Processamento de Imagem Digital

CORES
1. Matiz
  1. comprimento de onda predominante na combinação de ondas de luz
2. Brilho
  1. noção de intensidade luminosa da radiação
3. Saturação
  1. pureza do matiz
4. Cores Primarias
  1. Vermelho, Verde e Azul
5. Modelos Subtrativos
  1. A cor branca corresponde à ausência das cores primárias
    1. RGB
    2. XYZ
    3. HSV
      1. Matiz
      2. Saturação
      3. Luminancia
    4. HSL
      1. Matiz
      2. Saturação
      3. Luminosidade
6. Modelos Aditivos
  1. A cor branca é gerada pela adição das cores primárias
    1. CMY
      1. Ciano
      2. Magenta
      3. Amarelo
    2. CMYK
  2. A cor preta indica que nenhuma luz está sendo transmitida
TEXTURA
1. Uma das tarefas mais complexas presentes na análise de imagens está na definição de um conjunto de características capazes de descrever de maneira efetiva cada região contida em uma imagem, de modo a ser utilizado em processos de mais alto nível, tal como a classificação de padrões.
2. Utilização de informações texturais se apresenta como uma abordagem adequada para descrição de regiões da imagem(superfície, etc)
3. Texturas Finas
  1. grandes variações no nível de cinza entre as primitivas
4. Texturas Asperas
  1. enquanto interações melhor definidas e a presença de regiões mais homogêneas caracterizam texturas ásperas
5. Analise de Textura
  1. classificação
    1. criação de um mapa no qual cada região é identificada como pertencente a uma determinada classe previamente definida por meio de um conjunto de treinamento
  2. segmentação
    1. visando particionar a imagem em regiões que apresentem características semelhantes
  3. síntese de texturas
    1. responsável pela determinação de um modelo capaz de gerar uma dada textura
6. Analise Estatística
  1. tentam representar a textura indiretamente por propriedades não-determinísticas que definem distribuições e relacionamentos entre os níveis de cinza dos pixels pertencentes a uma imagem
  2. Medidas Básicas
    1. Média
    2. Variância
    3. Grau de assimetria
    4. Curtose
    5. histograma dos níveis de cinza
      1. Energia
        FORMULA: E = \sum_{i = 0 }^ {Hg}(P(i))^2
      2. Entropia
        FORMULA: H = - \sum_{i = 0 }^ {Hg}P(i)log(P(i))
7. Matriz de Coocorrência
  1. os elementos da matriz de coocorrência descrevem a frequência com que ocorrem as transições de nível de cinza entre pares de pixels
  2. O número de linhas e colunas dessa matriz é proporcional à quantidade de níveis de cinza contidos na textura
  3. O elemento P(m, n) da matriz de coocorrência representa o número de transições entre os níveis de cinza m e n que ocorrem na textura.
  4. à determinação da matriz de coocorrência, deve-se definir o relacionamento entre os pixels, ou seja, determinar quais pixels e quais transições de níveis de cinza serão considerados Ex: P(1,2) P(2,1) P(3,2)
  5. constrói-se o conjunto S, no qual cada elemento é composto de dois pares ordenados denotando as coordenadas de cada pixel envolvido na relação
  6. As dimensões da matriz dependem do número de níveis de cinza contidos na textura
  7. matriz de coocorrência ter sido definida como sendo composta do número de transições que ocorrem entre determinados níveis de cinza
  8. Calculo pela DISTANCIA (d) e ANGULO
    1. Angulo
      1. 0 graus (central, direita)
      2. 45 graus (acima, direita)
      3. 180 graus (centro, esquerda)
      4. 90 graus (centro, acima)
      5. 135 graus (esquerda, acima)
      6. 270 graus (centro, abaixo )
    2. Distancia
  9. medidas estatísticas a serem calculadas a partir das matrizes de coocorrência
    1. segundo momento angular
      1. O segundo momento angular também conhecido como energia, expressa a uniformidade de uma textura
      2. FORMULA: f_{sma} = \sum_{i=0}^ {Hg} \sum_{j=0}^ {Hg}P^2i,j
    2. entropia
      1. A medida de entropia expressa a desordem contida na textura
      2. FORMULA: f_{ent} = - \sum_{i=0}^ {Hg} \sum_{j=0}^ {Hg}Pi,j log(pi,j)
    3. contraste
      1. O contraste caracteriza-se pela diferença entre os tons de cinza
      2. FORMULA: f_{con} = - \sum_{i=0}^ {Hg} \sum_{j=0}^ {Hg}(i-j)^2Pi,j
    4. variancia
      1. Medida de heterogeneidade, a variância apresenta valores altos quando os tons de cinza desviam do nível de cinza médio, independendo da localização dos elementos da matriz e da frequência espacial que a textura apresenta.
      2. FORMULA: f_{var_{i}} = \sum_{i=0}^ {Hg} \sum_{j=0}^ {Hg}(i-\mu i)^2Pi,j --------------------- f_{var_{j}} = \sum_{i=0}^ {Hg} \sum_{j=0}^ {Hg}(i-\mu j)^2Pi,j
    5. correlação
      1. A correlação mede a dependência linear entre os tons de cinza presentes em uma imagem
      2. FORMULA: f_{corr} = \frac{1}{\sigma x \sigma y} -\sum_{i=0}^ {Hg} \sum_{j=0}^ {Hg}(i-\mu i)(j-\mu j)Pi,j
    6. homogeneidade
      1. assume valores altos quando a textura apresenta pequenas variações de níveis de cinza entre pares de pixels. Apresenta correlação inversa com a medida de contraste
      2. FORMULA: f_{hom} = \sum_{i=0}^ {Hg} \sum_{j=0}^ {Hg}\frac{1}{1+(i-j)^2} Pi,j
8. Matrizes de Comprimento de Corridas de Cinza(GLRLM)
  1. A amostragem de regiões colineares que compõem uma imagem permite que sejam encontradas corridas de cinza, essas compostas de pixels consecutivos que apresentam os mesmos valores de intensidade de cinza
  2. criação de matrizes cujos elementos contêm o número de corridas com um dado tamanho para um determinado nível de cinza.
  3. com a obtenção dessa matriz é possível obter informações relevantes sobre as características da textura que está sendo analisada
  4. Como Calcular?
    1. 00000111110010000101
      1. Conta quantos 0 e 1 tem na corrida
        (0,5) (1,5) (0,2) (1,1) (0,4) (1,1) (0,1) (1,1)
        8 parenteses = log8 na base 2, que dá 3. Então nesse caso usaremos 3 bits para representação
        Transforma cada numero do parentese em binário, usando até 3 bits para sua representatividade , ex: (0,101) (1,101) (0,010) (1,001) (0,100) (1,001) (0,001) (1,001)
        O código final é só juntar tudo que foi gerado em binário
        FINAL CODE: 0 101 1 101 0 010 1 001 0 100 1 001 0 001 1 001
9. FUNÇÃO DE AUTOCORRELAÇÃO
  1. Diferencia texturas ásperas de texturas finas, baseia-se na detecção da frequência espacial determinada pela ocorrência de variações de nível de cinza em uma região específica
    1. Textura Fina
      1. compostas por primitivas com tamanho pequeno, apresentam frequência espacial alta e grande número de variações de níveis de cinza
    2. Textura Áspera
      1. compostas de primitivas maiores, são caracterizadas por possuírem frequência espacial baixa
  2. descreve as interações espaciais entre as primitivas
    1. níveis de cinza dos pixels são considerados como as primitivas que compõem a textura
10. UNIDADE DE TEXTURA
  1. FORMULA : Ntu
    1. Pega o pixel central da matriz
      1. Na formula, aplica-se a regra: 0, se for menor que o pixel central; 1 se for igual ao pixel central; 2 se for maior que o pixel central
        Pega a quantidade de números da matriz (quantidade de texturas )
        Reordena a matriz, só usando o numero de textura e elevando a numeração sequencial, ex: 3⁰ , 3¹, 3², 3⁴ , 3⁵ .... até completar, deixando o pixel do meio sem nada.
        Depois pega o resultado da matriz anterior , resultante da formula, multiplica com o pixel elevado correspondente da matriz, por ultimo soma cada elemento.
  2. FORMULA: LBP
    1. Pega como base o pixel central da matriz
      1. 0, se o valor for menor que o pixel central; 1, se o valor for maior ou igual o valor do pixel central
        Cria a matriz com o valor resultante da subtração, utiliza o valor real, sem substituir ainda.
        Cria outra matriz com os valores já substituindo pela formula, atribuindo apenas 0 ou 1
        Multiplica cada valor correspondente de cada célula e soma com a seguinte
    2. padrões locais binários
COMPRESSÃO
1. Surgiram devido à necessidade de se reduzir o espaço requerido para o armazenamento e o tempo necessário para a transmissão de imagens
2. Compressão Sem Perda
  1. a imagem resultante após o processo de descompactação é exatamente igual à imagem original
    1. Exemplo: diagnóstico médico por imagens
  2. Codificação Huffman
3. Compressão Com Perda
  1. nem toda a informação é recuperada após a descompactação da imagem
    1. Exemplo: videoconferência e televisão digital, em que a perda de certas informações pode ser tolerada pelo receptor
4. Redução da Redundância dos Dados
  1. Redundância de Codificação
    1. explora a proporção desbalanceada de cada símbolo
      1. Contar níveis de cinza de uma imagem
        Dependendo da quantidade de níveis de cinza, será a quantidade de bits, ex: 7 níveis de cinza = 3 bits, pois 111 em binário é igual a 7. Nesse caso será necessário 3 bits para representar cada nível de cinza da tabela.
    2. Huffman
  2. Redundância Interpixel
    1. explora a característica de que pixels vizinhos em uma imagem normalmente possuem alguma relação ou similaridade
      1. codificação por comprimento de corrida
        A codificação por comprimento de corrida percorre cada linha da imagem e, em vez de armazenar o valor preto (0) ou branco (1) para cada pixel, armazena apenas a intensidade ou cor e o número de pixels iguais para cada grupo de pixels idênticos.
  3. Redundância Psicovisual
    1. Essa redundância difere das demais por permitir que dados presentes na imagem possam ser eliminados de forma irreversíıvel
      1. a imagem resultante não é igual à imagem original
      2. Apesar de ser possível obter uma boa taxa de compressão ao explorar apenas a redundância de codificação e a redundância interpixel, há ainda a redundância psicovisual que, aliada às redundâncias utilizadas na compressão sem perdas, pode produzir imagens muito próximas às originais e ainda elevar a taxa de compressão em dezenas de vezes.
5. Elementos da Teoria da Informação
  1. Entropia da Imagem
  2. teorema de Shannon,
    1. Codificação sem Ruído
6. Codificação de Huffman
  1. Codificação sem perda
  2. Cada símbolo que representa um nível de cinza pode ser substituído por um código de comprimento variável, de forma que os símbolos que ocorrem mais frequentemente na imagem recebem códigos menores que os códigos dos símbolos menos frequentes
    1. Para que cada símbolo seja identificado corretamente no processo de decodificação, nenhum código pode ser prefixo de outro código de comprimento maior
  3. FORMULA
    1. ordena decrescentemente as probabilidades com que cada símbolo ocorre na imagem
      1. agrupa os dois símbolos com menor probabilidade em um novo símbolo
        Essa operação é repetida até que restem apenas dois símbolos, e totalize o valor em 1.0
REGISTRO DE IMAGEM
1. Transformações Geométricas
  1. Matriz de Rotação
    1. aplicação de uma rotação no ponto P' de volta para P, ou seja, a realização de transformação inversa da rotação
  2. Rotação em torno de um ponto arbitrário
  3. A ordem na qual as transformações são realizadas pode afetar o resultado final
2. Projeções Planares
3. Geometria Euclidiana
  1. Rotação
    1. Representação Matricial
      1. [x' y'] = [cos0 - sin 0 sin0 * cos0] * [ x y ]
  2. Translação
    1. P = [ x y]
      1. Ponto Original
    2. P' = [x'y']
      1. Ponto Final
    3. T = [dx dy]
      1. Translação
    4. FORMULA FINAL: P1 = P = T
      1. [x' y'] = [x y] + [dx dy]
  3. Escala
    1. Escala é uma multiplicação de matrizes
      1. [x' y'] = [sx 0 0 xy] * [x y] = [ x*sx + 0*y 0*x + y*sy] = [x.sx y.sy]

Siguiente

Processamento de Imagem Digital

Descripción

Resumen del Recurso

Similar

	Creado por Andressa Marçal hace casi 5 años