Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INSTITUTO DE COMPUTAÇÃO
CURSO DE CIÊNCIA DA COMPUTAÇAO
DISCIPLINA: PROCESSAMENTO DE IMAGENS
PROFESSOR: JOÃO PAULO RIBAS
Relatório do Trabalho
Sumário
1.Lista de Figuras
2.Introdução
Processar uma imagem consiste em decompo-la sucessivamente com o objetivo de extrair mais
facilmente a informação nela presente. Processar uma imagem, como é feito pelo sistema visual humano
(SVH), é extremamente complexo, realizar as mesmas tarefas que o SVH, com a ajuda de máquinas, exige
uma compreensão dos conhecimentos humanos.
Esta característica faz com que o processamento de imagens seja, atualmente, uma disciplina
dependente do sistema no qual ele está associado, não existindo uma solução única e sufuciente para todos os
problemas. Por isso ainda não existem sistemas de análise de imagens complexos o suficiente para
funcionarem em todos os casos.
Quando falamos em “análise de imagens” falamos do tratamento da imagem ou também de
parametrização é nela que várias medidas (parâmetros) são utilizadas para descrever diferentes informações
dentro de uma imagem.
6
A imagem refere-se a uma função de intensidade de luz bi-dimensional f(x,y), onde x e y são
coordenadas espaciais e o valor de f em um ponto qualquer (x,y) é proporcional ao brilho ou nível de cinza da
imagem naquele ponto. Uma imagem digital é uma imagem f(x,y) discretizada no espaço e na intensidade de
brilho e pode ser considerada uma matriz, cujos elementos são chamados de “pixels” (“Picture elements”).
No processamento de imagens existem vários problemas, e existe uma ferramenta matemática muito
usada na solução destes problemas, a transformada de Fourier, é utilizada em diversas áreas da ciência e
tecnologia hoje em dia, desde a simples filtragem até a utilização na compressão de arquivos de imagem. Esta
transformada é uma das maneiras de realizar uma mudança de domínio espacial em espectral (onde um sinal
fica caracterizado por suas componentes de freqüência).
A transformada de Fourier de uma função f(x) é definida como:
Existe também a transformada inversa, que recupera a função original e é definida como:
• DCT (Transformada Discreta Cosseno) – A transformada de DCT de uma imagem tem como
propriedades que a informação visual mais importante é concentrada em apenas alguns
coeficientes da DCT.
8
As Transformadas rápidas de Fourier são de grande importância em uma vasta gama de aplicações,
de Processamento digital de sinais para a resolução de equações diferenciais parciais a algoritmos para
multiplicação de grandes inteiros. O algoritmo baseia-se no chamado método de dobramentos sucessivos,
onde podemos expressar a transformada de Fourier como sendo:
Uma propriedade da transformada de Fourier é a separabilidade, que é utilizada para calcular uma
transformada bi-dimensional com uma sucessão de duas transformadas unidimensionais.
ou seja:
O teorema da convolução diz que a transformada de Fourier de duas funções convoluídas no domínio
do espaço é igual ao produto das transformadas das duas funções no domínio de Fourier, ou seja:
3.Caracterização do Problema
Este trabalho propõe o estudo das transformadas de Fourier mostradas na introdução, utilizando um
programa próprio pra isto o MATLAB (Matrix Laboratory), que é um software de alta performance voltado
para o cálculo numérico.
O MATLAB abrange análises numéricas, cálculos com matrizes, processamentos de sinais e
construções de gráficos em um ambiente próprio.
Transformadas são fundamentais no estudo de processamento de imagens, logo esse estudo se torna
essencial, no desenvolvimento do trabalho foram executadas as seguintes etapas:
• Implementação de uma função utilizando o MATLAB que calcule a DFT-2D de uma imagem
digital utilizando a propriedade da separabilidade;
• A apresentação dos espectros de Fourier e Cosseno em escala logarítmica e centralizada;
• Uma comparação entre os resultados obtidos utilizando-se a função implementada e a função
fft2 existente no MATLAB;
• Uma demonstração prática do Teorema da Convolução 2D (caso discreto) seguindo os
seguintes passos:
4.Resultados
A seguir apresentaremos as tabelas das imagens resultantes através da aplicação do algoritmo DFT-2D
desenvolvido no MATLAB, a apresentação segue nos exemplos na seguinte ordem: na coluna da esquerda a
imagem original, na coluna central o espectro de Fourier e na coluna da direita o espectro de Fourier
centralizado.
As tabelas abaixo apresentam, para uma análise, os resultados obtidos utilizando-se a função DFT-2D
desenvolvida em MATLAB e a função fft2 já presente no mesmo programa.
A exibição das imagens segue a seguinte ordem para todos os exemplos: na coluna da esquerda estão
as imagens do espectro logarítmico de Fourier (acima) e do espectro centrado de Fourier (abaixo) obtidos pela
função DFT-2D. Na segunda coluna, na mesma ordem, estão as imagens obtidas utilizando-se a função fft2.
Fig. 16: Comparação entre os espectros obtidos na imagem lena256.bmp
Fig. 16 (a): Espectro logarítmico – DFT-2D Fig. 16 (b): Espectro logarítmico – FFT2
Fig. 16 (c): Espectro centralizado – DFT-2D Fig. 16 (d): Espectro centralizado – FFT2
14
Fig. 17 (a): Espectro logarítmico – DFT-2D Fig. 17 (b): Espectro logarítmico – FFT2
Fig. 17 (c): Espectro centralizado – DFT-2D Fig. 17 (d): Espectro centralizado – FFT2
15
Fig. 18 (a): Espectro logarítmico – DFT-2D Fig. 18 (b): Espectro logarítmico – FFT2
Fig. 18 (c): Espectro centralizado – DFT-2D Fig. 18(d): Espectro centralizado – FFT2
16
Fig. 19 (a): Espectro logarítmico – DFT-2D Fig. 19 (b): Espectro logarítmico – FFT2
Fig. 19 (c): Espectro centralizado – DFT-2D Fig. 19 (d): Espectro centralizado – FFT2
As tabelas abaixo apresentam os resultados obtidos através da aplicação da função DCT2 (para cálculo
da Transformada de Cosseno).
A exibição das imagens segue, para todos os exemplos, a seguinte ordem: na coluna da direita fica a
imagem original, na coluna do meio fica a imagem em escala logarítmica após a aplicação da função e na
coluna da direita fica a imagem em escala logarítmica centralizada (através da função fftshift).
17
Abaixo estão os resultados obtidos através da aplicação da função Conv2 existente no MATLAB e da
aplicação do ‘Teorema da Convolução’ nas imagens. As imagens que passaram pela convolução já foram
apresentadas neste trabalho, no entanto elas são reapresentadas na figura 19.
Como a função de convolução gera uma matriz com números de grandeza muito grande, para
visualização da imagem, os elementos da matriz resultante foram divididos por 800.000.000 (oitocentos
milhões) para que fosse possível ver os efeitos da convolução.
Fig. 25 (a): Convolução através da função Fig. 25 (b): Convolução através do Teorema
Conv2 do MATLAB da Convolução
19
6.Conclusão
Este trabalho nos proporcionou a descoberta de um grande número de conhecimentos, já que a área de
processamento de imagens abrange um número enorme de conceitos e técnicas de desenvolvimento, que
poderão ser muito úteis no futuro.
7.Referência Bibliográfica
MACHADO, Kleber Daum. Equações Diferenciais Aplicadas à Física. 2ª Edição. Local: Editora
UEPG, 2000;
Transformada de Fourier, disponível em <http://pt.wikipedia.org/wiki/Transformada_de_Fourier>,
acessado em 05/05/2009;
Transformada Discreta de Cosseno, disponível em
<http://pt.wikipedia.org/wiki/Transformada_Discreta_de_Cosseno>, acesso em 05/05/2009;
Processamento Digital de Imagens no Domínio da Freqüência, disponível em
<http://www.if.ufrgs.br/ast/med/imagens/node42.htm>, acessado em 05/05/2009;
Transformada de Fourier, disponível em <http://www.cs.unm.edu/~brayer/vision/fourier.html>,
acessado em 05/05/2009.
21
8.Anexos
Anexo1: TransformadadeFouriercomseparabilidade