Fundamentos da Computação Gráfica

PUC-Rio – Pontifícia Universidade Católica do Rio de Janeiro DI – Departamento de Informática

Mestrado em Informática Disciplina: Fundamentos da Computação Gráfica

Professor: Marcelo Gattass

Pedro Nuno de Souza Moura

Esta apresentação tem por objetivo demonstrar os algoritmos implementados e os resultados obtidos para a primeira etapa do trabalho de reconhecimento de código QR.

Apresentação

Objetivo do Trabalho → Reconhecimento de códigos Quick Response.

Primeira etapa: Segmentação da Imagem.

Uma das técnicas possíveis: Thresholding (Limiarização).

Diversos algoritmos e abordagens existentes.

Referência de Yie Liu e Mingjun Liu cita diversos.

Objetivo

Global → Um único valor de threshold para toda a imagem.

Local → Threshold é obtido através da análise da vizinhança de um pixel.

Algumas possibilidades de vizinhança:

4-vizinhança:

8-vizinhança:

Métodos de Thresholding

Método de Otsu → Método iterativo para obter um threshold que separe a imagem em fundo (background) e objeto.

Trabalha com o histograma da imagem.

Minimiza a sobreposição dos agrupamentos ao minimizar a variância intraclasse:

Algebrismo:

Algoritmo: Obter arg max da expressão acima.

Métodos de Thresholding

)()()( 222

211

2 twtwtI

)()()( 222 ttt EI 2

2121222 ))()(()()()( ttwwttt IE

Norma ISO → Obtém o valor médio entre a maior e a menor intensidade de cinza presente na imagem.

Em condições uniformes de iluminação, funciona bem.

Justificativa: Problema:

Métodos de Thresholding

Algoritmo K-Means: Busca Local para algoritmos de clusterização.

Parte de uma solução inicial e intensifica até convergir a um ótimo local.

Obtém a média dos dois grupos: e .

Novo thresholding é .

Critério de parada é a convergência local.

Métodos de Thresholding

1 2

221

Método Local de Nilblack.

O threshold para um pixel corresponde à média de seus vizinhos.

Foi utilizada uma 8-vizinhança.

Métodos de Thresholding

Imagem original:

Exemplo

Imagem em tons de cinza:

Exemplo

Exemplo Histograma da imagem em escala de cinza:

Histograma

0500

1000150020002500300035004000

0 30 60 90 120 150 180 210 240

Intensidade de Cinza

Pixe

ls

Método constante na norma ISO:

Exemplo

Aplicação do K-Means ao resultado anterior:

Exemplo

Método de Otsu:

Exemplo

Aplicação do K-Means ao resultado anterior:

Exemplo

Método de Nilblack processando vizinhos que distam até 20 unidades:

Exemplo