Sei sulla pagina 1di 131

Transforma¸c˜oes de imagens baseadas em Morfologia Matem´atica

Este exemplar corresponde `a reda¸c˜ao final da Tese devidamente corrigida e defendida por Leyza Elmeri Baldo Dorini e aprovada pela Banca Examinadora.

Campinas, 16 de fevereiro de 2009.

pela Banca Examinadora. Campinas, 16 de fevereiro de 2009. Tese apresentada ao Instituto de Computa¸c˜ao, unicamp

Tese apresentada ao Instituto de Computa¸c˜ao, unicamp, como requisito parcial para a ob- ten¸c˜ao do t´ıtulo de Doutora em Ciˆencia da Computa¸c˜ao.

i

FICHA CATALOGRÁFICA ELABORADA PELA BIBLIOTECA DO IMECC DA UNICAMP

Bibliotecária: Miriam Cristina Alves – CRB8a / 5094

D734t

Dorini, Leyza Elmeri Baldo Transformações de imagens baseadas em morfologia matemática/ Leyza Elmeri Baldo Dorini -- Campinas, [S.P. :s.n.], 2009.

Orientador : Neucimar Jerônimo Leite Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Computação.

1. Morfologia matemática. 2. Processamento de imagens. 3. Análise

de imagens.

Campinas. Instituto de Computação. III. Título.

I. Leite, Neucimar Jerônimo. II. Universidade Estadual de

Título em inglês: Image transformations based on mathematical morphology operations

Palavras-chave em inglês (Keywords): 1. Mathematical morphology. 2. Image processing. 3. Image analysis.

Área de concentração: Processamento de imagens.

Titulação: Doutora em Ciência da Computação

Banca examinadora: Prof. Dr. Neucimar Jerônimo Leite (IC-UNICAMP) Prof. Dr. Aparecido Nilceu Marana (DCo-UNESP) Prof. Dr. Roberto Hirata Júnior (IME-USP) Prof. Dr. Alexandre Xavier Falcão (IC-UNICAMP) Prof. Dr. Hélio Pedrini (IC-UNICAMP)

Data da defesa: 16/02/2009

Programa de Pós-Graduação: Doutorado em Ciência da Computação

ii

iii

iii

Instituto de Computa¸c˜ao Universidade Estadual de Campinas

Transforma¸c˜oes de imagens baseadas em Morfologia Matem´atica

Leyza Elmeri Baldo Dorini 1

Janeiro de 2009

Banca Examinadora:

Prof. Dr. Neucimar Jerˆonimo Leite (Orientador)

Prof. Dr. Aparecido Nilceu Marana - DCo/UNESP

Prof. Dr. Roberto Hirata J´unior - IME/USP

Prof. Dr. Alexandre Xavier Falc˜ao - IC/UNICAMP

Prof. Dr. H´elio Pedrini - IC/UNICAMP

Prof. Dr. Arnaldo de Albuquerque Ara´ujo - DCC/UFMG (suplente)

Profa. Dra. Anamaria Gomide - IC/UNICAMP (suplente)

1 Suporte financeiro de: bolsa FAPESP (processo 2005/4462-2).

v

Resumo

Este trabalho apresenta um novo conjunto de transforma¸c˜oes de imagens que podem ser utilizadas como uma etapa adicional em diversas aplica¸c˜oes, tal como segmenta¸c˜ao, de modo a evitar o uso de opera¸c˜oes com custo computacional mais alto. Tais trans- forma¸c˜oes utilizam como base opera¸c˜oes de morfologia matem´atica e possuem a forma de um operador do tipo toggle. Inicialmente, foi definida uma nova opera¸c˜ao com pro- priedades espa¸co-escala, atrav´es da qual pode-se obter uma simplifica¸c˜ao bem controlada da imagem em que m´aximos e m´ınimos interagem ao mesmo tempo, uma vantagem em rela¸c˜ao a outras abordagens que consideram transforma¸c˜oes de extremos separadamente. A an´alise de diferentes n´ıveis de representa¸c˜ao traz in´umeras vantagens, possibilitando lidar adequadamente com a natureza multi-escala das images e permitindo a extra¸c˜ao das caracter´ısticas espec´ıficas que se tornam expl´ıcitas a cada escala. A partir de varia¸c˜oes na formula¸c˜ao e na forma de aplica¸c˜ao do operador proposto, foi poss´ıvel definir uma nova opera¸c˜ao de limiariza¸c˜ao adaptativa multi-escala e um m´etodo de filtragem de ru´ıdo. Fo- ram realizados diversos experimentos que comprovaram as vantagens da utiliza¸c˜ao das abordagens propostas.

vii

Abstract

In this work, we present a new set of image transformations that can be used as an additio- nal step in several applications, such as segmentation, to avoid the need of operations with a higher computational cost. These transformations are based on mathematical morpho- logy operations and have the format of a toggle operator. The first proposed operation has scale-space properties, which conduce to a well-controlled simplification of the image where minima and maxima interact at the same time, an advantage when compared to other approaches. Through the analysis of different representation levels, it is possible to deal with the multiscale nature of images, as well as to extract the specific features that become explicit at each scale. By changing the primitives the form of application of the proposed operator, we also define an adaptative multiscale thresholding operation and a noise filtering method. We show the results of several computational experiments, which demonstrate the advantages of the proposed approaches.

ix

Agradecimentos

Ao meu marido Fabio, por estar sempre ao meu lado, compartilhando momentos alegres

e dif´ıceis e, acima de tudo, me incentivando a sempre acreditar em mim mesma.

Ao meu orientador, Prof. Neucimar Leite, pelo incentivo e apoio prestados.

Ao Prof. Farhad Jafari, University of Wyoming, pelo apoio e incentivo durante a rea- liza¸c˜ao do Programa de Est´agio no Exterior.

Ao Instituto de Computa¸c˜ao e `a UNICAMP, pela estrutura e ambiente.

A

todos que de alguma forma contribu´ıram para este trabalho: fam´ılia, professores, colegas

e

funcion´arios do IC.

`

A

FAPESP pelo suporte financeiro.

xi

Conte´udo

Resumo

vii

Abstract

ix

Agradecimentos

xi

1 Introdu¸c˜ao

1

1.1 Principais contribui¸c˜oes .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

2

1.2 Organiza¸c˜ao da tese .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

3

2 Princ´ıpios b´asicos de processamento de imagens e morfologia matem´atica

7

2.1 Defini¸c˜oes b´asicas de processamento de imagens

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

7

2.2 Transforma¸c˜oes de imagens e operadores

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

9

2.3 Elementos e fun¸c˜oes estruturantes .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

12

2.4 Opera¸c˜oes b´asicas de morfologia matem´atica

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

14

2.5 Outras transforma¸c˜oes morfol´ogicas

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

18

2.6 Operadores do tipo toggle

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

22

2.7 Transformada de watershed

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

23

2.8 Conclus˜oes .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

25

3 Teoria espa¸co-escala

 

27

3.1 Introdu¸c˜ao .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

27

3.2 Vis˜ao geral da teoria espa¸co-escala

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

29

3.3 Abordagem linear .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

30

3.4 Espa¸cos-escala em duas dimens˜oes .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

33

3.5 Abordagens n˜ao-lineares

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

34

3.6 Espa¸cos-escala morfol´ogicos

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

36

3.6.1 Eros˜ao/Dilata¸c˜ao Morfol´ogica Multi-escala

.

.

.

.

.

.

.

.

.

.

.

.

.

.

36

3.6.2 Espa¸cos-escala baseados em aberturas e fechamentos

.

.

.

.

.

.

.

.

37

3.6.3 Espa¸cos-escala baseados em operadores conexos

 

.

.

.

.

.

.

.

.

.

.

.

39

xiii

3.7

Conclus˜oes .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

40

4 Operador SMMT: Self-dual Multiscale Morphological Toggle

 

41

4.1 Propriedades espa¸co-escala .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

42

4.2 Varia¸c˜ao no n´umero de itera¸c˜oes do operador SMMT

.

.

.

.

.

.

.

.

.

.

.

.

47

4.3 Testes experimentais

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

50

4.4 Conclus˜oes .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

52

5 Exemplos de segmenta¸c˜ao de imagens com o operador SMMT

 

53

5.1 Segmenta¸c˜ao de imagens em n´ıveis de cinza

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

54

5.2 Aplica¸c˜ao: segmenta¸c˜ao de c´elulas .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

58

 

5.2.1 Abordagem proposta

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

59

5.2.2 Resultados

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

62

5.3 Conclus˜oes .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

66

6 Abordagem toggle para binariza¸c˜ao multi-escala de imagens

 

67

6.1 Trabalhos relacionados

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

69

6.2 Binariza¸c˜ao de imagens com problemas de ilumina¸c˜ao

 

.

.

.

.

.

.

.

.

.

.

71

6.3 Binariza¸c˜ao de imagens de documentos

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

72

 

6.3.1 Resultados experimentais .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

73

6.3.2 Abordagem multi-escala para binariza¸c˜ao autom´atica

 

80

6.4 Segmenta¸c˜ao de movimento em v´ıdeo

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

81

 

6.4.1

Abordagem proposta

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

82

6.5 Resultados

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

83

6.6 Conclus˜oes .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

85

7 Um operador de filtragem auto-dual

 

87

7.1 Operador de filtragem proposto e suas propriedades

.

.

.

.

.

.

.

.

.

.

.

.

.

89

7.2 Filtragem de ru´ıdos do tipo gaussiano e impulsivo

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

92

7.3 Filtragem de ru´ıdo do tipo speckle .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

95

 

7.3.1 Trabalhos relacionados

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

96

7.3.2 Resultados

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

97

7.3.3 Filtragem e segmenta¸c˜ao de imagens SAR

.

.

.

.

.

.

.

.

.

.

.

.

.

.

104

7.4 Conclus˜oes .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

105

8 Conclus˜oes e trabalhos futuros

 

107

8.1 Trabalhos futuros

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

108

8.2 Trabalhos publicados

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

109

xiv

Lista de Tabelas

5.1

segmento que melhor se ajusta ao

.

Medida F-score ao considerar a uni˜ao de segmentos que melhor correspon-

Medida F-score ao considerar um unico´

objeto a ser segmentado.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

 

5.2

.

.

56

dem (se sobrep˜oem) ao objeto a ser

 

.

.

56

5.3

Conjuntos de caracter´ısticas e taxas de

 

.

.

.

.

.

.

.

.

.

.

.

.

65

´

6.1

Indices de Precis˜ao e

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

80

7.1

Primitivas consideradas nos

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

92

7.2

RMSE considerando o filtro toggle (ru´ıdo gaussiano).

.

.

.

.

.

.

.

.

.

.

.

.

94

7.3

RMSE considerando o centro morfol´ogico (ru´ıdo gaussiano).

.

.

.

.

.

.

.

.

94

7.4

RMSE considerando o filtro toggle (ru´ıdo do tipo impulsivo).

.

.

.

.

.

.

.

94

7.5

RMSE considerando o centro morfol´ogico (ru´ıdo do tipo

 

95

7.6

RMSE m´edio dos resultados de filtragem das imagens da Figura 7.2 para

 

o filtro toggle (ru´ıdo speckle ).

27.22.

.

.

.

.

.

.

.

.

.

.

.

.

.

O RMSE m´edio das imagens com ru´ıdo ´e .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

98

7.7

Valores m´edios da m´edia e desvio padr˜ao dos n´ıveis de cinza calculados nas regi˜oes homogˆeneas para as cinco vers˜oes corrompidas da imagem da

 

Figura 7.3(a).

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

100

7.8

Valores m´edios das medidas calculadas com base nas regi˜oes homogˆeneas

 

para as cinco vers˜oes corrompidas da imagem da Figura

.

.

.

.

.

.

100

7.9

Valores m´edios da m´edia e desvio padr˜ao dos n´ıveis de cinza calculados nas regi˜oes homogˆeneas para as cinco vers˜oes corrompidas da imagem da

 

Figura 7.3(b).

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

101

7.10

Valores m´edios das medidas calculadas com base nas regi˜oes homogˆeneas

 

para as cinco vers˜oes corrompidas da imagem da Figura

.

.

.

.

.

.

101

7.11

Valores m´edios da m´edia e desvio padr˜ao dos n´ıveis de cinza calculados nas regi˜oes homogˆeneas para as cinco vers˜oes corrompidas da imagem da

 

Figura 7.3(c).

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

102

xv

7.12

Valores m´edios das medidas calculadas com base nas regi˜oes homogˆeneas

da imagem para as cinco vers˜oes corrompidas da imagem da Figura 7.3(c).

 

102

7.13 Valores m´edios da m´edia e desvio padr˜ao das regi˜oes homogˆeneas para

 

vers˜oes com ru´ıdo da Figura 7.3(a-c).

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

103

7.14 M´edia das medidas para as vers˜oes com ru´ıdo da Figura 7.3(a-c).

.

.

.

.

.

103

xvi

Lista de Figuras

2.1

Diferentes formas de representa¸c˜ao de uma imagem: (a) bin´aria, (b) em

 

n´ıveis de cinza e (c) superf´ıcie topogr´afica.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

9

2.2

Exemplos de elementos estruturantes planares abrangendo uma vizinhan¸ca

 

3 × 3. O ponto branco denota o centro do elemento estruturante.

 

.

.

.

.

.

13

2.3

Exemplos de fun¸c˜oes estruturantes n˜ao-planares: (a) parab´olica (b) cˆonica

 

e (c)

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

14

2.4

Exemplo de dilata¸c˜ao bin´aria: (a) imagem original, (b) aplica¸c˜ao do ele- mento estruturante da Figura 2.2(a) e (c) imagem dilatada (os pixels na

 

cor cinza foram criados).

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

15

2.5

Exemplo de eros˜ao bin´aria: (a) imagem original, (b) aplica¸c˜ao do elemento estruturante da Figura 2.2(a) e (c) imagem erodida (os pixels na cor cinza

 

foram eliminados).

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

16

2.6

(a)

Imagem original, (b) dilata¸c˜ao e (c) eros˜ao de (a) utilizando um ele-

 

mento estruturante quadrado de tamanho 3 × 3.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

17

2.7

Exemplo de filtragem morfol´ogica de uma imagem com ru´ıdo sal e pimenta:

 

(a)

imagem original, (b) abertura (c) fechamento e (d) fechamento seguido

de abertura. Todos os exemplo utilizaram um elemento estruturante circu-

lar de raio 3.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

19

2.8

Exemplo de fechamento por reconstru¸c˜ao:

 

. (a) imagem original, (b) di-

 

lata¸c˜ao com elemento estruturante circular de raio 20 e (c) reconstru¸c˜ao

geod´esica por eros˜ao utilizando (b) como imagem marcadora.

 

.

.

.

.

.

.

.

22

2.9

Ilustra¸c˜ao da transformada de watershed [5]: (a) imagem em n´ıveis de cinza, (b) representa¸c˜ao de (a) como uma superf´ıcie topogr´afica e (c)-(e)

 

processo de inunda¸c˜ao e constru¸c˜ao de diques.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

24

2.10

Transformada de watershed : (a) imagem original, (b) m´aximos regionais,

 

(c)

segmenta¸c˜ao utilizando m´aximos como marcadores, (d) pontos que pos-

suem um contraste maior que 15 (e) segmenta¸c˜ao resultante ao considerar

pontos selecionados em (d) como marcadores.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

24

3.1

Representa¸c˜ao multi-escala de um sinal.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

28

xvii

3.2

Exemplo de espa¸co-escala gaussiano:

(a) sinal unidimensional aleat´orio,

 

(b)-(e) representa¸c˜ao espa¸co-escala para escalas crescentes e (f) fingerprint considerando m´aximos locais como

31

3.3

Exemplo ilustrando a cria¸c˜ao de um novo m´aximo local ao gerar um espa¸co-

escala gaussiano em duas dimens˜oes [52].

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

33

3.4

Espa¸co-escala gaussiano bidimensional utilizando as escalas (desvio padr˜ao

do n´ucleo): (a) 1, (b) 2 e (c) 4.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

34

3.5

Difus˜ao anisotr´opica de uma imagem considerando diferentes coeficientes

de difus˜ao: c 1 = 20, c 1 = 50 e c 1 = 100.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.