aula_1 visão computacional
TRANSCRIPT
Viso Computacional - Aula1
Prof. Adilson Gonzaga
1
Algumas reas que fornecem subsdios Viso Computacional
Processamento de Imagens Reconhecimento de Padres Computao Grfica Inteligncia Artificial Viso Biolgica Psicologia (Percepo)Viso Computacional - Aula1 2
Sistemas de Viso Biolgica Em animais Superiores:
Viso Computacional - Aula1
3
O Olho Humano
Viso Computacional - Aula1
4
Retina:
Cones e Bastonetes:
Viso Computacional - Aula1
5
Distribuio de Cones e Bastonetes na Retina
Cones ==> 6 a 7 milhes (em cada olho) ==> sensvel a cores Bastonetes ==> 75 a 150 milhes (em cada olho) ==> sensvel a brilhoViso Computacional - Aula1 6
Sistemas de Viso Biolgica Em animais inferiores:
Sapo, aranha, coelho, esquilo......
Clulas Ganglionares na Retina realizam deteco de caractersticas de baixo-nvel.
Viso Computacional - Aula1
7
Olho de um Inseto.
Viso Computacional - Aula1
8
A vida sexual da Aranha Saltadeira
O Sistema Visual de animais inferiores deve ter caractersticas suficientes para permitir a perpetuao da espcie. Os contornos dos objetos possuem informao suficiente para tal finalidade.Viso Computacional - Aula1 9
O que o olho do Sapo informa ao crebro do Sapo? A retina contm detectores de caractersticas sensveis a Padres na Imagem.
Isso induz ao desenvolvimento de Viso Artificial com algoritmos implementados em Hardware.
Viso Computacional - Aula1
10
Percepo Visual.O que esta Imagem?
Influncia do Conhecimento AnteriorViso Computacional - Aula1 11
Influncia do contexto
Informaes do Contorno
Que cidade esta?
Que desenho este?Viso Computacional - Aula1 12
Influncia do contexto
Nmero 13 ?
Letra B ?
Viso Computacional - Aula1
13
Influncia do Conhecimento Anterior
WINViso Computacional - Aula1 14
Duplicidade de Interpretao.
A Sogra e a Esposa.
Viso Computacional - Aula1
15
Iluses pticas
Iluso de Kanizsa
Viso Computacional - Aula1
16
Iluses pticas
Viso Computacional - Aula1
17
Iluses pticas
Viso Computacional - Aula1
18
Iluses pticas
Viso Computacional - Aula1
19
Iluses pticas
Viso Computacional - Aula1
20
Iluses pticas
Viso Computacional - Aula1
21
VISO ARTIFICIAL
Viso Computacional - Aula1
22
Estrutura de um sistema de Viso Artificial
Viso Computacional - Aula1
23
VISO COMPUTACIONALViso Artificial, Viso de Mquina, Viso Robtica, Viso de Computador, etc....
a automatizao e a integrao de uma quantidade de processos e representaes usadas para a Percepo Visual.
O processo de Viso em geral, abrange: 1. Viso em baixo-nvel. (Pr-processamento da Imagem (early processing) 2. Viso em Nvel Intermedirio. (Extrao de Caractersticas) 3. Processamento em alto-nvel. (Uso de conhecimento Inteligncia Artificial e Processos Cognitivos)Viso Computacional - Aula1 24
Percepo Visual - a relao da entrada visual para os modelos existentes previamente. Existe um grande intervalo representacional entre a Imagem de entrada e os modelos que explicam, descrevem ou abstraem a informao da Imagem. A tarefa da Viso Computacional definir algoritmos e representaes que aproximem a Imagem do Modelo, ou seja, gerar um conjunto de representaes que conectem a entrada (Imagem) com a sada (descrio, deciso ou interpretao) de maneira no rgida. IMAGEMViso Computacional - Aula1
MODELO25
Tipos de representaes usadas em Viso Computacional: 1) Imagens generalizadas ou Icnicas. ==> Propriedades fsicas da cena: brilho, orientao de superfcies, etc...
2) Imagens Segmentadas.
ProcessamentoViso Computacional - Aula1 26
3) Representaes Geomtricas.
Utilizadas em geral pela rea de Computao Grfica.
Devem suportar simulao de efeitos de iluminao e de movimento. Capturam a idia importante do formato bi e tri-dimensional da cena.
Viso Computacional - Aula1
27
4) Modelos Relacionais.
Viso Computacional - Aula1
28
Exemplos de Aplicaes de Viso Computacional
Viso Computacional - Aula1
29
Fundamentos de Imagens DigitaisOcorre a formao de uma Imagem quando um Sensor de Imagem registra a radiao que interagiu com objetos fsicos.
Uma Imagem pode ser definida como uma funo de duas variveis: f(x,y) onde x e y so as coordenadas espaciais (planas) e a amplitude de f em qualquer par de coordenadas (x,y) a intensidade do nvel de cinza da Imagem.
Viso Computacional - Aula1
30
Amostragem Quantizao
Digitalizao dos valores das coordenadas Digitalizao os valores de amplitude
Uma imagem f(x,y) amostrada resultando em M linhas e N colunas. Esta imagem tem Tamanho M x N Os valores das coordenadas (x,y) so discretos: valores inteiros e positivos Os valores dos nveis de cinza f(x,y) so discretos: valores reais e positivosViso Computacional - Aula1 31
Conveno utilizada para os eixos x e y.
a) Conveno utilizada em Processamento de Imagens b) Conveno utilizada em Computao Grfica
Viso Computacional - Aula1
32
Imagem f(x,y) e conveno utilizada para os eixos x e y.
Viso Computacional - Aula1
33
a) Conveno utilizada em Processamento de Imagens
a)
b)
b) Conveno utilizada pelo Toolbox de Processamento de Imagens do MatLab
Viso Computacional - Aula1
34
Imagem DigitalImagem Digital uma funo m-vetorial f(x,y) de valores discretos, sendo (x,y) um par de coordenadas inteiras e, onde W inteiro. O ponto (x,y) conhecido como Pxel ( Picture element ) e o valor de f(x,y) o nvel de cinza (graylevel) do ponto (x,y). W o mximo valor da escala de cinza. Uma Imagem Digital uma funo contnua que representada por amostras medidas em intervalos regulares. A intensidade luminosa quantizada em nmeros diferentes de nveis de cinza.Viso Computacional - Aula1 35
Imagem DigitalPxel
Nvel de cinza do pxel Imagem Digital
Viso Computacional - Aula1
36
Uma Imagem Digital uma imagem contnua amostrada em um arranjo matricial M x N, sendo o valor de cada elemento da matriz o nvel de cinza do pxel correspondente no plano de imagem.
O intervalo de amostragem resulta na Resoluo Espacial da Imagem.Viso Computacional - Aula1 37
Resoluo Espacial a capacidade de se distinguir detalhes em uma Imagem Digital. Em Sensoriamento Remoto ==> o tamanho que cada pxel representa no mundo real. O LANDSAT tem resoluo espacial de 30 m a 120 m. Em Imagens Mdicas ==> o tamanho que cada pxel representa em milmetros. Um Tomgrafo tem resoluo de 1 mm. Em documentos digitalizados a resoluo definida em nmero de pontos em uma dimenso. Scanners de mesa tem resoluo de 600 dpi (dots per inch).
Viso Computacional - Aula1
38
Resoluo EspacialMenor Resoluo
Maior Resoluo
b) a) 27 pxels no dimetro da cratera. b) 55 pxels no dimetro da cratera Se a cratera tiver 550 Km de dimetro ==> em a) 20 Km/pxel em b) 10 Km/pxel possvel medir as caractersticas em b) com maior preciso.Viso Computacional - Aula1 39
a)
Efeitos da Resoluo espacial (M x N)
Viso Computacional - Aula1
40
Efeitos da Resoluo espacial (M x N)
Viso Computacional - Aula1
41
Resoluo da Escala de Cinza definida pelo nmero de Bits utilizado para codificar cada Pxel da Imagem. A escala de cinza o intervalo de variao: Se W = 256 ==> cada Pxel tem resoluo de 256 nveis de cinza, ou seja, 8 Bits/pxel. Uma Imagem com 2 nveis de cinza denominada de Imagem Binria e seus valores sero representados por (0 e 1). Quando a Imagem Binria deve ser mostrada em um display, o valor de cada pxel (0 e 1) deve assumir os valores (0 e W).Viso Computacional - Aula1 42
Resoluo da Escala de Cinza
Viso Computacional - Aula1
43
Resoluo da Escala de Cinza
A escolha dos nmeros M x N que definem a Resoluo Espacial e W que define a Resoluo em Escala de Cinza, est ligada ao processo de aquisio da Imagem Digital.Viso Computacional - Aula1 44
Tamanho das Imagens DigitaisRESOLUO ESPACIAL ( M X N)
32 X 32
64 X 64
128 X 128
256 X 256
512 X 512
RESOLUO DE NVEIS DE CINZA 2 4 8 16 32 64 128 256
Nmero de Bits necessrios 1 2 3 4 5 6 7 8 128 256 512 512 1024 1024 1024 1024
Quantidade de memria em Bytes512 1024 2048 2048 4096 4096 4096 4096 2048 4096 8192 8192 16384 16384 16384 16384 8192 16384 32768 32768 65536 65536 65536 65536 32768 65536 131072 131072 262144 262144 262144 262144
Viso Computacional - Aula1
45
Observaes:Por razes de economia usamos imagens com resoluo espacial menor do que a necessria para preservar a fidelidade da viso humana. Uma melhor resoluo espacial e de nvel de cinza, torna os algoritmos mais fceis de serem escritos.
Uma menor quantidade de dados torna o processamento mais eficiente
Viso Computacional - Aula1
46
Observaes:O efeito de contorneamento introduzido devido ao nmero reduzido de nveis de cinza, torna-se um problema para os algoritmos de Viso que no podem facilmente distinguir os falsos contornos. Contorneamento
Viso Computacional - Aula1
47
MosaicosAs amostras da funo de Imagem f(X) podem ser representadas por pontos que so clulas de tamanho finito e de um nvel de cinza constante, que particiona toda a Imagem. Pxel Retangular Pxel Hexagonal
Pxel TriangularViso Computacional - Aula1 48
Relaes Bsicas entre Pxels.Imagem ==> Pxel ==> f(x,y) p,q,r,......
Sub-conjunto de Pxels ==> S
Adjacncia entre Pxels: Um par de Pxels de uma Imagem que compartilham uma borda dito adjacente por borda ou 4-adjacente. Um par de Pxels de uma Imagem que compartilham um vrtice dito adjacente por vrtice ou 8-adjacente.Viso Computacional - Aula1 49
Vizinhana de um Pxel.Um Pxel p na coordenada (x,y) tem a seguinte vizinhana na vertical e na horizontal, chamada de N4(p) y (x-1,y) (x,y) x (x,y-1) (x,y+1) (x+1,y)
A Vizinhana de 4 de um Pxel p um sub-conjunto de Pxels que so 4-adjacentes a ele mais o Pxel em s. N4(p) = (x-1,y) (x,y-1) (x,y) (x,y+1) (x+1,y)Viso Computacional - Aula1 50
Vizinhana de um Pxel.A Vizinhana Diagonal de p formada pelos quatro Pxels que compartilham somente um vrtice com p. y (x-1,y+1) (x-1,y-1) x (x+1,y-1) (x+1,y+1)
ND(p) = (x-1,y-1) (x-1,y+1) (x+1,y-1) (x+1,y+1)
Viso Computacional - Aula1
51
Vizinhana de um Pxel.A Vizinhana de 8 (8-vizinhana) de um Pxel p um sub-conjunto de 8 Pxels que so adjacentes por vrtice (8-adjacentes) a ele, mais o Pxel em s. y
x
N8(p) = (x-1,y-1) (x-1,y) (x-1,y+1)(x,y-1) (x,y) (x,y+1) (x+1,y-1) (x+1,y) (x+1,y+1)Viso Computacional - Aula1 52
Conectividade.Conceito usado para estabelecer fronteiras de objetos e regies em uma Imagem. Dois Pxels so conectados se: 1. So adjacentes 2. Seus nveis de cinza satisfazem a um critrio especificado de similaridade
Exemplo: Imagem com 2 nveis de cinza (0 e 1). Dois pxels vizinhos de 4 so conectados se tiverem o mesmo valor.
Viso Computacional - Aula1
53
Conectividade.Seja V = { G1, G2, ........Gk } o conjunto de k valores de nveis de cinza usados para definir a conectividade. Define-se: a) Conectividade-4 : dois Pxels p e q com valores em V e
b) Conectividade-8 : dois Pxels p e q com valores em V e
c) Conectividade-m : conectividade mista. Dois Pxels p e q com valores em V e:Viso Computacional - Aula1 54
Exemplo:Seja V = {1,2} os valores que definem a conectividade. Conectividade-40 0 0 1 2 0 1 0 1
Conectividade-8 Pxel p Conectividade-m0 0 0 1 2 0 1 0 1 0 0 0 1 2 0 1 0 1
A conectividade-m elimina a dupla conexo ou o caminho duplo entre dois Pxels p e q.Viso Computacional - Aula1 55
Encadeamento Lgico.Uma seqncia de Pxels ( p1, p2, .......pn ) uma seqncia 4-conectada se pi 4-adjacente a pi+1. Uma seqncia 8-conectada se pi 8-adjacente a pi+1. Seja S um sub-conjunto no vazio de pixels de uma Imagem. S 4-conectado se: 1) Para quaisquer dois pxels a e b, existe uma seqncia de pxels 4-conectada (p1, p2, p3, .....pn) em S tal que p1 = a e pn = b 2) S contm somente um pxel. S 8-conectado se: 1) Quaisquer dois pxels em S so pontos de incio e fim para uma seqncia de pxels 8-conectada em S. 2) S um sub-conjunto de um s tipo de pxel.Viso Computacional - Aula1 56
Exemplo:Seqncias 4-conectadas para V = {1}
4 seqncias de conectividade-4 para V = {1}
Viso Computacional - Aula1
57
Exemplo:Seqncias 8-conectadas para V = {1}
2 seqncias de conectividade-8 para V = {1}
Viso Computacional - Aula1
58
Mtricas de Distncias.A distncia entre dois pxels em uma imagem uma medida fundamental para muitos algoritmos. Dados os pxels p de coordenadas (x1,y1) q de coordenadas (x2,y2) t de coordenadas (x3,y3)
A funo de distncia D, obedece s seguintes propriedades:
Viso Computacional - Aula1
59
Mtricas de Distncias.Para mosaicos retangulares com espaamento unitrio entre os pxels, as mtricas mais utilizadas para dois pxels p (x1,y1) e q (x2,y2) , so: Distncia Euclidiana:
De ( p, q ) = ( x1 x 2 ) + ( y1 y 2 )2
2
Distncia City-Block (Distncia D4):
Dcb ( p, q ) =| x1 x 2 | + | y1 y 2 |Distncia Chessboard (Distncia D8):
Dch ( p, q) = max{| x1 x 2 |, | y1 y 2 |}Viso Computacional - Aula1 60
Mtricas de Distncias.As distncias D4 e D8 consideram apenas as coordenadas dos pxels, independente da existncia de conectividade entre eles. A D4 medida pelo caminho de 4 mais curto e a D8 pelo caminho de 8 mais curto. Exemplo: Pxels cuja distncia City Block y2 2 1 0 1 2 2 1 2 2
x
2
1 2
Dcb ( p, q ) =| x1 x 2 | + | y1 y 2 |Viso Computacional - Aula1 61
Exemplo:Pxels cuja distncia Chessboard y2 2 2 2 2 2 1 1 1 2 2 1 0 1 2 2 1 1 1 2 2 2 2 2 2
Caminho de 8 mais curto.
x
Dch ( p, q) = max{| x1 x 2 |, | y1 y 2 |}
Viso Computacional - Aula1
62
Exemplo:Para a conectividade mista, a distncia entre dois pxels depende do valor dos pxels ao longo do caminho, ou seja, da seqncia conectada.0 0 1 1
q1
0 1
1
q
p
1
p
1
Distncia-m entre p e q = 21 0 1 1
Distncia-m entre p e q = 31 1 1 1
q p1
q
p
1
Distncia-m entre p e q = 3Viso Computacional - Aula1
Distncia-m entre p e q = 463
Exerccios:1) MATLAB - Realizar a Prtica 1
2) Colocar em um diagrama x,y as distncias entre os pxels p e q tal que para: a) Distncia Euclidiana b) Distncia City Block c) Distncia Chessboard Discutir os resultados.
Viso Computacional - Aula1
64
LIVROS : GONZALEZ, R. C. AND WOODS,R.E. "Digital image processing", Reading, Mass. : Addison-Wesley, 1992 GONZALEZ, R. C.; WOODS,R.E.; EDDINS,S.L. "Digital image processing Using MATLAB", Pearson-Prentice Hall, 2004.
Viso Computacional - Aula1
65