Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Captulo
2
A Morfologia Matemtica e suas Aplicaes em
Processamento de Imagens
Jacques Facon
Resumo
A Morfologia Matemtica surgiu, a primeira vez, em 1964 das pesquisas conjuntas dos
pesquisadores Franceses Georges Matheron e Jean Serra. Entre 1964 e 1968 foram
estabelecidas as primeiras noes tericas (Operao Hit-Miss, abertura, fechamento).
Neste mesmo perodo foi criado o Centre de Morphologie Mathmatique na cole des
Mines de Paris localizada em Fontainebleau (Frana).
A fora da Morfologia Matemtica reside no fato de quantificar a intuio do pes-
quisador, analisando a estrutura geomtrica das imagens a partir de um conjunto perfei-
tamente definido e conhecido pelo usurio chamado de Elemento Estruturante. Este vai
interagir com cada entidade contida na imagem, modificando a sua aparncia, a sua
forma, o seu tamanho permitindo assim tirar algumas concluses necessrias. A eficin-
cia e tambm a dificuldade da morfologia matemtica reside na escolha da deformao
certa para transformar a intuio intelectual em aplicao prtica.
Outra grande vantagem da Morfologia Matemtica a sua simplicidade de imple-
mentao. Alm do Elemento Estruturante, os dois outros pilares da Morfologia Mate-
mtica so as duas operaes bsicas, a eroso e a dilatao, a partir das quais, por
composio, possvel realizar muitos outros operadores poderosos. O que faz que a
Morfologia Matemtica se destaca muito de outras tcnicas de processamento de ima-
gens onde, na maioria dos casos, as implementaes no aproveitam das ferramentas j
existentes.
Por todas estas razes, a rea da Morfologia Matemtica foi e ainda o centro de
muitas atenes, de numerosas pesquisas que originaram descobertas sensacionais que
revolucionaram a rea de Processamento de Imagens. Pesquisadores do mundo inteiro
usam e estudam novos rumos da Morfologia Matemtica, principalmente da Morfologia
Matemtica para imagens coloridas. O que explica que emergeram vrias escolas
desta alm da linha tradicional da cole de Mines de Paris. Como por exemplo as esco-
61
VII Workshop de Visao Computacional WVC 2011
las Americana e Holandesa, j estabelecidas faz j alguns anos. Mas tambm a escola
Brasileira em plena expanso.
As conseqncias destas diversas influncias a apario de notaes, de regras
s vezes um pouco diferentes para cada escola. O que pode s vezes confundir o leitor.
Para evitar ao mximo este tipo de confuses, o autor tentou seguir de forma mais fiel
possvel a linha tradicional da cole de Mines de Paris. As notaes adotadas seguem
portando o formalismo de G. Matheron e de J. Serra.
Com este captulo, o autor pretende apresentar as definies das ferramentas b-
sicas da Morfologia Matemtica Binria e em Nveis de cinza, demonstrar como compor
ferramentas mais complexas a partir destes operadores bsicos e ilustrar suas aplicaes
atravs de exemplos didticos, tericos e prticos.
2.1. INTRODUO
2.1.1. Prembulo
Composta das palavras gregas morph (forma) e logos (cincia), a morfologia trata das
formas que a matria pode tomar. Por exemplo, a morfologia vegetal refere-se ao estudo
da estrutura dos organismos vegetais. Da mesma maneira, a morfologia social o estudo
das estruturas da vida social.
O que morfologia matemtica? De fato, seguindo esses exemplos, a morfologia
matemtica, inicialmente elaborada por Georges Matheron e Jean Serra, concentra seu es-
foro no estudo de estruturas geomtricas presentes numa imagem atravs de ferramentas
matemticas.
O princpio bsico da morfologia matemtica consiste em extrair informaes re-
lativas geometria e topologia de conjuntos desconhecidos de uma imagem a partir
do elemento estruturante. O que um elemento estruturante ? um conjunto, comple-
tamente definido e conhecido pelo computador em forma e tamanho, que comparado,
a partir de uma transformao, aos conjuntos desconhecidos da imagem. O formato e
o tamanho do elemento estruturante possibilitam testar e quantificar de que maneira o
elemento estruturante est ou no est contido na imagem. O resultado dessa transfor-
mao permite avaliar estes conjuntos.
62
VII Workshop de Visao Computacional WVC 2011
que vai agir com a imagem f . O resultado dessa interao ser colocado numa posio
especfica, a do ponto central PC do elemento estruturante, na imagem no momento da
ao. O smbolo
( ) representar este ponto central PC no elemento estruturante. Por
exemplo, () . Na maioria dos exemplos apresentados, o ponto central do elemento
estruturante correspondar a seu centro fsico.
. Neste caso,
. num objetivo de simplificao,
. .
o smbolo ( ) ser omitido. Por exemplo, . . . = . (.) .
63
VII Workshop de Visao Computacional WVC 2011
64
VII Workshop de Visao Computacional WVC 2011
Nesta nova definio, pode-se constatar que o elemento estruturante B no desliza mais
na imagem f , mas que, ao contrrio, a imagem f que vai se deslocar em funo das po-
sies permitidas pelo elemento estruturante B. Entende-se que, na diferena da definio
2.2, tem-se que transladar f e no mais B. Os deslocamentos so realizados em relao
ao ponto central de B.
Qualquer que seja a definio de eroso, fica fcil adivinhar o que este operador
faz . Veja na figura 2.1 um exemplo simples de uma imagem poluda por um leve rudo
preto regular. Aplicando a eroso
nos conjuntos pretos da imagem, usando o elemento
estruturante quadrado BQ = , percebe-se o que o rudo preto desaparece.
a) (b)
Figura 2.1. Limpeza de uma imagem ruidosa: (a) Image Original, (b) Eroso dos
conjuntos pretos.
A figura 2.2 ilustra um exemplo mais complexo de uma imagem cujo fundo
poluda por um rudo preto e que contm alguns conjuntos furados, outros conectados e
ainda alguns prejudicados internamente por um rudo branco irregular. Aplicando a ero-
so nos conjuntos pretos da imagem, usando o mesmo elemento estruturante quadrado
BQ , percebe-se o que o rudo preto quase desaparece na sua totalidade. Mas que o rudo
branco regular se expande, prejudicando o conjunto circular. Aplicando a eroso com o
elemento estruturante ainda maior 3 BQ , fica evidente que todo o rudo preto desapa-
rece, que o rudo branco se expande, fazendo desparecer quase por completo o conjunto
circular. Percebe-se portanto que, a medida que o elemento estruturante cresce, todos
os conjuntos se modificam diminuindo de tamanho e sofrem desgastes maiores. No
somente a aparncia externa muda, mas em caso de conjuntos apresentando cavidades
internas, as mesmas aumentam de tamanho.
65
VII Workshop de Visao Computacional WVC 2011
P Q = {x E : a P e b Q : x = a + b} = bQ Pb (2)
B( f ) = f B = (bB)
f b = (bB) f b
onde B
representa o elemento estruturante obtido por simetria central de B
pela origem {o} do sistema de referncia, e chamado de B transposto
66
VII Workshop de Visao Computacional WVC 2011
a) (b)
Figura 2.3. Limpeza de uma imagem ruidosa: (a) Image Original, (b) Dilatao
dos conjuntos pretos.
pretos da imagem, usando o elemento estruturante quadrado B Q =
, percebe-se
o que o rudo branco desaparece e que os conjuntos so preenchidos.
A figura 2.4 ilustra um exemplo mais complexo de uma imagem apresentando um
fundo poluda por um rudo preto e que contm alguns conjuntos furados, outros conec-
tados e ainda alguns prejudicados internamente por um rudo branco irregular. Aplicando
a dilatao nos conjuntos pretos da imagem, usando o elemento estruturante quadrado
BQ , percebe-se o que o rudo branco quase desaparece na sua totalidade, que os conjuntos
prejudicados internamente recuperam o aspecto original. Mas que o rudo preto regular
se expande. Aplicando a dilatao com o elemento estruturante ainda maior 3 B Q , fica
evidente que todo o rudo branco desaparece, que o rudo preto regular se expande mais,
chegando a grudar em alguns conjuntos, criando deformaes. Percebe-se portanto que, a
medida que o elemento estruturante cresce, todos os conjuntos aumentam gradativamente
de tamanho e todas as cavidades internas diminuem. No somente as aparncias interna e
externa mudam, mas em caso de conjuntos prximos, os mesmos podem ficar conectados.
67
VII Workshop de Visao Computacional WVC 2011
A figura 2.5 ilustra o impacto de vrios elementos estruturantes (ver pargrafo 2.1.2)
Cruz BC (em azul), Quadrado BQ (em verde) e Rhombus BR (em vermelho) em conjuntos
de geometrias diversas. bvio que maior for o elemento estruturante, mais agressivas
sero a eroso e a dilatao. Mas os elementos estruturantes no imprimem a sua marca
somente na quantidade de pixels removidos ou adicionados, mas tambm no formato que
os conjuntos atingem. Um conjunto circular erodido pelo Cruz BC (em azul) ou Quadrado
BQ (em verde) perde progressivamente o seu aspecto redondo a medida que o tamanho do
elemento estruturante aumenta. Um conjunto quadrado dilatado pelo Cruz BC (em azul)
ou Rhombus BR (em vermelho) perde progressivamente o seu aspecto quadrado a medida
que o tamanho do elemento estruturante cresce. O que significa que a geometria pode
variar e se deformar com uso de um elemento estruturante inapropriado.
Pelos exemplos anteriores (figuras 2.1, 2.2, 2.3, 2.4), pode ser constatado que a
eroso e dilatao modificam todos os conjuntos. Em todos os casos, enquanto que esses
ficam menores aps a eroso, os mesmos ficam maiores aps a dilatao. Agrupando
os resultados apresentados nesses exemplos, pode-se concluir que, por eroso, os efeitos
obtidos so:
68
VII Workshop de Visao Computacional WVC 2011
(a)
(b) (c)
Figura 2.5. Influncia dos elementos estruturantes Cruz, Quadrado e Rhombus:
(a) Imagem Original (b) Na eroso (c) Na dilatao.
Vale a pena esclarecer que as operaes de eroso e de dilatao so ditas duais e que a
interpretao da dilatao complementar da interpretao da eroso. O complemento da
proposio Bx est includo em f a proposta a interseo de B x e f no vazia.
B( f ) = f (B)
B ( f ) = f (B) (3)
x ( f ) = x ( f ) = fx (4)
69
VII Workshop de Visao Computacional WVC 2011
BB ( f ) = B ( f ) B ( f ) (5)
e
B ( f g) = B ( f ) B (g) (7)
B (B)
B ( B ( f )) =
A primeira : (f) (8)
B (B)
B ( B ( f )) =
A segunda : (f) (9)
Exemplo 2.2
. . . . . . .
.. . . .
.
.
.
. . . . . . .
. . . . . . .
. .
. . . . . . . . . .
.
. . .
. .
. .
. . . . . . .
( .
.
.
.
) =
( . .
( .
.
.
.
))
. . . . . . . .
. . . . . . . . . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
= .
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . .
. . . . . . .
70
VII Workshop de Visao Computacional WVC 2011
Exemplo 2.3
BR = BQ (BC )
.
..
.
.
.
.
.
.
.
.
.
. .
.
. .
= BC (BQ ) = . . = . .
( )=
( )
.
.
.
.
.
.
. .
. . . . . . .
Exemplo 2.4
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . .
. .. .. .
. . . . .
. . .
.. .
.
.
.
. .
. .
. .
. .
= . .
( . .
(... . .
( )))
. .
. .
. . . .
. . . . . .
7 vezes
. . . . . . . .
. . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . . . . . . . . . . .
f f = B ( f ) B ( f )
= B ( f ) B ( f ) (10)
E pela dualidade:
B B = B ( f ) B ( f )
= B ( f ) B ( f ) (11)
71
VII Workshop de Visao Computacional WVC 2011
B( f ) f B( f ) (12)
(a) (b)
Figura 2.6. Obteno do contorno: (a) Imagem original (b) Contorno por eroso.
72
VII Workshop de Visao Computacional WVC 2011
Como eliminar as partculas indesejveis sem modificar o tamanho dos outros conjuntos?
Intituivamente, pode-se prever que esta operao consiste em erodir e depois dilatar o
resultado da eroso. Define-se assim uma nova operao morfolgica chamada de aber-
tura binria e o novo conjunto processado pelo elemento estruturante B chamar-se- de
conjunto aberto por B
Definida por [Ser82], a abertura binria escreve-se como sendo:
a) (b) (c)
Figura 2.7. Limpeza de uma imagem pouco ruidosa: (a) Image Original, (b) Ero-
so dos conjuntos pretos seguida de (c) Dilatao dos conjuntos pretos.
73
VII Workshop de Visao Computacional WVC 2011
a) (b) (c)
Figura 2.8. Limpeza de uma imagem muito ruidosa: (a) Image Original, (b) Aber-
tura com BQ , (b) Abertura com BR .
A figura 2.9 exemplifica a limpeza de uma imagem poluda por um rudo preto
e que contm conjuntos furados, conjuntos conectados e conjuntos prejudicados interna-
mente por um rudo branco irregular. Usando o processo de abertura com o elemento
estruturante 2 BQ , percebe-se que o rudo preto desaparece, que o rudo branco perma-
nece e se expande prejudicando os conjuntos contaminados por tal rudo.
a) (b) (c)
Figura 2.9. Limpeza de uma imagem ruidosa: (a) Image Original, (b) Eroso dos
conjuntos pretos seguida de (c) Dilatao dos conjuntos pretos.
Como preencher cavidades sem modificar o tamanho dos outros conjuntos? Intituivamente,
pode-se prever que esta operao consiste em dilatar e depois erodir o resultado da dilata-
o. Define-se assim uma nova operao morfolgica chamada de fechamento binrio
e o novo conjunto processado pelo elemento estruturante B chamar-se- de conjunto fe-
chado por B Definido por [Ser82], o fechamento binrio escreve-se como sendo:
74
VII Workshop de Visao Computacional WVC 2011
a) (b) (c)
Figura 2.10. Limpeza de uma imagem pouco ruidosa: (a) Image Original, (b)
Dilatao dos conjuntos pretos seguida de (b) Eroso dos conjuntos pretos.
A figura 2.11 ilustra um exemplo mais complexo de uma imagem poluda por
um rudo preto que contm conjuntos furados, conjuntos conectados e conjuntos preju-
dicados internamente por um rudo branco irregular. Usando o processo de fechamento
com o elemento estruturante 2 BQ , percebe-se que o rudo preto permanece cuja partes
ficaram grudadas a conjuntos e que os conjuntos contaminados por partculas brancas so
corrigidos.
a) (b) (c)
Figura 2.11. Limpeza de uma imagem ruidosa: (a) Image Original, (b) Dilatao
dos conjuntos pretos seguida de cb) Eroso dos conjuntos pretos.
75
VII Workshop de Visao Computacional WVC 2011
Agrupando os resultados apresentados nos exemplos anteriores (figuras 2.7, 2.8, 2.9,
2.10, 2.11 ), pode-se concluir que, a abertura:
Pode separar conjuntos conectados. Para isto, preciso usar elementos estruturantes
de tamanho maior que a conexo:
Pode eliminar conjuntos. Para isto, faz-se necessrio usar elementos estruturantes
de tamanho maior que os conjuntos:
Pode conectar conjuntos separadas. Para isto, preciso usar elementos estruturantes
de tamanho maior que o intervalo que os separa:
Pode preencher buracos e cavidades. Para isto, faz-se necessrio usar elementos
estruturantes de tamanho maior que os buracos e cavidades:
76
VII Workshop de Visao Computacional WVC 2011
f g = B ( f ) B (g)
f g = B ( f ) B (g) (15)
B( f ) f
f B( f ) (16)
B ( B ( f )) = B ( f )
B ( B ( f )) = B ( f ) (17)
77
VII Workshop de Visao Computacional WVC 2011
Testar ao mesmo tempo as partes internas e externas de conjuntos de uma imagem, pode
ser realizado pela transformao Hit miss que consiste em testar o contedo de uma
imagem f e seu contedo complementrio f c a partir de dois elementos estruturantes
diferentes disjuntos. Para realizar isso, preciso de dois elementos estruturantes Bi e Be
que formam um par V = (Bi , Be ), um para testar o interior e o outro o exterior da imagem.
Definio 2.8 Aplicar uma transformao Hit miss hom em uma imagem
f a partir de um par de elementos estruturantes V = (B i , Be ) :
homV ( f ) = {x : Bix f ; Bex f c }
Pode-se dizer que um ponto da imagem f pertence imagem transformada por Hit miss
se e somente se Bi cabe em f e se Be cabe em f c . Isso supe obrigatoriamente que
Bi e Be sejam disjuntos, seno impossvel definir o operador Hit miss. Na prtica, a
transformao Hit miss pode ser expressa a partir da definio da eroso da seguinte
maneira:
2.2.4.2. Afinamento
78
VII Workshop de Visao Computacional WVC 2011
2.2.4.3. Espessamento
79
VII Workshop de Visao Computacional WVC 2011
Da mesma maneira, espessar uma imagem pode ser efetuado de forma simtrica a
partir da famlia de pares de elementos estruturantes L abaixo representada:
L = (L1 , L2 , L3 , L4 , L5 , L6 , L7 , L8 )
X X X X X X
X
X X X
X X
= X X
X
X X
X
X X X
X
X X
X
X X
X
X X
X X
(a) b) (c)
Figura 2.14. Afinamento e espessamento: (a) Image Original, (b) Afinamento, (c)
Espessamento.
2.2.5. Pruning
Freqentemente os processos de afinamento fazem aparecer nas imagens finais as linhas
genricas procuradas para permitir uma futura pesquisa mas tambm segmentos de tama-
nho reduzido chamados de rebarbas ou ainda ps de galinha que so o resultado do
processo sobre extremidades. Quando essas rebarbas so relativamente espessas, poss-
vel tir-las com um processo de abertura a partir de um elemento estruturante adequado
do tipo quadrado BQ . Caso as rebarbas sejam finas demais, um processo de abertura no
pode ser usado sob pena de destruio excessiva. possvel utilizar nesse caso uma vari-
ante do afinamento, o pruning. O objetivo desse processo tirar, a partir de uma imagem
j afinada, os pontos extremos. Para isso, possvel empregar uma das duas seguintes
famlias de elementos estruturantes:
X X X X X X X X X
X X X X X X
X X X X X X X X X
ou
80
VII Workshop de Visao Computacional WVC 2011
X X X
X X X
X X X
X X
X X
X X
X X X
X X X
X X X X X X X X X X X X X X
X X X X X X X X X X X X X X X X X X X X X
ou X X
X
X X
X X
X X X
X X X X X
X X X X X X X X X X
ou X X
X X
X X
X X
X X X X
X X X X X X X X
em uma
81
VII Workshop de Visao Computacional WVC 2011
2.2.7. Esqueletizao
Um problema comum quando se processa uma imagem binria determinar uma rplica
estruturada dessa imagem que seja fiel imagem original. Uma rplica que reflete todas
as caractersticas da imagem, porm mais econmica em termos de memria, consiste em
esqueletizar essa imagem. O interesse desse processo reside na compresso dos dados
para permitir anlises mais rpidas.
x esq( f ) = y1, y2 f , y1 = y2
d(x, f ) = d(x, y1) = d(x, y2)
82
VII Workshop de Visao Computacional WVC 2011
83
VII Workshop de Visao Computacional WVC 2011
(a) (b)
Figura 2.18. Esqueleto por esqueletizao: (a) Image Original, (b) Esqueleto.
A figura 2.19 ilustra as diferenas entre o esqueleto por afinamento e por esquele-
tizao. No segundo, as estruturas obtidas ficam mais descontnuas e compactadas que no
primeiro onde no h presena de descontinuidades nas estruturas geradas. Isto constitui a
grande diferena entre os processos de afinamento e de esqueletizao. No primeiro caso,
as estruturas obtidas so contnuas e refletem a geometria dos conjuntos. No segundo
caso, as estruturas obtidas so quase sempre descontnuas e podem apresentar geometrias
muito diferentes dos conjuntos. Essas diferenas nos resultados de afinamento e esquele-
tizao tm na realidade aplicaes diferentes.
84
VII Workshop de Visao Computacional WVC 2011
(a) (b)
Figura 2.19. (a) Esqueleto por afinamento versus (b) Esqueleto por esqueletizao.
f = n [ nB (sesqB ( f , n))] (20)
85
VII Workshop de Visao Computacional WVC 2011
esqB ( f ) f (22)
86
VII Workshop de Visao Computacional WVC 2011
(a) (b)
Figura 2.20. Esqueleto por regies de influncia: (a) Image Original, (b) Esqueleto SKIZ.
De maneira equivalente:
87
VII Workshop de Visao Computacional WVC 2011
88
VII Workshop de Visao Computacional WVC 2011
89
VII Workshop de Visao Computacional WVC 2011
n (X ) = nB ( f )/ nB( f ) ( (n+1)B ( f ))
Ult
Definio 2.19
O conjunto Ult(X ) constitudo de todas as ltimas eroses
do conjunto binrio X definido pela seguinte equao:
Ult(X n (X )
) = n Ult
= n [ nB ( f )/ nB ( f ) ( (n+1)B ( f ))]
90
VII Workshop de Visao Computacional WVC 2011
A figura 2.24 ilustra os resduos de cada subconjunto para cada etapa da eroso e
o resultado final da ltima Eroso com as sementes em vermelho.
Para descobrir os resduos da eroso na iterao n + 1, efetua-se a comparao
entre o resultado da reconstruo da eroso (n+1)B e o resultado da eroso nB . Caso o re-
sultado dessa comparao for nulo, isto significa que nenhum subconjunto foi descoberto.
Caso contrrio, um novo subconjunto portanto descoberto atravs de sua semente. Essa
descoberta pode no ser sempre prevista pela anlise puramente visual, devido prpria
geometria dos conjuntos. A figura 2.25ilustra o resultado do processo de ltima Ero-
.. . . ..
. . . . . . .
so com o elemento estruturantes BR = .. .. . Pode constatar que as sementes
. . . .
. . . . . . .
obtidas se encontram bem centralizadas.
A anlise de imagens por medio de estruturas (de clulas, de gros) uma tarefa im-
portante. Quando um tamanho mdio de estrutura existe, uma anlise global pode ser
91
VII Workshop de Visao Computacional WVC 2011
A anlise granulomtrica existe e usada desde tempos antigos, o que explica que a litera-
tura nesse assunto ampla. Do ponto de visto morfolgico, por exemplo [Mat75] props
um conjunto de regras que, se forem verificadas, permitem obter uma boa granulometria.
Para isto, existem trs axiomas:
Sejam a imagem f a ser analisada e T ( ) ( f ) a transformao que permite rea-
lizar uma anlise granulomtrica. T ( ) ( f ) representa exatamente o refugo da peneira de
tamanho .
92
VII Workshop de Visao Computacional WVC 2011
3. O resultado final deve ser idntico qualquer que seja a seqncia de transformaes
empregada. Alm disso, o resultado deve idntico ao obtido pela transformao de
maior parmetro :
1 , 2 > 0, T (1 ) (T (2 ) ( f )) = T (2 ) (T (1 ) ( f ))
= T sup(1 ,2 ) ( f ) , f
93
VII Workshop de Visao Computacional WVC 2011
N( f ) N(T ( ) ( f )) N(T ( ) ( f ))
Fn ( ) = = 1 (27)
N( f ) N( f )
Da mesma maneira, para a granulometria em medida, pode ser definida uma funo
de distribuio em medida, Fm ( f , ) ou ainda Fm ( ):
94
VII Workshop de Visao Computacional WVC 2011
d(( ))
= ( + 1) ( ) (31)
d( )
[Ser82] demonstra que essa relao verifica-se somente no caso do elemento es-
truturante ser convexo.
95
VII Workshop de Visao Computacional WVC 2011
Dessa maneira cria-se uma granulometria por abertura bidimensional onde o par-
metro o raio ou o fator k de crescimento do elemento estruturante. Uma maneira exata
de criar uma seqncia de elementos estruturantes {Bi } criar a seqncia Bk+1 = B (Bk ),
onde Bk+1 Bk -abertura k > 0. O elemento estruturante B1 o elemento estruturante
unidade constitudo de um pixel B 1 = { }.
A lei de distribuio usada no caso da granulometria por abertura bidimensional
geralmente a distribuio em medida (definies 29 e 30), a distribuio em nmero
pouco usada nesse caso (equaes 27 e 28). A funo de distribuio em medida
portanto:
Bk ( f )
A(
Fm (k) = 1 (32)
f)
A(
onde A(I) representa a medida de Lebesgue de I em 2 , seja a rea de I. A densidade em
medida fica idntica (equao 30) e calcula-se segundo a equao 31.
O exemplo terico 2.5 ilustra um estudo granulomtrico por abertura a partir da
de elementos estruturantes de tamanho crescente {Bi = i BQ }, onde BQ =
seqncia
, lembrando que B1 = { }. . Na imagem f foram dispersados de forma aleatria
conjuntos de trs tamanhos diferentes.
. . . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . .
. . . . . . .
. . . . . .
. . . . . . .
. . . . . . .
f =
. . . . . . .
Exemplo 2.5 .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
B . . . . . . .
(f) = 2( f ) =
. . . . . . . . . . . . . .
B1 . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
96
VII Workshop de Visao Computacional WVC 2011
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . .
. . . . . . . . . . . . . .
. . . . . . .
. . . . . . . . . . . . . .
. . . . . . .
. . . . . . . . . . . . . .
. . . . . . .
. . . . . . . . . . . . . .
. . . . . . .
B . . . . . . . . . . . . . .
(f) = (f) = 5( f ) =
. . . . . . . . . . . . . . . . . . . . .
B3 B4 . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
B1 ( f )) = 74;
A(
B2 ( f )) = 67;
A(
B3 ( f )) = 49;
A(
B4 ( f )) = 49;
A(
Bk ( f )) = 0.
(Bk B5 ) A(
a) b) (c)
Figura 2.27. Distribuies em medida do exemplo terico 2.5 : (a) Distribuio,
(b) Distribuio normalizada Fm ( ), (c) Densidade normalizada fm ( ).
97
VII Workshop de Visao Computacional WVC 2011
anterior:
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
fm (0) = e fm (1) =
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
fm (2) = e fm (3) =
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . .
. . . . . . . . . . . . . .
. . . . . . .
. . . . . . . . . . . . . .
. . . . . . .
. . . . . . . . . . . . . .
. . . . . . .
. . . . . . . . . . . . . .
. . . . . . .
. . . . . . . . . . . . . .
fm (4) = e k 5 fm (k) =
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
98
VII Workshop de Visao Computacional WVC 2011
efeito. Acontece que peneirar pelo processo de abertura da maneira como foi descrito
anteriormente resulta na deformao dos conjuntos restantes. O que resulta em funo
e densidade de distribuio incorretas dificultando portanto a interpretao. Vrias so-
lues so possveis. Uma delas modificar o processo de peneiramento por abertura
introduzindo o processo de reconstruo binria a partir de marcadores binrios. Sabe-se
que aps abertura, o conjunto que sobrevive existe realmente na peneira. Somente a
sua forma e as suas dimenses foram alteradas. A idia consiste, portanto, em extrair o
marcador de cada conjunto restante (por exemplo pelo processo de ltima Eroso) para
depois reconstruir o verdadeiro conjunto que normalmente deveria aparecer.
Veja o exemplo terico 2.6, simplesmente uma verso deteriorada do exemplo
terico 2.5 onde foi adicionado rudo, que vai ilustrar o estudo granulomtrico por aber-
tura com incluso do processo de reconstruo binria. Foi usada a mesmaseqncia
de elementos estruturantes de tamanho crescente {Bi = i BQ }, onde BQ = do
99
VII Workshop de Visao Computacional WVC 2011
(a)
(b)
(c)
Figura 2.29. Distribuies em medida do exemplo 2.28 : (a) Distribuio, (b)
Distribuio normalizada Fm ( ), (c) Densidade normalizada fm ( ).
100
VII Workshop de Visao Computacional WVC 2011
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
(f) =
. . . . . . .
B2 . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . . . . .
101
VII Workshop de Visao Computacional WVC 2011
(a)
(b)
(c)
Figura 2.31. Distribuies em medida do exemplo 2.28 : (a) Distribuio, (b)
Distribuio normalizada Fm ( ), (c) Densidade normalizada fm ( ).
102
VII Workshop de Visao Computacional WVC 2011
f (Ult(
A( B4 ( f ))) = 54;
f (Ult(
(Bk B5 ) A( Bk ( f ))) = 0.
103
VII Workshop de Visao Computacional WVC 2011
(a)
(b)
(c)
Figura 2.32. Distribuies em medida do exemplo terico 2.6 : (a) Distribuio,
(b) Distribuio normalizada Fm ( ), (c) Densidade normalizada fm ( ).
104
VII Workshop de Visao Computacional WVC 2011
Da mesma maneira que foi definida uma granulometria, possvel definir uma granu-
lometria por fechamento ou anti-granulometria T ( ) ( f ) a transformao que verifica os
dois ltimos axiomas de [Mat75] e verifica a propriedade de extensividade:
1 2 > 0, T (1 ) ( f ) T (2 ) ( f )) f (33)
Precisa-se tambm definir uma noo de ordem entre as imagens. Sejam f (x)
e g(x) dois sinais com domnios respectivos D[ f ] e D[g], g(x) declarado como sendo
abaixo de f (x), escrito como g << f , se:
105
VII Workshop de Visao Computacional WVC 2011
O mnimo de duas funes f (x) e g(x), notado f g, pode ser definido da seguinte
forma:
Da mesma maneira, o mximo de duas funes f (x) e g(x), notado f g, pode ser
definido em termos de unio da seguinte forma:
Em morfologia em nveis de cinza, existe mais uma operao bsica de reflexo que
corresponde rotao de um conjunto em relao origem. Se f (x) um sinal definido
no seu domnio D[ f ], o transposto de f (x) em relao origem :
f(x) = f (x) (39)
[Ser82] (pgina 443) mostrou que possvel relacionar a eroso com a extenso da sub-
trao de Minkowski extendida para funes:
106
VII Workshop de Visao Computacional WVC 2011
onde a eroso no definida num ponto onde o elemento estruturante no est abaixo do
sinal f . No caso de imagens digitais, os sinais so definidos sobre inteiros e tomam os
valores de nvel de cinza, na maioria dos casos entre 0 e 255 (8 bits).
A figura 2.34 ilustra o princpio da interao do elemento estruturante g em nveis
de cinza sobre o sinal f (rampa) no caso de uma eroso em nveis de cinza. O ponto
escolhido para a exemplificao x = 2. Nesse ponto, so efetuadas todas as operaes
f (y) g(x y) para os pontos relevantes y do elemento estruturante g. possvel cons-
tatar que o elemento estruturante g centrado no ponto 2 em estudo (2 y = 0 para y = 2)
(figura 2.34-b)). O clculo f (y) + g(2 y) deve ser efetuado trs vezes para os pontos
relevantes de g que so y = 1, y = 2 e y = 3. Os resultados so respectivamente 1 1 = 0,
2 1 = 1 e 3 1 = 2. Portanto o resultado da eroso no ponto 2 Min{0, 1, 2} = 0.
Os resultados da eroso de f por g so (figura 2.34-c)): g ( f (0)) < 0, g ( f (1)) < 0,
g ( f (2)) = 0, g ( f (3)) = 1, g ( f (4)) = 2, g ( f (5)) = 1, g ( f (6)) = 0, g ( f (7)) < 0,
g ( f (8)) < 0.
Uma imagem, de forma geral, apresenta um fundo que pode ser ou no uniforme
e onde sobrepem-se padres mais claros e/ou escuros. possvel comparar este imagem
a um relevo topogrfico onde os padres claros so picos e os padres escuros so va-
les. Tendo esta analogia em mente, possvel estabelecer padres de comportamento da
eroso.
Os efeitos da eroso em nveis de cinza so:
Escurecer a imagem
107
VII Workshop de Visao Computacional WVC 2011
A dilatao de um sinal f por um elemento estruturante g pode ser definida, como no caso
da morfologia binria, como a operao dual da eroso em nveis de cinza. Na prtica, a
dilatao em nveis de cinza de f por g consiste em verificar se o elemento estruturante
centrado em x est acima da funo f . [Ser82] (pgina 443) mostrou que possvel
relacionar a dilatao com a extenso da adio de Minkowski extendida para funes:
108
VII Workshop de Visao Computacional WVC 2011
(a) (b)
Figura 2.35. Exemplo de eroso de uma imagem ruidosa: (a) Image Original, (b)
Com o elemento estruturante BC .
(a)
(b) (c)
Figura 2.36. Exemplos de eroso: (a) Image Original, (b) Com o elemento estru-
turante BQ , (c) Com o elemento estruturante 3 B Q .
109
VII Workshop de Visao Computacional WVC 2011
Clarear a imagem
Alargar e engordar os picos (padres mais claros)
Conectar picos prximos
Reduzir e as vezes eliminar vales (padres mais escuros)
Separar vales prximos.
110
VII Workshop de Visao Computacional WVC 2011
(a) (b)
Figura 2.38. Exemplo de dilatao de uma imagem ruidosa: (a) Image Original,
(b) Com o elemento estruturante BC .
A figura 2.39 ilustra os efeitos acima citados a partir de uma imagem dilatada
pelos elementos estruturantes nBQ com n = 1 e n = 3. possvel perceber que, na medida
que n aumenta, gradativamente a imagem vem clareando, os vales diminuem, as partes
claras aumentam. O que resulta na dispario das letras e detalhes mais escuros e no
reforo das letras e detalhes mais claros.
111
VII Workshop de Visao Computacional WVC 2011
(a)
(b) (c)
Figura 2.39. Exemplos de dilatao: (a) Image Original, (b) Com o elemento es-
truturante BQ , (c) Com o elemento estruturante 3 B Q.
112
VII Workshop de Visao Computacional WVC 2011
g( f ) = f (g)
g ( f ) = f (g) (40)
x ( f ) = x ( f ) = fx (41)
gg ( f ) = g ( f ) g ( f ) (42)
g (g)
A primeira : g ( g ( f )) =
(f) (45)
g (g)
A segunda : g ( g ( f )) =
(f) (46)
Essas propriedades so fundamentais porque mostram que eroses e dilataes com ele-
mentos estruturantes grandes podem ser decompostas em seqncias de eroses e dilata-
es com elementos estruturantes menores. Essa propriedade particularmente interes-
sante para elementos estruturantes convexos. O que explica que, novamente, os elementos
estruturantes mais usados so simples, como B H , BV , BC .
f f = g ( f ) g ( f )
= g ( f ) g ( f ) (47)
E pela dualidade:
g g = g ( f ) g ( f )
= g ( f ) g ( f ) (48)
113
VII Workshop de Visao Computacional WVC 2011
g( f ) f g( f ) (49)
f f
(x) = ( )(x) + cos x (Borda) (50)
h h
onde a funo ( f / h) representa a derivada do termo contnuo, o salto no ponto
x Borda, o angulo representa a reta perpendicular Borda no ponto x orientada no
sentido positivo do salto, e x (Borda) o pulso de Dirac no ponto x.
A definio do gradiente de f no ponto x o vetor ( f / x), ( f / y) associada
funo diferencial d f :
f f
df = dx + dy (51)
x y
[Beu77] props uma avaliao do gradiente morfolgico a partir de eroses e di-
lataes em nveis de cinza efetuadas com disco de raio unitrio (ver figura 2.40):
g( f ) g( f )
Grad(x) = lim 0 (52)
2
114
VII Workshop de Visao Computacional WVC 2011
g
Definio 2.28 O gradiente morfolgico Grad de uma imagem f
pelo elemento estruturante g a partir da dilatao :
g
Grad ( f ) = g ( f ) f
O Gradiente por dilatao em nveis de cinza detecta bordas nas posies dos
nveis de cinza mais baixos das bordas.
Gradg ( f ) = g ( f ) g ( f )
115
VII Workshop de Visao Computacional WVC 2011
(a) (b)
Figura 2.41. Exemplo de gradiente morfolgico por dilatao e eroso: (a) Image
Original, (b) Com o elemento estruturante BC .
Uma dessas, chamada de abertura em nveis de cinza consiste em erodir uma imagem
f por um elemento estruturante g e depois dilatar essa imagem erodida pelo mesmo ele-
mento estruturante g. Como em morfologia binria, a operao morfolgica de abertura
em nveis de cinza definida, inicialmente a partir das operaes de Minkowski estendi-
das para funes ([Ser82] pgina 444), da seguinte maneira:
116
VII Workshop de Visao Computacional WVC 2011
Outro novo operador dual da operao de abertura em nveis de cinza, chamada de fe-
chamento em nveis de cinza , , pode ser definida como segue ([Ser82] pgina 444):
g ( f ) = g ( g ( f ))
onde B representa o transposto de B obtido por simetria central
pela origem {o} do sistema de referncia
117
VII Workshop de Visao Computacional WVC 2011
(a)
118
VII Workshop de Visao Computacional WVC 2011
119
VII Workshop de Visao Computacional WVC 2011
f , = ( ) ( f ) ( ) ( f )
A gerao dessas duas famlias permite definir dois filtros alternados seqenciais
(i) e (i) .
(i) ( f ) = (i) ( (i) [ (i1) ( (i1) [.. .. (1) ( (1) ( f )).. ..])])
(i) ( f ) = (i) ( (i) [ (i1) ( (i1) [.. .. (1) ( (1) ( f )).. ..])])
120
VII Workshop de Visao Computacional WVC 2011
Constata-se, atravs dos exemplos anteriores que esses filtros tem como particu-
laridade suavizar a imagem. Os filtros produtos e alternados seqenciais tm a fama de
constituir os melhores "limpadores de rudo"dentro dos filtros morfolgicos existentes.
Uma maneira de ilustrar esse fato aplicar um filtro passa-alta de tipo operador de gra-
diente. A figura 2.45 ilustra os efeitos do gradiente morfolgico por dilatao e eroso
(pgina 55) respectivamente sobre a imagem da figura 2.45-(a) e sobre a imagem filtrada
pelos filtros produto (figura 2.45-(c)) e alternado seqencial (figura 2.45-(d)),
respectivamente. Percebe-se a apario de menos altas freqncias (menos bordas) inde-
sejveis.
Empregar filtros alternados seqenciais supe uma certa estacionaridade espacial
das imagens a serem tratadas, o que no sempre verificado. Na prtica, o uso de tais
filtros faz-se por uso heurstico dos elementos estruturantes sobre as imagens. [Net95]
props uma verso adaptativa desses filtros onde o elemento estruturante definido em
funo do aspecto local das imagens, que [Net95] chamou de filtros alternados seqen-
ciais adaptativos.
121
VII Workshop de Visao Computacional WVC 2011
(a)
122
VII Workshop de Visao Computacional WVC 2011
(a) (b)
Figura 2.46. Exemplo de imagem com fundo heterogneo: (a) Imagem Original,
(b) Segmentao por limiarizao.
No caso de deteco de estruturas mais claras que o fundo (picos), um modo de pensar
consiste em usar uma combinao entre uma imagem original e a imagem correspondente
g
aberta. A transformao Tophat por abertura Tophat segue esse princpio.
g
Definio 2.35 O Tophat por abertura Tophat de uma imagem f pelo ele-
mento estruturante g :
g
Tophat = f g ( f )
123
VII Workshop de Visao Computacional WVC 2011
De forma anloga, a deteco de estruturas mais escuras que o fundo (vales) consiste em
usar uma combinao entre uma imagem original e a imagem correspondente fechada. A
g
transformao Tophat por fechamento Tophat segue esse princpio.
g
Tophat = g ( f ) f
124
VII Workshop de Visao Computacional WVC 2011
(a)
(b) (c)
(d) (e)
Figura 2.48. Exemplo de segmentao por Tophat: (a) Imagem Original, (b) Ima-
gem erodida, (c) Imagem abertura, (d) Tophat por abertura, (e) Extrao do brilho
em gotas aps limiarizao do Tophat.
125
VII Workshop de Visao Computacional WVC 2011
fundo heterogneo. Realizar a diferena entre as imagens original e fechada permite tirar
o rudo e eliminar o fundo heterogneo, assim ressaltando as estruturas mais escuras que
tinham sido eliminadas aps o fechamento. O exemplo da figura 2.50-(e) ilustra bem a
extrao de caracteres manuscritos aps limiarizao do Tophat.
126
VII Workshop de Visao Computacional WVC 2011
(a)
(b) (c)
(d) (e)
Figura 2.50. Exemplo de segmentao por Tophat: (a) Imagem Original, (b) Ima-
gem dilatada, (c) Imagem fechada, (d) Tophat por fechamento, (e) Extrao dos
caracteres manuscritos aps limiarizao do Tophat.
127
VII Workshop de Visao Computacional WVC 2011
Referncias
[BB94] G.J.F Banon and J. Barrera. Bases da Morfologia Matemtica para a Anlise
de Imagens Binrias. IX Escola de Computao, Recife, 1994.
[Beu77] S. Beucher. Random process simulation on the texture analyser. Lecture Notes
in Biomathematics, 23, 1977.
[CC89] M. Coster and J.L Chermant. Prcis D Analyse D Images. Presses du CNRS,
1989.
[Mat75] G. Matheron. Random Sets and Integral Geometry. J. Wiley, New York, 1975.
[Ser82] J. Serra. Image Analysis and Mathematical Morphology. Academic Press, Lon-
don, 1982.
128