Introduo ao Processamento de

Imagens Digitais
Neucimar J. Leite
IC-UNICAMP
e-mail: neucimar@ic.unicamp.br

Processamento de Imagens
Introduo
Filtragem e segmentao
operaes lineares:
Transformada de Fourier, convoluo
operaes no lineares:
Morfologia Matemtica
Exemplo de aplicaes:
automao e viso artificial
reconhecimento de caracteres
anlise de cromossomos
veculos autnomos
mapeamento de terrenos
deteco de alvos
tomografia computadorizada
ultra-sonografia
inspeo industrial
anlise de imagens de satlites
em SIGs
etc

Modelo de um sistema de PDI
A imagem digital
funo 2D f

pixel
f(x,y)
x
y
(x,y)
Processamento de baixo nvel
Classes de operaes:
operaes pontuais
operaes globais
operaes de vizinhana:

- operaes lineares : transformada de Fourier,
convoluo
- operaes no-lineares: morfologia matemtica
- operaes hbridas
Histograma h
Operao global que fornece a freqncia de
ocorrncia dos nveis de cinza de f .

D informaes sobre a distribuio dos nveis de
cinza a dinmica da imagem

Aplicaes: filtragem, segmentao, reconhecimento
de padres e imagens.
Algoritmo:
Incio
h[f(x,y)] = 0 {zera contadores de nveis de cinza}
Para cada valor f(x,y) faa
h[f(x,y)] = h[f(x,y)] + 1
Fim-para
Fim
Exemplos de diferentes dinmicas:
h
0
255
h
0 255
Imagem escura Imagem clara
255
h
0
Exemplos de histogramas:

Exemplos simples de aplicao:
255
255
90
255
255
100
Observaes:

Um mesmo histograma pode estar associado a
diferentes imagens.
Sua informao invariante com as operaes de
rotao e translao.
Podemos considerar um histograma para cada banda
espectral ou um histograma 3-D, por exemplo,
referente s componentes RGB de uma imagem
colorida.
Transformaes radiomtricas ou de escala de
cinza
Independem da localizao dos pixels na imagem.
Em termos de implementao, podem ser represen-
tadas por look-up-tables (LUT).
Transformam um pixel de nvel de cinza g
i
em um
nvel de cinza g
f .
Uma tranformao radiomtrica r :
uma aplicao I(G
i
) F(G
f
), tal que
G
i
= [0,1,...,N
i
],
G
f
= [0,1,...,N
f
] e



) ( , ,
i f f f i i
g r g G g G g = e - e
Exemplos de funes r : complemento ou negativo


g
i
g
f

0
255
255
Realce de contraste (stretching)


g
i
g
f

0
255
255
p1 p2
Imagem colorida
Limiarizao




g
i
g
f

0
255
255
Imagem binria
Equalizao histogrmica
Transformao radiomtrica que visa aumentar a dinmica
dos nveis de cinza melhorando, por exemplo, o contraste de
imagens obtidas sob pssimas condices de iluminao.
Idia: gerar uma distribuio mais uniforme dos nveis de
cinza um histograma planar.
p
h(p)
q
h(q)
Exemplo de uma tcnica de equalizao:
Seja f uma varivel no intervalo [0,1].
Uma transformao T no intervalo [0,1] tal que:
g = T(f) (g(x,y) = T(f(x,y)), no nosso caso)
Visando monotonicidade e preservao da escala de cinza:
T deve ser monotonicamente crescente no intervalo [0,1].

1 0 para 1 ) ( 0 s s s s f f T
0
1
f
g
f
k
g
k
=T(f
k
)
1
Consideremos, agora, a seguinte funo T(f):




que representa a funo de distribuio cumulativa (FDC) de f (esta
funo monotonicamente crescente e varia de 0 a 1 em funo de f).

Concluso: se T(f) uma FDC, ento ela pode ser empregada na defi-
nio de uma nova imagem cuja distribuio dos nveis de cinza ser
mais uniforme.
}
s s = =
f
f
dw w p f T g
0
1 f 0 ) ( ) (
O caso discreto:
Imagem:
n=M x N pixels com valores discretos k = 0,1,...,L-1:



onde: n
k
= nmero de aparies do nvel k
p
f
(f
k
) = probabilidade de ocorncia de f
k


Assim:



1 0 ) ( s s =
k
k
k f
f
n
n
f p
. 1 ,..., 1 , 0 e 1 0 ), ( ) (
0 0
= s s = = =

= =
L k f f p
n
n
f T g
k
k
j
j f
k
j
j
k k
Exemplos:


Imagem colorida
Casamento de histogramas
Transforma o histograma de uma imagem original f
o

de acordo com o histograma de uma imagem de
referncia f
r.


Sejam h(f
o
) e h(f
r
) os histogramas das imagens
original e de referncia, respectivamente.
h(fo)
fo
h(fr)
fr
s=T[o]
o
v=G[r]
r
p(s)
s
p(v)
v
Imagem transformada: r = G
-1
(s)

imagem clara imagem escura
Exemplos de casamento de histogramas
original referncia modificada
Filtragem
Processamento local: pixels vizinhos tm, em geral, as
mesmas caractersticas.
rudo: fenmeno de brusca variao de um pixel em
relao a sua vizinhana.

Tipos gerais: linear, no-linear, hbrida.

Domnio: espacial, freqncia
Exemplo: domnio da freqncia


imagem original f
espectro |F(u,v)|

A transformada inversa de Fourier:
Exemplo de filtragem:
imagem com rudo
funo H(u,v)
imagem filtrada
imagem de contornos
Exemplo de deteco de contorno:
imagem original
funo H(u,v)
Princpio geral da filtragem linear:
F(u,v) G(u,v)
H(u,v)
f(x,y)
g(x,y)
h(x,y)
G(u,v) = H(u,v) F(u,v)
(funo de transferncia)
a TF inversa de G(u,v) define g(x,y)
Caso discreto:
h = representao espacial da funo de transferncia H.
g(x, y) = f(i, j)h(x- i, y-
j=0
N-1
i=0
N-1

j)
f = imagem de entrada de tamanho NxN
g = imagem resultante da filtragem
~

TF G u v
1
[ ( , )]
f(x,y) g(x,y)
h(x,y)
F(u,v)
G(u,v)
H(u,v)
Convoluo:
Operao local de filtragem
Convoluo:
g(x, y) f(i, j)h(x i, y j)
j n
n
i m
m
=
= =

f(x,y)
x
y
h(x-i,y-j)
Alguns exemplos
Filtro mdia:
h =
1
9
1 1 1
1 1 1
1 1 1
Exemplo:
f =
10 10 10
10 90 10
10 10 10
10 10 10
10 18 10
10 10 10
Exemplo: mscara 11x11
imagem com rudo
imagem filtrada
no domnio espacial
no preserva contornos
original com rudo
mdia 3x3 mdia 17x17
Detectores de contorno
identificam transies bruscas na funo f(x,y)
Operadores diferencias: o gradiente
V =

(
(
(
(
f
f
x
f
y
c
c
c
c
vetor:
magnitude:
V =
|
\

|
.
|
+
|
\

|
.
|

(
(
f
f
x
f
y
c
c
c
c
2
2
1
2
u =
V
V

tg
y
x
1
direo:
Gradiente de Roberts

V = + +
d
f x y f x y f x y
2
1 1 ( , ) ( , ) ( , )
V = + +
d
f x y f x y f x y
1
1 1 ( , ) ( , ) ( , )
x,y
x+1,y+1
x,y+1
x+1,y
135
0
45
0
vizinhana 2x2:
Exemplo:

imagem original gradiente de Roberts
Descontinuidades em x, y:
Operadores 3x3 de Prewitt:
V =

(
(
(
x
1 1 1
0 0 0
1 1 1
V =

(
(
(
y
1 0 1
1 0 1
1 0 1
e Sobel:
V =

(
(
(
x
1 2 1
0 0 0
1 1 1
V =

(
(
(
y
1 0 1
2 0 1
1 0 1
Exemplo: operadores de Prewitt
V =

(
(
(
y
1 0 1
1 0 1
1 0 1
V =

(
(
(
x
1 1 1
0 0 0
1 1 1 V +V
x y
O Laplaciano
derivada de segunda ordem:
h =
0 1 0
1 - 4 1
0 1 0
Exemplo:
f =
10 10 10
10 10 10
10 10 10
20 20
20 20
20 20
0 0 10
0 0 10
0 0 10
10 0
10 0
10 0

contorno
V = +
2
2
2
2
2
f
f
x
f
y
c
c
c
c
passagem por zero
Filtragem no-linear
filtragem com preservao de contornos
Filtros estatsticos da ordem:

Ex.: filtro da mediana (filtros estatsticos da ordem):
10 10 10
10 100 10
10 10 10
10 10 10 10 10 10 10 10 100
valor mediano
f(x,y)
ordenao
substitui
Filtro da mediana
Vantagens:
Elimina eficientemente o rudo impulsivo (rudo de Poisson).
No introduz novos valores de nveis de cinza na imagem.
Preserva bordas e pode ser aplicado iterativamente.
Desvantagem:
Elimina linhas muito finas e vrtices dos objetos.


0 10 0
0 10 0
0 10 0
0
0 0 0
10 10 0
10 10 0
0
Exemplo comparativo:
mediana
mdia
5x5
11x11
Alternativa: Mediana separvel
Subdivide a vizinhana 2-D em linhas ou colunas; calcula a
mediana destas e em seguida a mediana das medianas.
0 0 0
10 10 0
10 10 0
10
Mediana das linhas
10
10
0
mediana das
medianas
Desvantagem: variante rotao
Filtro da ordem-k
Substitui um pixel central M, numa vizinhana qualquer,
pelo k-simo valor dos elementos desta vizinhana
ordenados segundo sua magnitude.
50 49 10
52 80 10
51 50 11
ordenao
10 10 11 49 50 50 51 52 80
filtro min
filtro max
mediana
Filtro da mdia com os k-vizinhos mais prximos
Substitui um pixel central M pelo valor mdio dos k nveis
de cinza que mais se aproximam do valor de M.
53 52 51
51 90 50
40 43 40
k=6
50
6
43 50 51 51 52 53
=
+ + + + +
0 30 0
0 30 0
0 30 0
k=8
M=
M= 7
M= 30
k=2
Morfologia Matemtica
a anlise da imagem:
segmentao
classificao
...
.
.
.
.
..
.
.
.
.
.
..
. .
.. .
.
..
.
.
..
.
..
..
...
.
.
..
.
.
filtragem segmentao
classificao
estrela
cubo
As transformaes morfolgicas
Princpio:
comparao da imagem original com outra
menor denominada elemento estruturante
imagem
origem
elementos estruturantes B
x
8-conexo 4-conexo
conjunto X
Operaes morflogicas bsicas
sobre conjuntos e funes: Eroso e dilatao
Dilatao: unio de todos os pontos da imagem X, tal que
o elemento estruturante B
x
intercepta X
imagem
= X
= X
c
B
x
imagem dilatada
Exemplo de dilatao:
imagem original
B
x
imagem dilatada
o
B x
X x B X ( ) { , } = e9 = C
2
Eroso
conjunto dos pontos de X, tal que B
x
esteja totalmente
includo em X
imagem
= X
B
x
imagem erodida
= X
c
Exemplo de eroso:
c
B x
X x B X ( ) { , } = e9 c
2
B
x
imagem original
imagem erodida
Para o caso de funes (imagens em nveis de
cinza)
dilatao:
o
B k
f x k B ( ) max{ , } = e
eroso:
c
B k
f x k B ( ) min{ , } = e
B
x
10 10 10
10 0 10
10 10 10
10 10 10
10 10 10
10 10 10
10 0 10
0 0 0
10 0 10
o
B
f ( )
c
B
f ( )
f
Exemplos

imagem original dilatao
eroso
Abertura e fechamento morfolgicos
combinaes de eroso e dilatao:
o c
B B B
=
c o
B B B
=
- abertura :
- fechamento:
Propriedades:
- operaes duais, crescentes e idempotentes
- a abertura anti-extensiva e o fechamento, extensivo
Exemplos:
B
x
original abertura fechamento
Filtros morfolgicos
filtros essencialmente no-lineares:
- qualquer transformao crescente e idempotente
s s f g (f) (g)
= f , (f) ( (f))
Concluso:
- eroso e dilatao no so filtros morfolgicos
- abertura e fechamento so os filtros morfolgicos bsicos
Exemplos


original com rudo filtragem por abertura
Outros exemplos de operaes elementares
gradiente morfolgico:
grad f f f
B B
( ) ( ) ( ) = o c
original gradiente
Chapu mexicano claro: CM f f f
n
+
= ( ) ( )
original CM
+
Chapu mexicano escuro: CM f f f
n

= ( ) ( )
original CM
-
Exemplo:
imagem original imagem afinada
Operaes geodsicas e reconstruo
X
mtrica geodsica:
Dilatao geodsica
o o
X B
Y Y X
1
( ) ( ( )) =
dilatao de Y em X de tamanho 1:
X
Y
o
X
Y
1
( )
dilatao de Y em X de tamanho infinito:
o
X
n
Y ( )
o o o o
X
n
X X X
Y Y ( ) ( (... ( ))) =
1 1 1
n vezes
X
Y
(mscara)
(marcador)
reconstruo
Exemplo de aplicaao:
eliminaao de partculas parcialmente includas na
imagem
X X
X
' \ ( ) =

o c
c
X
o c
X

( )
X '
Reconstruo em nveis de cinza
o o
f
g g f
1
1
( ) min( ( ), ) =
o o o o
f
n
f f f
g g ( ) ( (... ( ))) =
1 1 1
Reconstruo dual
marcador
mscara reconstruao dual
Esqueleto por zona de influncia
iz Y p X j k i j d p Y d p Y
X i X i X j
( ) { : [ , ], , ( , ) ( , )} = e e = < 1
zona de influncia:
esqueleto SKIZ: SKIZ Y X IZ Y
X X
( ) \ ( ) =
Segmentao morfolgica
baseada na definio da Linha Divisora de guas -LDA
de uma funo
mnimos regionais
LDA
Clculo da LDA:
A partir de limiarizaes sucessivas da imagem:
X x f x i
i
= e9 s { , ( ) }
2
i = 0,..., N
O conjunto Z das LDAs de f :
Z SKIZ X Z
j X j j
j
=

( \ )
1 1
j =1,..., N
Z Z
j
j
=

2 3 3 3 1 0 1 2 2 2 1 0 1
LDAs
Exemplo de LDA:
original gradiente
LDA
Prximos passos para a segmentao
definir marcadores das regies de interesse
imagem original
marcadores definidos por
limiarizao
Imposio dos marcadores na imagem gradiente:
- definir uma imagem g da seguinte forma:
g x ( )
,
=
+ e
e

se x M
0, se x M
impondo
marcadores
reconstruo dual de g:
c

min( , )
( )
f g
g
nova LDA
Exemplo:
original
gradiente
gradiente
marcadores
LDA
imagem segmentada !
Concluses
PDI uma rea multidisciplinar
outras sub-reas (sub-problemas):
aquisisio
codificao / compresso
restaurao
reconstruo etc.
arquiteturas especficas, linguagens
filtragem e segmentao de imagens de radar
Segmentao multiresoluo