999. ISBN 8574520098.
114
filtros passa-altas no domnio da freqncia, aplicam-se as mesmas consideraes feitas para os
filtros passa-baixas, com a exceo, bvia, do comportamento em freqncia desejado.
Filtro passa-altas ideal
Um filtro passa-altas 2-D ideal aquele cuja funo de transferncia satisfaz a relao
H u v
D u v D
D u v D
( , )
( , )
( , )
=
s
>
0
1
0
0
se
se
(4.63)
onde D
0
a 'distncia de corte' do filtro e D(u,v) a distncia do ponto (u,v) origem do plano
de freqncia, dada pela eq. (4.61).
A figura 28 mostra a resposta em freqncia de um filtro passa-altas 2-D ideal, H(u,v),
tanto em perspectiva 3-D (a) quanto em corte (b). Assim como o FPB ideal, o FPA ideal no
fisicamente realizvel.
(a)
H(u,v)
D(u,v)
(b)
Figura 28 - Resposta em freqncia de um filtro passa-altas ideal.
Filtro passa-altas Butterworth
Um FPA Butterworth de ordem n e com freqncia de corte a uma distncia D
0
da origem
possui funo de transferncia dada pela equao
| |
H u v
D D u v
n
( , )
/ ( , )
=
+
1
1
0
2
(4.64)
onde D(u,v) dado pela eq. (4.61). A figura 29 mostra a resposta em freqncia de um FPA 2-D
Butterworth, H(u,v), tanto em perspectiva 3-D (a) quanto em corte (b). A exemplo do FPB
Brasport, 1999. ISBN 8574520098.
Butterworth, um valor comumente usado para determinar a freqncia de corte de um FPA
Butterworth 0,707 do valor mximo de H(u,v).
(a)
H(u,v)
D(u,v)
(b)
Figura 29 - Resposta em freqncia de um filtro passa-altas Butterworth.
A filtragem passa-altas usando um filtro Butterworth apresenta como desvantagem a
excessiva atenuao dos componentes de baixa freqncia. Este problema solucionado com a
tcnica denominada 'nfase em alta freqncia', que consiste basicamente em adicionar uma
constante funo de transferncia do filtro passa-altas de modo a preservar os componentes de
baixa freqncia (ver Seo 4.3). A tcnica de nfase em alta freqncia sozinha no produz um
resultado muito melhor que o da filtragem passa-altas convencional; porm, a aplicao da
nfase em alta freqncia seguida da equalizao de histograma pode produzir melhores
resultados, como ilustra a figura 30.
4.5.3 Filtragem homomrfica
O modelo iluminncia-refletncia apresentado na Seo 2.1 pode ser usado como base para uma
tcnica de filtragem no domnio da freqncia que til para aprimorar a qualidade de uma
imagem atravs da compresso da faixa dinmica de brilho simultaneamente com o aumento de
contraste.
A formulao matemtica dos filtros homomrficos parte da equao que relaciona uma
imagem f(x,y) com suas componentes de iluminncia e refletncia:
f x y i x y r x y ( , ) ( , ) ( , ) = (4.65)
Utilizando propriedades de logaritmos podemos definir uma funo z(x,y) dada por:
z x y f x y
i x y r x y
( , ) ln ( , )
ln ( , ) ln ( , ).
=
= +
(4.66)
Brasport, 1999. ISBN 8574520098.
116
(a) (b)
(c) (d)
Figura 30 - Exemplo de filtragem passa-altas: (a) imagem original; (b) imagem processada com
filtro Butterworth passa-altas; (c) resultado da nfase em alta-freqncia; (d) nfase em alta
freqncia seguida de equalizao de histograma.
Ento, aplicando a propriedade distributiva da FT:
{ } { }
{ } { }
=
= +
z x y f x y
i x y r x y
( , ) ln ( , )
ln ( , ) ln ( , ) .
(4.67)
ou
Z u v I u v R u v ( , ) ( , ) ( , ). = + (4.68)
onde I(u,v) e R(u,v) so as FTs de ln i(x,y) e de ln r(x,y), respectivamente.
Se Z(u,v) for processada por um filtro de funo de transferncia H(u,v), a transformada
de Fourier do resultado, S(u,v), ser:
Brasport, 1999. ISBN 8574520098.
S u v H u v Z u v
H u v I u v H u v R u v
( , ) ( , ) ( , )
( , ) ( , ) ( , ) ( , ).
=
= +
(4.69)
No domnio espacial,
{ }
{ } { }
s x y S u v
H u v I u v H u v R u v
( , ) ( , )
( , ) ( , ) ( , ) ( , ) .
=
= +

1
1 1
(4.70)
Denominando
{ } i x y H u v I u v ' ( , ) ( , ) ( , ) =
1
(4.71)
e
{ } r x y H u v R u v ' ( , ) ( , ) ( , ) . =
1
(4.72)
podemos representar a eq. (4.70) sob a forma
s x y i x y r x y ( , ) ' ( , ) ' ( , ). = + (4.73)
Finalmente, como z(x,y) foi obtida extraindo-se o logaritmo natural da imagem original f(x,y), a
operao inversa fornecer sada a imagem filtrada g(x,y). Este mtodo de filtragem est
resumido na figura 31.
l n exp FFT IFFT H(u,v)
f(x,y) g(x,y)
Figura 31 - Diagrama em blocos ilustrativo da filtragem homomrfica.
H
L
H(u,v)
D(u,v)
Figura 32 - Vista em corte da funo de transferncia H(u,v) de um filtro homomrfico
simtrico.
Na escolha da funo de transferncia H(u,v) costuma-se buscar uma resposta em
freqncia que atenue as baixas freqncias (associadas componente de iluminncia) e realce
as altas freqncias (associadas componente de refletncia). A figura 32 mostra em corte um
exemplo de funo de transferncia H(u,v) em funo de D(u,v) (distncia a partir da origem do
par de coordenadas (u,v)). A especificao completa de H(u,v) obtida rotacionando a seo
Brasport, 1999. ISBN 8574520098.
118
transversal 360 ao redor do eixo vertical. Se os parmetros
H
e
L
forem escolhidos de tal
maneira que
H
> 1 e
L
< 1, o filtro resultante tender a atenuar as componentes de baixa
freqncia e realar as de alta freqncia, provocando uma compresso da faixa dinmica de
brilho simultaneamente com o aumento de contraste. O resultado da aplicao de um filtro
homomrfico a uma imagem ilustrado na figura 33.
(a) (b)
Figura 33 - Exemplo de filtragem homomrfica: (a) imagem original; (b) resultado da filtragem
homomrfica com raio 8/128,
H
= 1,3 e
L
= 0,7.
Diversos outros filtros no domnio da freqncia podem ser encontrados em [Lim 1990], [Pratt
1991] e [Jain 1989].
4.6 Processamento de imagens coloridas
O uso de cores em processamento digital de imagens decorre de dois fatores motivantes
principais:
1. Na anlise automtica de imagens (reconhecimento de padres), a cor um poderoso
descritor das propriedades de um objeto, que pode simplificar sua identificao e
segmentao.
2. Na anlise de imagens com interveno humana, o olho humano pode discernir milhares de
nuanas de cores de diferentes matizes e intensidades, enquanto sua capacidade de distinguir
diferentes tons de cinza no passa de algumas poucas dezenas de tons diferentes.
O processamento de imagens coloridas pode ser dividido em duas frentes principais: o
processamento full color, onde as imagens j so adquiridas atravs de sensores em cores e a
pseudocolorizao, processo pelo qual so atribudas cores diferentes a distintas regies da
escala de cinza de uma imagem monocromtica.
O uso de tcnicas de processamento de imagens coloridas full color relativamente
recente e sobre ele ainda h comparativamente pouca bibliografia. Trata-se, porm, de rea
importante e promissora para os prximos anos.
4.6.1 Conceitos bsicos
Embora o processo psicofisiolgico de percepo de cor pelo sistema nervoso central humano
ainda no seja totalmente compreendido, os aspectos fsicos da cor vm sendo estudados h
muitos anos por inmeros cientistas e engenheiros, constituindo hoje um slido conjunto de
conhecimentos tericos.
Brasport, 1999. ISBN 8574520098.
Em 1666, Sir Isaac Newton descobriu que um prisma de vidro atravessado pela luz
branca capaz de decomp-la em um amplo espectro de cores que vo do violeta, num extremo,
ao vermelho, no outro. Este espectro, com alguns valores representativos de comprimento de
onda, est ilustrado na figura 34. Como se pode perceber a partir desta figura, o chamado
'espectro de luz visvel' ocupa uma faixa muito estreita do espectro total de radiaes
eletromagnticas.
10
200
300
390
455
492
577
597
622
770
1,5X10
3
6X10
3
4X10
4
10
6
Comprimento
de Onda m)
(
Extremo
Distante
Prximo
Prximo
Muito Distante
Intermedi ri o
Vermel ho
Laranja
Amarelo
Verde
Azul
Vi ol eta
Distante
10
14
10
13
10
12
10
11
10
10
10
9
10
8
10
7
10
6
10
5
10
4
10
3
10
2
10
1
1
10
-1
10
-2
10
-3
10
-4
10
-5
10
-6
10
-7
10
-8
10
-9
10
-10
Comprimento
de Onda ( m)
(1 m)
(1 nm)
(1 A)
(1 mm)
(1 cm)
(1 m)
(1 km)
ULTRAVIOLETA
INFRAVERMELHO
LUZ VISVEL
O
s
c
i
l
a
e
s
E
l
t
r
i
c
a
s
L
o
n
g
a
s
O
n
d
a
s

d
e

R
d
i
o
M
i
c
r
o
o
n
d
a
s
R
a
i
o
s

X
R
a
i
o
s

G
a
m
a
R
a
i
o
s
C
s
m
i
c
o
s
Figura 34 - Espectro eletromagntico, com destaque para as subdivises da regio de luz visvel.
Para a cor ser vista, necessrio que o olho seja atingido por energia
eletromagntica. Vemos um objeto atravs da luz refletida por ele. Se ele parece verde luz do
dia porque, embora seja banhado pela luz branca do sol, ele reflete somente a parte verde da
luz para os nossos olhos; o restante do espectro absorvido. A teoria de percepo cromtica
pelo olho humano baseia-se em hiptese formulada por Young em 1801, que estabelece que os
cones (clulas fotossensveis que compem a retina juntamente com os bastonetes) se
Brasport, 1999. ISBN 8574520098.
120
subdividem em trs classes, com diferentes mximos de sensibilidade situados em torno do
vermelho (R - Red), do verde (G - Green) e do azul (B - Blue). Desta forma, todas as sensaes
de cor percebidas pelo olho humano so na verdade combinaes das intensidades dos estmulos
recebidos por cada um destes tipos de cones. Estas trs cores so denominadas cores primrias
aditivas, pois possvel obter qualquer outra cor a partir de uma combinao aditiva de uma ou
mais delas, em diferentes propores. Para efeito de padronizao, o CIE (Commission
Internationale de l'Eclairage - Comisso Internacional de Iluminao) atribuiu, em 1931, os
seguintes comprimentos de onda a estas cores primrias: azul = 435,8 nm, verde = 546,1 nm,
vermelho = 700 nm. (1 nm = 10
-9
m)
As combinaes de cores consideradas at o momento pressupem a emisso de
radiaes coloridas situadas dentro do espectro de luz visvel, as quais combinadas aditivamente
produzem um efeito final correspondente soma dos efeitos individuais. A mistura das cores
primrias, duas a duas, produz as chamadas cores secundrias, que so: magenta (R+B), amarelo
(R+G) e ciano ou turquesa (G+B). A mistura das trs cores primrias ou de uma secundria com
sua cor primria 'oposta' produz a luz branca, como se pode ver na figura 35(a) (ver Seo
Figuras Coloridas). H uma outra classe de combinao de cores, usada por exemplo em
impressoras coloridas, onde as cores primrias esto associadas aos pigmentos magenta, ciano e
amarelo, que combinados de forma subtrativa produzem as cores secundrias vermelho, verde e
azul. Estas combinaes so chamadas subtrativas porque cada pigmento, ao ser depositado em
fundo branco, subtrai parte da luz branca incidente, refletindo apenas a cor correspondente ao
pigmento. Ao contrrio da combinao aditiva, na subtrativa a unio das trs cores primrias ou
de uma secundria com sua primria oposta produz o preto, como se v na figura 35(b) (ver
Seo Figuras Coloridas). Deste ponto em diante, somente faremos referncia a cores primrias
e combinaes aditivas.
Um exemplo clssico de dispositivo que opera sob o princpio da combinao aditiva de
cores o monitor de vdeo, que possui em sua superfcie pontos triangulares compostos de
fsforos sensveis a cada uma das cores primrias. Cada tipo de fsforo de cada ponto da tela
bombardeado por um feixe eletrnico cuja intensidade proporcional quantidade de vermelho,
verde ou azul naquele ponto da imagem que se deseja representar. As componentes de R, G e B
de cada trade de fsforo so 'adicionadas' pelos cones do olho humano e a cor correspondente
ento percebida.
As trs caractersticas normalmente utilizadas para distinguir as cores entre si so:
brilho (B - brightness), matiz (H - hue) e saturao (S - saturation). O brilho representa a noo
de intensidade luminosa da radiao, o matiz uma propriedade associada ao comprimento de
onda predominante na combinao das vrias ondas visveis, enquanto a saturao expressa a
pureza do matiz ou, em outras palavras, o grau de mistura do matiz original com a luz branca.
Cores como o rosa e o vermelho, por exemplo, tm o mesmo matiz, mas apresentam diferentes
graus de saturao.
O matiz e a saturao costumam ser denominados conjuntamente de cromaticidade, o
que nos permite dizer que uma cor pode ser definida pelo seu brilho e por sua cromaticidade. Os
percentuais de vermelho, verde e azul presentes em uma cor recebem o nome de coeficientes
tricromticos e so dados pelas equaes:
r
R
R G B
=
+ +
(4.74)
g
G
R G B
=
+ +
(4.75)
e
b
B
R G B
=
+ +
(4.76)
Brasport, 1999. ISBN 8574520098.
onde R, G e B representam a quantidade de luz vermelha, verde e azul, respectivamente,
normalizada entre 0 e 1. Logo, a soma dos trs coeficientes tricromticos :
r g b + + = 1 (4.77)
Os coeficientes tricromticos exatos de cada cor so computados a partir do Diagrama de
Cromaticidade publicado pelo CIE.
4.6.2 Modelos de representao de cores
O objetivo dos modelos de cores permitir a especificao de cores em um formato
padronizado e aceito por todos. Em linhas gerais, um modelo de cores uma representao
tridimensional na qual cada cor representada por um ponto no sistema de coordenadas 3-D. A
maioria dos modelos em uso atualmente orientada ao hardware (impressoras ou monitores
coloridos, por exemplo) ou a aplicaes que utilizam manipulao de cores (como os vrios
ttulos de software comentados no captulo 7). Os modelos mais utilizados para representao de
cores so: RGB (red, green, blue), CMY (cyan, magenta, yellow), CMYK (variante do modelo
CMY, onde K denota black), YCbCr (padro normalizado pela recomendao ITU-R BT.601 e
utilizado em vrias tcnicas de compresso de vdeo), YIQ (padro NTSC de TV em cores) e
HSI (hue, saturation, intensity), s vezes tambm denominado HSV (hue, saturation, value).
Apresentamos a seguir mais detalhes sobre os padres RGB, CMY, YIQ e HSI.
Preto
Branco
Azul Ci ano
Verde
Amarel o
Vermel ho
Magenta
Escal a de Ci nzas
B
G
R
(0,0,1)
(0,1,0)
(1,0,0)
Figura 36 - Modelo RGB.
Modelo RGB
O modelo RGB baseado em um sistema de coordenadas cartesianas, que pode ser visto como
um cubo onde trs de seus vrtices so as cores primrias, outros trs as cores secundrias, o
vrtice junto origem o preto e o mais afastado da origem corresponde cor branca, conforme
ilustra a figura 36. Neste modelo, a escala de cinza se estende atravs de uma linha (a diagonal
do cubo) que sai da origem (preto) at o vrtice mais distante dela (branco). Por convenincia,
geralmente assume-se que os valores mximos de R, G e B esto normalizados na faixa de 0 a 1.
O modelo RGB o mais utilizado por cmeras e monitores de vdeo.
Brasport, 1999. ISBN 8574520098.
122
O modelo CMY
Este modelo baseado nos pigmentos primrios ciano, magenta e amarelo. A maioria dos
dispositivos que opera sob o princpio da deposio de pigmentos coloridos em papel (como
impressoras ou fotocopiadoras coloridas, por exemplo) requer uma converso interna do
formato RGB para o formato CMY. Esta converso simples e consiste na equao:
C
M
Y
R
G
B
(
(
(
=
(
(
(
(
(
(
1
1
1
(4.78)
onde todos os valores envolvidos esto normalizados no intervalo [0, 1]. A eq. (4.78) permite a
deduo da relao oposta, que, contudo, no de interesse prtico.
O modelo YIQ
O modelo YIQ utilizado no padro NTSC de TV em cores. Basicamente, o modelo YIQ foi
desenvolvido sob o princpio da dupla compatibilidade, que norteou os projetos de TV colorida
para garantir a convivncia entre o sistema colorido e o sistema preto e branco (P&B) j
existente. A componente Y (luminncia) contm a informao necessria para um receptor P&B
reproduzir a imagem monocromtica correspondente, enquanto as componentes I e Q codificam
as informaes de cromaticidade. A converso de RGB para YIQ pode ser obtida pela equao:
Y
I
Q
R
G
B
(
(
(
=
(
(
(
(
(
(
0 299 0 587 0114
0 596 0 275 0 321
0 212 0 523 0 311
, , ,
, , ,
, , ,
(4.79)
A principal vantagem do modelo YIQ sua capacidade de permitir a separao entre a
componente de brilho (Y) e as componentes de cromaticidade (I e Q). Uma tcnica como a
equalizao de histograma (ver Seo 3.3), por exemplo, pode ser aplicada componente Y de
uma imagem colorida, com o intuito de aprimorar seu contraste sem distorcer as informaes de
matiz e saturao da imagem original.
O modelo HSI
O modelo HSI de grande interesse, uma vez que permite separar as componentes de matiz,
saturao e intensidade da informao de cor em uma imagem, da forma como o ser humano as
percebe. Sua utilizao mais intensa em sistemas de viso artificial fortemente baseados no
modelo de percepo de cor pelo ser humano, como por exemplo um sistema automatizado de
colheita de frutas, em que preciso determinar se a fruta est suficientemente madura para ser
colhida a partir de sua colorao externa. Geometricamente, o modelo HSI pode ser visto como
um slido, indicado na figura 37(b), cujos cortes horizontais produzem tringulos (figura 37(a))
nos quais os vrtices contm as cores primrias e o centro corresponde combinao destas
cores em iguais propores. Esta combinao estar mais prxima do preto ou do branco,
conforme a altura em que o corte tenha sido efetuado.
A converso entre os modelos RGB e HSI utiliza equaes razoavelmente mais
complexas, cuja deduo foge ao escopo desta obra. Em resumo, a converso de RGB para HSI
pode ser obtida atravs das equaes:
I R G B = + +
1
3
( )
(4.80)
Brasport, 1999. ISBN 8574520098.
| |
S
R G B
min R G B =
+ +
1
3
( , , )
(4.81)
e
| |
| |
H
R G R B
R G R B G B
=
+
+
cos
( ) ( )
( ) ( )( )
/
1
2
1 2
1
2
(4.82)
onde, se (B/I) > (G/I), deve-se fazer H = 360 - H. A fim de normalizar a faixa de matiz, deve-se
fazer H = H/360.
Azul
Vermel ho Verde
Amarel o
Magenta Ciano
P
H
Verde Vermel ho
Azul
Branco
Preto
H
I
n
t
e
n
s
i
d
a
d
e
(a) (b)
Figura 37 - Modelo HSI.
A converso de H, S e I para r, g e b mais complexa por depender do intervalo de
valores de H, conforme as equaes a seguir:
Para 0 < H s 120:
b S =
1
3
1 ( )
(4.83)
r
S H
H
= +
(
1
3
1
60
cos
cos( )
$ (4.84)
g r b = + 1 ( ) (4.85)
Para 120 < H s 240:
H H = 120
$
(4.86)
Brasport, 1999. ISBN 8574520098.
124
r S =
1
3
1 ( )
(4.87)
g
S H
H
= +
(
1
3
1
60
cos
cos( )
$ (4.88)
e
b r g = + 1 ( ) (4.89)
Para 240 < H s 360:
H H = 240
$
(4.90)
g S =
1
3
1 ( )
(4.91)
b
S H
H
= +
(
1
3
1
60
cos
cos( )
$ (4.92)
e
r b g = + 1 ( ) (4.93)
Os valores obtidos de r, g e b podem ser convertidos em R, G e B conforme as equaes (4.74) a
(4.76).
A figura 38 (ver Seo Figuras Coloridas) mostra um exemplo de imagem colorida
decomposta em suas componentes R, G e B. A mesma imagem aparece decomposta em H, S e I
na figura 39 (ver Seo Figuras Coloridas) e em suas componentes Y, I e Q na figura 40 (ver
Seo Figuras Coloridas).
4.6.3 Pseudocolorizao
a tcnica atravs da qual se atribuem cores a imagens monocromticas com base na
distribuio de nveis de cinza da imagem original. A tcnica mais simples e difundida de
pseudocolorizao conhecida na literatura como intensity (ou tambm density) slicing e pode
ser entendida com o auxlio da figura 41. Interpretando a imagem monocromtica original como
uma funo de intensidade 2-D, este mtodo define planos de corte que interceptam ('fatiam') a
imagem original em diferentes pontos acima do plano xy. Na figura 41 mostramos o caso
especfico de um plano de corte (fatia) situado altura l
i
em relao ao plano da imagem. Cada
lado do plano mostrado receber uma cor diferente. O resultado ser uma imagem de duas cores
cuja aparncia pode ser interativamente controlada movendo-se o plano de corte para cima ou
para baixo.
Extrapolando-se o raciocnio para M planos e definindo os nveis l
1
, l
2
, ..., l
M
, onde l
0
representa o preto na imagem original [f(x,y) = 0] e l
L
o branco [f(x,y) = L], podemos interpretar
o processo de fatiamento como sendo a diviso da escala de cinza da imagem original em M + 1
regies (0 < M < L), nas quais a atribuio de cor feita segundo a relao
f x y c f x y R
k k
( , ) ( , ) = e se (4.94)
onde c
k
a cor associada k-sima regio R
k
.
Brasport, 1999. ISBN 8574520098.
A pseudocolorizao tambm pode ser interpretada no domnio bidimensional como
sendo uma funo de mapeamento em forma de escada, onde cada degrau corresponde a uma
gama de valores de tons de cinza na imagem original que mapeiam em uma determinada cor na
imagem pseudocolorizada.
x
y
f(x,y)
Branco (L)
Preto (0)
l
i
Pl ano de Corte
Figura 41 - Intensity slicing.
4.6.4 Processamento de imagens coloridas full color
Conforme indicamos no incio desta seo, o processamento de imagens coloridas ainda algo
relativamente recente e que ganha interesse a cada dia, na medida em que a disponibilidade de
melhor hardware a menor custo passa a viabilizar implementaes que at poucos anos atrs
poderiam ser proibitivas do ponto de vista financeiro e/ou computacional.
Os modelos de cores mais adequado para o processamento full color so aqueles que
decompem a imagem colorida de tal maneira que a informao de luminncia esteja contida
em um dos componentes. o caso do modelo YIQ, onde a componente Y contm a informao
de luminncia e do modelo HSI, onde a informao de brilho est toda contida na componente I.
Este ltimo modelo ainda mais til em aplicaes que procuram reproduzir o mecanismo de
percepo cromtica do olho humano, conforme antecipamos na Seo 4.6.2.
A partir da decomposio da imagem colorida nas componentes adequadas, diversas
tcnicas existentes para imagens monocromticas podem ser aplicadas com sucesso a imagens
coloridas, como por exemplo a equalizao de histograma, ilustrada na figura 42 (ver Seo
Figuras Coloridas), que melhora o contraste da imagem da parte (a) da figura sem distorcer sua
informao de cromaticidade.
Brasport, 1999. ISBN 8574520098.
126
Para o leitor interessado nas dedues das equaes de converso do modelo RGB para HSI e
vice-versa, sugerimos o captulo 4 de [Gonzalez e Woods 1992].
4.7 Filtros adaptativos
4.7.1 Introduo
No decorrer deste captulo, vimos inmeras tcnicas de filtragem de imagens onde o objetivo
principal a remoo de rudo. Cada um dos filtros estudados pode operar de forma local ou
global, no domnio espacial ou da freqncia. Apesar das diferenas de comportamento entre
eles, existe uma caracterstica comum a todos os filtros estudados at aqui: suas caractersticas
permanecem constantes ao longo de toda a imagem que est sendo processada. Existem
situaes, porm, em que seria desejvel que um filtro mudasse suas caractersticas conforme o
trecho de imagem que estivesse percorrendo ou ainda de acordo com o tipo de rudo nela
presente. Por exemplo, se o rudo presente em uma imagem tiver uma distribuio uniforme,
este rudo ser melhor filtrado aplicando-se um filtro da mdia, havendo porm uma inevitvel
perda de detalhes na imagem. Por outro lado, se o rudo for impulsivo, haver maior eficcia em
se aplicar um filtro da mediana. Estes fatores constituem a grande motivao para o estudo e a
implementao de filtros adaptativos bidimensionais.
O filtro ideal para se usar em uma imagem aquele que muda suas caractersticas de
forma adaptativa, dependendo do contedo de imagem presente em uma janela local, reduzindo
o rudo presente na imagem e ao mesmo tempo preservando seu contedo. Por exemplo, se na
regio percorrida por uma janela houver apenas informao de bordas, ento um filtro da
mediana poder ser usado, por suas propriedades de preservao de detalhes destas bordas. Se,
por outro lado, a janela estiver posicionada sobre uma regio de fundo uniforme, ento o filtro
deveria mudar suas caractersticas de forma a atuar como um filtro da mdia.
O projeto de filtros adaptativos pode ser dividido em duas etapas. A primeira consiste
no processo de deciso usado para determinar o tipo de filtro a ser usado, que pode ser to
simples quanto um detetor de borda ou to elaborado quanto a determinao dos parmetros
estatsticos do rudo presente na imagem. A segunda consiste na determinao do melhor filtro a
ser usado para o problema especfico em questo.
4.7.2 Aspectos Estatsticos
A presena de rudo em uma imagem requer o uso de tcnicas estatsticas para caracteriz-lo,
comparando o histograma do rudo contido na imagem com histogramas tericos conhecidos.
Por definio, considera-se rudo qualquer tipo de informao indesejada que obstrui a
aquisio e o processamento da informao desejada. Existem muitos tipos de rudos que podem
estar presentes em imagens e estes tipos podem ser determinados pelo formato do histograma do
rudo. Um tipo de rudo que comumente aparece em imagens o rudo distribudo
uniformemente, ou seja que possui um histograma uniforme. A probabilidade de um valor de
rudo tendo tons de cinza entre a e b 1/(b-a) e fora desta faixa 0. Por exemplo, se b = 200 e a
= 100, ento o rudo uniforme estar na faixa de 100 a 200, com cada valor de tom de cinza
tendo a probabilidade de 0,01 (ou 1%).
Outro tipo muito comum o rudo com distribuio gaussiana. Este rudo
freqentemente usado para modelar rudos desconhecidos, devido ao Teorema do Limite
Central, que estabelece que a soma de um grande nmero de termos representando rudos
aleatrios tende a produzir um rudo resultante do tipo gaussiano e independente dos tipos dos
rudos includos naquela soma. O rudo gaussiano muito comum em imagens devido ao rudo
eletrnico presente nas cmeras de vdeo. Em uma distribuio gaussiana, a probabilidade de
um rudo ocorrer em um determinado tom de cinza decresce medida que os valores de tons de
cinza divergem do valor do tom de cinza presente no pico central m. A varivel o determina a
largura do histograma e conhecida como desvio padro, enquanto que a varivel m
conhecida como mdia.
Brasport, 1999. ISBN 8574520098.
Outro tipo comum de rudo presente em imagens que so iluminadas por laser o rudo
com distribuio exponencial negativa. Este rudo aparece porque as superfcies iluminadas por
laser so geralmente irregulares comparadas com o comprimento de onda do laser. O pico do
histograma est no tom de cinza igual a zero e a varivel a determina quo rapidamente este
histograma cai a zero.
Finalmente, existe ainda o rudo sal e pimenta, que normalmente ocorre devido a
defeitos no sistema de gerao da imagem. O rudo sal e pimenta contm dois nveis de cinza
localizados em a e b, com probabilidade de ocorrncia igual a p. A probabilidade total do rudo
sal e pimenta a soma das probabilidades para cada rudo e dada por 2p. Os pixels ruidosos
brancos so chamados sal, enquanto os pixels de rudo preto so chamados pimenta.
A figura 43 ilustra os histogramas tpicos dos quatro tipos de rudos mais comuns em
imagens digitais.
0 255
1
a b
1
b-a
(a)
0 255
1
m
(b)
0 255
1
(c)
0 255
1
a b
p
(d)
Figura 43 - Histogramas dos principais tipos de rudo: (a) rudo uniforme; (b) rudo gaussiano;
(c) rudo exponencial negativo; (d) rudo sal e pimenta.
Existem duas maneiras pelas quais uma imagem pode ser corrompida por rudo. A
primeira chamada rudo aditivo, na qual simplesmente adicionado algum tipo de rudo a uma
imagem at ento livre de rudo. A segunda maneira denominada rudo multiplicativo, que
consiste em multiplicar cada pixel da imagem por um termo de rudo randmico. Existem
tcnicas de filtragem adaptativa relatadas na literatura que operam com somente um ou outro
tipo de rudo.
O objetivo de se descobrir o tipo de rudo que est presente em uma imagem
determinar o melhor filtro para reduzir este rudo. A forma de obter informaes estatsticas
sobre o rudo presente na imagem normalmente um grande desafio e dele pode depender a
maior ou menor eficcia do mtodo de filtragem. A maneira mais usual de faz-lo procurar
isolar regies homogneas na imagem ruidosa e comparar o histograma desta regio com os
vrios histogramas tericos dos tipos de rudos mais comuns em imagens, como os mostrados na
figura 43. Uma vez que o tipo de rudo tenha sido determinado, comparando-se o formato do
Brasport, 1999. ISBN 8574520098.
128
histograma da regio ruidosa com os vrios histogramas tericos, pode-se utilizar a tabela 1 para
determinar os principais parmetros tericos do histograma, que so seus momentos de primeira
e segunda ordem, conhecidos respectivamente por mdia e varincia.
Tabela 1 - Parmetros tericos dos principais tipos de histogramas de rudos
(G
i
representa o tom de cinza de um pixel)
Histograma Nome do rudo Momento de
1 ordem
Momento de 2 ordem
h b a
a G b
i
i
=
s s
1
0
para
caso contrario
uniforme
a b +
2
( ) ( ) a b a b
+
+
2 2
12 4
h
G m
G
i
i
i
=

(
s s
1
2
2
2
o t o
exp
( )
para
gaussiano m
o
2 2
+ m
h
a
G
a
G
i
i
i
=
(
s s
1
0
exp
para
exponencial
negativo
a 2a
2
4.7.3 Alguns tipos de filtros adaptativos
Filtro de Erro Mdio Quadrtico Mnimo (MMSE - Minimum Mean-Square Error)
O filtro adaptativo MMSE faz uso do conhecimento da varincia local para determinar se o
filtro da mdia deve ou no ser aplicado na regio onde se encontra a mscara. Este filtro
apresenta melhores resultados se o rudo for do tipo aditivo. A eq. (4.95) mostra uma imagem
com rudo aditivo g(x,y) em funo da imagem original livre de rudo f(x,y) e do termo ruidoso
n(x,y).
g x y f x y n x y ( , ) ( , ) ( , ). = + (4.95)
O filtro MMSE utiliza a varincia do rudo juntamente com a varincia local para calcular o
novo valor do pixel de referncia da janela, segundo a eq. (4.96).
r x y g x y K
n n
( , ) ( , ) =
|
\
|
.
| + 1
2
1
2
2
1
2
o
o
o
o
(4.96)
onde r(x,y) a imagem filtrada, g(x,y) a imagem ruidosa, o
n
2
a varincia do rudo, o
1
2
a
varincia local em relao ao pixel (x,y) e K o resultado da aplicao de um filtro da mdia
local.
Na regio de fundo de uma imagem, as variaes no valor dos pixels so devidas
somente ao rudo. Portanto, a varincia local nesta regio ser aproximadamente igual
varincia do rudo. Logo, o primeiro termo da eq. (4.96) ser aproximadamente igual a zero e o
resultado do filtro MMSE ser o mesmo que seria produzido pelo filtro da mdia, isto : r(x,y) =
K.
Se a mscara for movida para uma rea da imagem que contm bordas, a varincia local
se tornar bem maior que a varincia do rudo (o
n
2
<< o
1
2
). Logo, o segundo termo da eq. (4.96)
Brasport, 1999. ISBN 8574520098.
ser aproximadamente igual a zero e o resultado do filtro MMSE ser o valor original do pixel,
isto : r(x,y) = g(x,y).
Os casos considerados acima so casos extremos do filtro MMSE. Para os casos
intermedirios, uma parcela proporcional da imagem original e da sada do filtro da mdia local
so adicionados para produzir a sada do filtro MMSE, conforme a eq. (4.96).
O filtro MMSE bastante eficaz na reduo de uma boa parcela do rudo presente em
uma imagem, sem suavizar suas bordas. A figura 44 mostra exemplos de utilizao do filtro
MMSE a imagens contaminadas por diferentes tipos de rudo aditivo. Atravs dela possvel
comprovar que este filtro mais eficiente quando o rudo n(x,y) do tipo uniforme ou gaussiano
e no apresenta bom desempenho frente a rudos tipo impulsivo e sal e pimenta.
(a) (b) (c)
(d) (e)
Figura 44 - (a) Imagem original; (b) imagem contaminada por rudo gaussiano; (c) imagem
contaminada por rudo sal e pimenta; (d) resultado da aplicao do filtro MMSE sobre a imagem
(b); (e) resultado da aplicao do filtro MMSE sobre a imagem (c).
Filtro de mdia e mediana com dupla janela (DW-MTM - Double Window-Modified
Trimmed Mean)
O filtro adaptativo DW-MTM utiliza duas janelas de dimenses diferentes: primeiramente uma
janela menor, na qual aplicado o algoritmo da mediana; depois, outra janela, de maiores
dimenses, onde se aplica o algoritmo da filtragem pela mdia apenas levando em conta os
pixels situados prximos do valor da mediana anteriormente calculado.
Este filtro trabalha igualmente bem com os rudos uniforme e gaussiano, bem como com
os rudos impulsivo e sal e pimenta.
Brasport, 1999. ISBN 8574520098.
130
O algoritmo para o filtro adaptativo DW-MTM descrito a seguir. Dado um pixel
localizado na posio (x,y) dentro da imagem, um filtro de mediana (MED[g(x,y)]) computado
dentro de uma regio local de n x n ao redor da posio (x,y). O valor da mediana computado
para este filtro (MED) usado para estimar o valor da mdia da rea local de n x n. Na
seqncia, uma janela maior, igualmente centrada na posio (x,y), de tamanho q x q, usada
para calcular o valor da mdia, levando em conta na janela q x q somente os pixels dentro da
faixa de tom de cinza situada entre (MED - C) e (MED + C), onde C uma constante escolhida
em funo de um fator arbitrrio K e do desvio padro do rudo presente na imagem, segundo a
equao:
C = K.o
n
(4.97)
A faixa tpica de valores para K de 1,5 a 2,5. Para K = 0, o filtro DW-MTM reduz-se a um
filtro da mediana n x n. Para valores muito grandes de K, o filtro DW-MTM reduz-se a um filtro
da mdia q x q. Portanto, conforme K decresce, o filtro DW-MTM filtra melhor rudos
impulsivos, mas no funciona bem na filtragem dos rudos uniforme e gaussiano.
A figura 45 mostra exemplos de aplicao do filtro DW-MTM em imagens ruidosas.
(a) (b) (c)
(d) (e)
contaminada por rudo sal e pimenta; (d) resultado da aplicao do filtro DW-MTM sobre a
imagem (b); (e) resultado da aplicao do filtro DW-MTM sobre a imagem (c).
Brasport, 1999. ISBN 8574520098.
Filtro da Mediana Adaptativo (SAM - Signal Adaptive Median)
O filtro adaptativo SAM utiliza o fato de que uma regio de fundo uniforme de uma imagem
contm pouca informao de baixa freqncia e que a maioria das informaes de alta
freqncia esto contidas em bordas e impulsos. Partindo desta premissa, pode-se decompor
uma imagem g(x,y), em suas componentes de baixa e alta freqncia:
g(x,y) = g
LF
(x,y) + g
HF
(x,y) (4.98)
A figura 46 mostra esquematicamente o processo de decomposio de g(x,y), atravs da
aplicao de um filtro passa-altas e de um filtro passa-baixas convencional.
Imagem
Fi ltrada
Fi ltro
Passa-bai xas
Imagem
de Entrada
+
+
Fi ltro
Passa-al tas
g(x,y)
glf(x,y)
ghf(x,y)
K
Figura 46 - Decomposio de uma imagem em suas componentes de alta e baixa freqncia.
Uma vez separadas, apenas as componentes de baixa freqncia so usadas como sada
do filtro se ele est posicionado sobre uma regio de fundo da imagem. Nas regies contendo
bordas, ambas as componentes de baixa e alta freqncia so utilizadas. Um parmetro de
controle (K) determina o quanto de componentes de alta freqncia aparecem na sada do filtro.
Sabendo que a componente de alta freqncia tambm pode ser determinada a partir da
imagem original no filtrada e da imagem filtrada de baixa freqncia, atravs da eq. (4.17), o
filtro SAM pode ser implementado conforme o diagrama da figura 47. Neste diagrama, o filtro
da mediana usado para permitir a filtragem passa-baixas e para obter tambm as componentes
de alta freqncia. Um detetor de bordas e impulsos determina o tamanho da janela (mscara) e
ainda o valor de K. O filtro comea com um determinado tamanho de janela n x n e, se uma
borda detectada, seu tamanho reduzido para n-2 x n-2. Este processo se repete at que se
obtenha uma janela sem a presena de bordas. Neste momento o valor de K escolhido com
base na varincia local calculada dentro da janela e em uma estimativa da varincia do rudo.
Imagem
Fi ltrada
Fi ltro da
Medi ana
Imagem
de Entrada
+
+
Aj uste do
tamanho
da Janel a
g(x,y)
glf(x,y)
ghf(x,y)
K
Detetor de
Impul so e
Borda
+
-
Figura 47 - Diagrama em blocos do filtro SAM.
Brasport, 1999. ISBN 8574520098.
132
O valor de K determinado segundo o processo de deciso mostrado na eq. (4.99):
K
C
C
n
n
=
>
0
1
2
1
2
2
1
2
.
.
o
o
o o para
para as demais situacoes
(4.99)
Se a varincia local for menor que o produto de uma constante C pela varincia do rudo, ento
a sada do filtro SAM ser igual sada do filtro da mediana. Caso contrrio, uma parcela das
componentes de alta freqncia so adicionadas sada do filtro SAM. Esta situao
normalmente indica a presena de uma borda. A constante C usada para ajustar a sensibilidade
do filtro a bordas.
A figura 48 mostra exemplos de aplicao do filtro SAM em imagens ruidosas.
(a) (b) (c)
(d) (e)
contaminada por rudo sal e pimenta; (d) resultado da aplicao do filtro SAM sobre a imagem
(b); (e) resultado da aplicao do filtro SAM sobre a imagem (c).
Brasport, 1999. ISBN 8574520098.
O captulo 11 de [Myler e Weeks 1993] inteiramente dedicado a filtros adaptativos
bidimensionais.
Para um maior detalhamento de distribuies de probabilidade, sugerimos [Ross 1994].
Mais detalhes sobre os filtros MMSE, SAM e DW-MTM, inclusive com as respectivas
funes implementadas utilizando MATLAB, podem ser encontradas em [Marques e da Costa
1996].
Exerccios Propostos
1. Considere o trecho de imagem a seguir, representado por uma matriz 7 x 7, onde cada
elemento da matriz corresponde ao nvel de cinza do pixel correspondente. Sabe-se que na
quantizao desta imagem foram utilizados 8 bits. Seja o pixel central o pixel de referncia.
Fornea o valor resultante do pixel central caso a imagem seja processada:
a) pelo algoritmo da filtragem pela mediana utilizando janela 3 x 3.
b) pelo algoritmo da filtragem pela mediana utilizando janela em forma de cruz, isto
considerando no clculo da mediana apenas os pixels de coordenadas: (x, y) (pixel de
referncia), (x-1, y), (x+1, y), (x, y-1) e (x, y+1).
c) por um algoritmo adaptativo que funciona da seguinte maneira: primeiramente aplica-se um
filtro da mediana em uma janela 3 x 3 ao redor do pixel de referncia, calculando-se MED.
Depois disto, aplica-se um filtro da mdia utilizando uma janela 5 x 5, levando em considerao
apenas os pixels cujo tom de cinza esteja dentro da faixa entre MED - C e MED + C, inclusive
os extremos. Assumir que C = 22.
d) pelo algoritmo da mdia utilizando janela 7 x 7.
e) pelo algoritmo da pseudomediana utilizando janela 3 x 3.
0 3 221 220 198 84 4
3 23 187 188 189 99 8
9 9 188 115 134 49 9
0 5 176 18 187 98 9
15 15 123 103 165 76 9
14 12 156 188 188 98 9
9 8 190 190 190 90 0
2. Assinalar V ou F conforme as proposies a seguir sejam verdadeiras ou falsas.
( ) A tcnica da filtragem pela mediana sempre melhor que a filtragem pela mdia
quando o objetivo reduzir rudo presente em uma imagem.
( ) A propriedade da Transformada de Fourier que permite que a FFT 2-D seja computada
a partir de duas aplicaes do algoritmo da FFT 1-D a separabilidade.
( ) A remoo de rudos usando a filtragem pela mdia de grande utilidade quando se
deseja processar imagens contendo pontos ruidosos isolados, cuja amplitude (tom de cinza)
Brasport, 1999. ISBN 8574520098.
134
bem maior do que os tons de cinza de seus vizinhos. Nestes casos, a filtragem pela mdia parece
remover um a um (como se utilizasse uma pina) os pixels ruidosos.
( ) A tcnica de remoo de rudos usando a mdia de mltiplas imagens tem
aplicabilidade limitada pois somente pode ser aplicada com sucesso em situaes nas quais se
disponha de diversas verses da mesma imagem capturadas em instantes de tempo diferentes e
sobre as quais exista um rudo de valor mdio zero e descorrelacionado.
( ) A tcnica de realce de imagens conhecida como nfase de alta freqncia uma
modificao da filtragem passa-altas, cujo efeito o de diminuir a atenuao dos componentes
de baixa freqncia da imagem, o que corresponde a obter um bom realce dos detalhes de alto
contraste sem sacrificar exageradamente as reas de menor riqueza de detalhes.
( ) A aplicao do algoritmo da filtragem da mdia com os K vizinhos mais prximos,
onde o nvel de cinza do pixel de referncia de uma janela substitudo pelo valor mdio dos K
vizinhos de p (pixel de referncia), cujos nveis de cinza mais se aproximam do nvel de cinza
de p, causar maior reduo do rudo quanto menor o valor de K.
( ) Na aplicao do filtro da mediana sobre uma imagem utilizando mscara 3 x 3, no
so gerados novos valores de tons de cinza na imagem resultante, ao contrrio do filtro da
mdia, que pode, eventualmente, ger-los.
( ) Toda tcnica de realce de imagens pressupe uma certa subjetividade, j que ao final
do processo um ser humano dir se a imagem resultante melhor ou pior que a original.
3. Sabe-se que para computar uma FFT de N pontos so necessrias Nlog
2
N adies e
0.5Nlog
2
N multiplicaes. Quantas adies e multiplicaes so necessrias para se computar a
FFT bidimensional de uma imagem M x N? Justifique.
4. Considere a expresso genrica da filtragem pela mdia dada a seguir:
g x y
M
f n m
n m S
( , ) ( , )
( , )
=
e
_
1
Supondo que M = 4, o que corresponde a computar a mdia dos quatro vizinhos
imediatos de (x, y), excluindo o prprio (x, y), obter o filtro equivalente H(u, v) no domnio da
freqncia e mostrar que este filtro do tipo passa-baixas.
5. Verificar a validade da eq. (4.17) utilizando os conceitos de convoluo com mscaras e
as mscaras das figuras 4(a) e 11.
No computador
Executar os roteiros das prticas 5 e 6 do Apndice B para sedimentar os contedos tericos do
captulo.
Na Internet
Dentre as diversas referncias disponveis na WWW correlatas a este captulo, destacamos:
"http://www.eecs.wsu.edu/IPdb/Enhancement/averaging.html"

Prova 01

Enviado por

Dados do documento

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

Prova 01

Enviado por

Direitos autorais:

Formatos disponíveis

MARQUES FILHO, Og; VIEIRA NETO, Hugo.

Processamento Digital de Imagens, Rio de Janeiro:

Você também pode gostar