1 / 62

Processamento de Imagens

IMPA – Instituto de Matemática Pura e Aplicada IMCA – Instituto de Matemática y Ciencias Afines. Processamento de Imagens. Marcelo Bernardes Vieira. http://www.impa.br/~mbvieira/IMCA. Referências gerais. Computação Gráfica: Imagem Jonas Gomes e Luiz Velho 2a edição – IMPA

karah
Download Presentation

Processamento de Imagens

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. IMPA – Instituto de Matemática Pura e Aplicada IMCA – Instituto de Matemática y Ciencias Afines Processamento de Imagens Marcelo Bernardes Vieira http://www.impa.br/~mbvieira/IMCA

  2. Referências gerais • Computação Gráfica: Imagem • Jonas Gomes e Luiz Velho • 2a edição – IMPA • Digital Image Processing • Rafael C. Gonzalez e Richard E. Woods • Cursos • Fourier transform to Wavelets (Siggraph)

  3. Calendário • 29/11: definição • Fundamentos de cor • Sistemas de cor • Imagem digital • 30/11: representação • Representação de sinais • Teoria da amostragem

  4. Calendário • 1/12: filtragem • Introdução aos filtros digitais • Filtragem de imagens • 2/12: análise • Análise tempo-frequência • Transformada de wavelets

  5. Calendário • 3/12: teoria da informação • Introdução à compressão de imagens • Elementos de teoria da informação • 6/12: compressão • Compressão livre de erro • Compressão JPEG, JPEG2000

  6. Calendário Prof. Luiz Velho • 7/12: quantização • 8/12: dithering • 9/12: composição de imagens • 10/12: avaliação

  7. IMPA – Instituto de Matemática Pura e Aplicada IMCA – Instituto de Matemática y Ciencias Afines Fundamentos de cor Marcelo Bernardes Vieira

  8. Estudo da cor • Cor é uma manifestação perceptual da luz • Processo psicofísico: sensoriamento de sinais eletromagnéticos intermediado pelo sofisticado sistema visual humano. • Estudo da cor • Física da cor • Modelos matemáticos da cor • Representação da cor • Codificação da cor

  9. Física da cor • Fótons se deslocam a uma velocidade constante c e a onda associada tem uma freqüência f. • Freqüência e velocidade definem o comprimento de onda: f = c • Quando os fótons encontram a retina, impulsos elétricos são gerados que, durante seu caminho até o cérebro, são traduzidos em percepção de cor.

  10. Física da cor • Do ponto de vista perceptual, os diferentes comprimentos de onda estão associados a diferentes cores. • Espectro visível: 380 a 780 nm (10e-9m) • Violeta: 380 – 440 nm • Azul: 440 – 490 nm • Verde: 490 – 565 nm • Amarelo: 565 -590 nm • Laranja: 590 – 630 nm • Vermelho: 630 – 780 nm

  11. Formação da cor • Percepção de processos químicos e físicos diversos. Os processos mais importantes são aditivo, subtrativo e de pigmentação. • Processo aditivo:

  12. Formação da cor • Processo subtrativo: a luz que recebemos é processada por um filtro, material sólido transparente, ou através de um corante, que absorve determinados comprimentos de onda e transmite outros.

  13. Formação da cor • Formação por pigmentação: quando um raio luminoso atinge partículas chamadas pigmentos, há um efeito de espalhamento com fenômenos sucessivos e simultâneos de reflexão, transmissão e absorção entre os diversos pigmentos.

  14. Modelo de representação da cor • O modelo espacial do sinal de cor associa cada comprimento de onda a uma medida de energia radiante: distribuição espectral.

  15. E 100 50 0 l (mm) 400 500 600 700 E comprimento de onda dominante define a matiz (hue) 100 50 0 l (mm) 400 500 600 700 Fontes de luz • Luz branca • Luz colorida

  16. E comprimento de onda dominante define a matiz (hue) E intensidade define o brilho (brightness) l (mm) l (mm) 400 500 600 700 400 500 600 700 matiz (hue) brilho (brightness) a concentração no comprimento de onda dominante define a saturação ou pureza E l (mm) 400 500 600 700 saturação Fontes de luz

  17. Objetivo • Definir matematicamente um sistema de amostragem e reconstrução de cor.

  18. Sistema físico de amostragem de cor • Consiste de um número finito de sensores s1, s2, ..., sn = filtros do sinal luminoso. • Cada sensor possui uma resposta espectral si() • Cor resultante: Ci= ∫ C() Si() d • Ideal: Ci= ∫ C() δ( - i) d • Define uma transf. linear: R:є→ Rn • Metamerismo: R(C1) = R(C2)

  19. Sistema de reconstrução de cor • Consiste de um número finito de emissores e1, e2, ..., en. • Cada sensor gera uma cor com distribuição espectral Pi() (primária) • forma uma base de um espaço de cor. • Processo aditivo: Cr() = Σ Ck Pk() • Define uma transf. linear: R: є → Rn • Metamerismo: R(C1) = R(C2)

  20. O olho humano

  21. Função de reconstrução de cor • As curvas de resposta espectral de um sistema físico de amostragem são difíceis de se calcular. • Função de reconstrução de cor: • Tk(C) = ∫ C() Ck() d = componente da cor associada à primária Pk()

  22. Representação CIE-RGB Luz branca: Luz de teste: Anteparos 1=436nm 2=546nm 3=700nm Luzes primárias:

  23. C(l ) = r(l) R + g(l) G + b(l) B 0.4 b(l ) r(l ) g(l ) 0.2 Valores dos tri-esimulos l (mm) 400 500 600 700 0 r(l ) 546 nm 438 nm - 0.2 Representação CIE-RGB

  24. Diagrama de cor CIE-RGB

  25. Curva de resposta espectral média • Dado um sistema físico de amostragem de cor com sensores s1, s2, ..., sn essa curva é: • V() = Σ si Si() , si são constantes. • Para o olho humano essa curva é chamada de função de eficiência luminosa relativa

  26. Luminância • É a grandeza colorimétrica que corresponde aos termos perceptuais de brilho (emissores) ou luminosidade (refletores) • L() = k ∫ C() V() d , k é constante • A percepção de cor pelo olho humano é dividida na fase de captação e combinação. • São combinados na forma L-M, H – (L+M), L+M. • O canal B para luminância é desprezível=> Y = R+G • Os outros termos (crominância) são (R-G) e (B-Y)

  27. IMPA – Instituto de Matemática Pura e Aplicada IMCA – Instituto de Matemática y Ciencias Afines Sistemas de cor Marcelo Bernardes Vieira

  28. Triângulo de Maxwell • Chamamos de plano de crominância ou plano de Maxwell o plano x+y+z =1. • (x,y,z) são os componentes de cor de um sistema com três primárias L(s) = s L()

  29. Sólido de cor • O conjunto de todas as cores possíveis formam um cone convexo = sólido de cor • Combinação convexa de duas distribuições espectrais é uma distribuição espectral • Cada distribuição corresponde a um único ponto no espaço de cor • O espaço de cor é o conjunto de retas que passam pela origem

  30. Padrão CIE-RGB • L(C) = 0,176R + 0.81G + 0.011B • L(C()) = Σ ai L(P())

  31. Padrão CIE-XYZ Funções de reconstrução XYZ • As componentes devem ser positivas • Deve-se obter o maior numero possível de cores com coord. nulas • Duas primárias devem ter luminância nula

  32. Diagrama de cor CIE-XYZ

  33. Diagrama de cor CIE-XYZ

  34. Cor complementar

  35. Mudança entre sistemasCIE-RGB e CIE-XYZ

  36. Sistemas uniformes Não uniformidade Sistema de cor Lab • L = Iluminação • a = Conteúdo Vermelho/Verde • b = Conteúdo Amarelo/Azul • Distâncias euclidianas são úteis!

  37. Dispositivos:Sistema de cor do monitor

  38. Sistema de cor mRGB

  39. Sistema de cor CMY/CMYK

  40. Sistemas de vídeo componente • O olho tem menor sensibilidade para detectar cores do que variações de intensidade • Utiliza-se uma banda maior para a luminância: Y = 0,299R + 0,587G + 0,116B • Os componentes de crominância são representados como: R-Y e B-Y • Sistemas baseados em Y, R-Y, B-Y são chamados de vídeo componente.

  41. Sistemas de vídeo digital • O padrão internacional para vídeo digital Y, Cr, Cb é dado pela seguinte transformação de Y, R-Y, B-Y: • Y = 16 + 234Y • Cr = 128 + 112 (0,5/(1-0,114) * (B-Y)) • Cb = 128 + 112 (0,5/(1-0,299) * (R-Y)) • Usado nos padrões JPEG e MPEG.

  42. Sistemas de vídeo composto • São sistemas de cor para transmissão de vídeo (NTSC, PAL, etc.). • Os componentes são combinados em um único sinal: • O sinal de luminância pode ser utilizado em aparelhos preto e branco • As crominâncias podem ser codificada em apenas 5% da banda de passagem sem degradar o sinal de luminância. • Sistema YUV • U = 0,493 (B-Y) • V = 0,877 (R-Y)

  43. Sistemas de vídeo composto • Sistema YIQ: IQ é obtido a partir de uma rotação das coordenadas UV • I ocupa uma banda menor

  44. Componentes de uma cor Modelo HSI

  45. Modelo HSI

  46. Sistemas computacionais • Exemplo: codificação YUV • YUV 4:4:4 => 8 bits para cada elemento • YUV 4:2:2 => Y1 U1 Y2 V2 Y3 U3 Y4 V4 • Reconstrução da sequência: Y1 U1 V1 Y2 U1 V2 ...

  47. IMPA – Instituto de Matemática Pura e Aplicada IMCA – Instituto de Matemática y Ciencias Afines Imagem digital Marcelo Bernardes Vieira

  48. Níveis de abstração na representação de uma imagem

  49. Definições • Discretização x reconstrução • Discretização é o processo de conversão de um sinal contínuo em uma representação discreta • Reconstrução consiste em se obter o sinal contínuo a partir de sua representação • Codificação x decodificação • Codificação consiste em se obter uma sequência finita de símbolos • Decodificação permite obter a representação a partir da sequência de símbolos

  50. Modelos matemáticos de sinais • Um sinal se manifesta pela variação de alguma grandeza física • Pode ser em função do tempo (som) ou do espaço (imagem). Ou dos dois (vídeo) • Estamos interessados em um modelo funcional no qual um sinal é representado por uma função f: U СRm→ Rn • Espaço de sinais: {f: U СRm→ Rnbb}

More Related