h2 Fundamentos e Técnicas de Processamento de Imagens Digitais

Processamento de Imagens Digitais

Processamento de Imagens é a operação feita sobre os valores dos pixels de uma imagem digital. A partir da matriz de valores/pixels, é possível alterar informações da imagem, visando:

• Eliminar ou reduzir ruído;
• Aumentar a qualidade visual;
• Buscar objetos específicos;
• Extrair informações relevantes.

Aplicações do Processamento de Imagens

O Processamento de Imagens busca resolver problemas através da análise de dados visuais, incluindo:

• Identificação de caracteres em diferentes idiomas;
• Reconhecimento de placas de veículos;
• Recuperação de imagens de impressões digitais em bancos de dados;
• Identificação facial em imagens e vídeos (reconhecimento de ficha criminal);
• Reconhecimento de assinaturas;
• Biometria.

Sistemas de Processamento de Imagens

As etapas típicas de um sistema de processamento de imagens são:

1. Aquisição (Câmeras de vídeo/Scanner): Captura da imagem por um sensor e sua conversão para o formato digital.
2. Pré-processamento (Computador): Melhoria da qualidade da imagem para atenuação de ruído, correção de contraste, brilho e suavização, ou realce.
3. Segmentação (Monitores de vídeo): Identificação de áreas de interesse contidas na imagem (ex.: detecção de bordas e/ou regiões de interesse).
4. Representação (Discos Óticos): Manipulação dos objetos de interesse extraídos.

Fundamentos da Imagem Digital

Amostragem

Define as coordenadas x e y da imagem. Quanto maior a amostragem, maior a informação contida na imagem.

Quantização

Define a quantidade de cores captadas. Quanto maior a quantização, mais detalhada será a imagem.

Variação de Bit

O número de níveis de cinza (L) é determinado pela quantidade de bits (k): L = 2^k.

Operações com Pixels

As operações básicas incluem:

• Negativar;
• Equalizar histograma;
• Mudar contraste;
• Binarização.

Negativação

O processo de negativação segue os seguintes passos:

1. Lê a imagem.
2. Percorre cada pixel.
3. Lê o valor do pixel.
4. Troca 0 para 1 (ou inverte o valor).

Na escala de cinza, o valor do pixel negativo é calculado por: Valor Máximo do Pixel – Pixel Atual.

Soma de Intensidade de Pixel e Overflow

Se a soma da intensidade de pixels ultrapassar o valor máximo permitido, ocorre um Overflow.

Solução para Overflow (Mapeamento Linear):

• a = (2^k - 1) / (Cmax – Cmin)
• b = -a * Cmin
• S = a * C + b

Histograma

O histograma mostra a quantidade de pixels por cor, mas não indica a posição desses pixels na imagem.

Equalização de Histograma

Balanceia as cores da imagem, tornando-a mais uniforme.

Fórmula de Equalização (simplificada): I = (n * M) / g, onde g é o nível de cinza.

Alargamento de Contraste

Expande a faixa de intensidade de cores da imagem.

Máscaras, Correlação e Convolução

Máscaras

Uma máscara é uma matriz aplicada sobre a matriz da imagem, utilizada para filtrar ou modificar a imagem.

Regra de Posicionamento: Se a máscara for de dimensão par, o resultado é colocado no primeiro pixel; se a máscara for de dimensão ímpar, o resultado é colocado no pixel central.

Correlação

A máscara se desloca pela imagem e soma os valores da multiplicação onde passa: G(x,y).

Convolução

É o mesmo processo da correlação, mas a máscara é virada 180 graus antes da aplicação.

Filtragem Espacial

A filtragem serve para:

• Realçar detalhes;
• Suavizar a imagem;
• Remover ruídos.

Filtragem Espacial: É uma etapa crucial do pré-processamento da imagem.

Filtro da Mediana

A intensidade de cada pixel é substituída pela mediana dos pixels vizinhos.

Algoritmo:

1. Lê os pixels da vizinhança.
2. Organiza os valores em ordem crescente.
3. Busca o pixel central (mediana).
4. Aplica o valor mediano encontrado no pixel central da imagem.

Filtro de Suavização (Smoothing)

Faz a média da vizinhança. Quanto maior a máscara, maior o borramento (suavização).

Algoritmo: Para cada pixel da imagem, posiciona-se o centro da máscara sobre o pixel, calcula-se a média dos valores da vizinhança e aplica-se esse valor no pixel.

Filtro Gaussiano

Gera uma máscara com resultado próximo ao da média, mas ponderado pela distribuição Gaussiana.

Filtro K-Vizinho

Gera uma máscara, também baseada no algoritmo da média.

Filtros de Realce (Passa-Alta) e Detecção de Bordas

Filtro Passa-Alta (Filtro de Realce)

Identifica a transição de intensidade de cor da imagem, destacando pixels de borda.

Laplaciano

Realça descontinuidades de intensidade, como linhas de bordas. As descontinuidades aparecerão em tons de cinza.

• Núcleo Positivo: Soma o resultado à imagem original e remove bordas exteriores.

Unsharp Mask e Highboost Filter

Borra-se a imagem original, subtrai-se a imagem borrada para formar a máscara de realce, e então adiciona-se essa máscara à imagem original.

Detector de Bordas

Utiliza uma máscara de realce e realiza a convolução da máscara sobre a imagem.

• Roberts: Encontra pixels diagonais.
• Prewitt: Realça primeiro na horizontal e depois na vertical.
• Sobel: Semelhante ao Prewitt, mas utiliza o valor 2 no centro da máscara com o objetivo de atingir alguma suavização, atribuindo mais importância ao ponto central.