ipesu proc imag aula02 - histograma

7/18/2019 Ipesu Proc Imag Aula02 - Histograma

http://slidepdf.com/reader/full/ipesu-proc-imag-aula02-histograma 1/44

PROC IMAG –

Processamento deImagens

Curso de ciência da computação

Nara [email protected]



Conteúdo

• Histograma

• Técnicas de modificação de histograma

•Expansão

• Compressão

• Equalização

• Negativo

• Limiarização



Histograma

• O Histograma de uma imagem provê umadescrição global da aparência da imagem emtermos de distribuição de intensidade (nível de

cinza)• Operação global que fornece a frequência de

ocorrência dos níveis de cinza ( f(x,y))

• Na escala horizontal representa-se a intensidade(valores entre 0 e 255)

• Na escala vertical representa-se a quantidade (ouporcentagem) de pixels referente a umadeterminada intensidade



Histograma

• Exemplo: Simulação de imagem usando peças de legocomo pixels.

• O bloco mais escurorecebe o valor zero deintensidade

• Representa a ausência deluz

• O bloco mais claro tem ovalor mais alto deintensidade



Histograma

• Esta imagem tem 4 tons de cinza (numerados de 0 a 3na segunda imagem), e é composta por 16 blocos delego (pixels).



Histograma

• Esta imagem tem 4 tons de cinza (numerados de 0 a 3na segunda imagem), e é composta por 16 blocos delego (pixels).

Intensidade Frequência

absoluta

0 2

1 32 3

3 8

Total 16



Histograma

• Assim, o histogramaserá uma representaçãográfica de quantas vezes

cada valor de pixelaparece

• Fazer isso com o legonem exige contas: é sófazer uma pilha de blocos

para cada cor(intensidade), em ordem,começando pelo zero.



Histograma

• A partir da tabela...


absoluta

0 2

1 3

2 3

3 8

Total 160

1

2

3

4

5

6

7

89

0 1 2 3

F r

e q u ê n c i a

a b s o l u t a

Intensidade

Histograma



• Histograma normalizado, nesse casoteremos a probabilidade de cada nível decinza:

n

nl p l r

onde:

l = 0, 1, ..., L-1, onde L é o número de níveis de cinza da

imagem digitalizada;n = número total de pixels na imagem;

pr (l ) = probabilidade do l -ésimo nível de cinza;

nl = número de pixels cujo nível de cinza corresponde a l .

Histograma



Histograma


absoluta

Probabilidade

0 2 2/16 = 0,125

1 3 0,1875

2 3 0,1875

3 8 0,5

Total 16 10

0.1

0.2

0.3

0.4

0.5

0.6

0 1 2 3

P r o b a b i l i d a d e

Intensidade

Histograma normalizado



Histograma

No matlab, a função imhist pode calcular o histogramada imagem em níveis de cinza

>> imhist(I)>> I = imread(‘lena.bmp')

>> imshow(I);



Histograma

• Uma imagem possui apenas um histogramasporém um histograma pode pertencer a mais deuma imagem

• Sua informação é invariante com as operações de

rotação e translação• A informação espacial da imagem é perdida

• Apenas contém a quantidade de pixels com umdeterminado valor



Histograma

• O conceito de histograma também é aplicável aimagens coloridas

• A imagem é decomposta de alguma forma (por

exemplo, em seus componentes R, G e B) e para cadacomponente é calculado o histograma correspondente



Histograma



Histograma

• Através da visualização do histograma de umaimagem obtemos uma indicação de sua qualidadequanto ao nível de contraste e quanto ao seu brilho.

• O brilho está associado à sensação visual daintensidade luminosa de uma fonte

• Se a imagem é predominantemente clara ou escura

• Contraste está associado ao nível de separação

entre as cores



Histograma



Histograma x brilho

Brilho: sensação visual da intensidade luminosa de uma fonte

Imagem de brilho médio



Histograma x brilho

Imagem com predominância de pixels claros



Histograma x brilho

Imagem com predominância de pixels escuros



Histograma x contraste

Contraste: nível de separação entre as cores




Imagem de Baixo Contraste




Imagem de Alto Contraste



Técnicas de modificação dehistograma

• São técnicas utilizadas para processar a imagem atravésda modificação do histograma

• Expansão

• Compressão

• Equalização

• Negativo

• Limiarização

• A manipulação de histogramas pode ser utilizada paramelhorar a qualidade das imagens sob critériossubjetivos ao sistema visual humano

• Percepção de informações contidas nas imagens mais fácil



Expansão de histograma

• O histograma original de uma imagem é modificadode tal forma que parte dele é expandida paraocupar toda a faixa de cinza da imagem

•

Torna o pixel mais escuro mais próximo do preto e omais claro mais próximo do branco

• Mantém a “forma” do histograma

• Técnica para aprimoramento de contraste de umaimagem




Aumenta o contraste



Compressão de histograma

• Modifica o histograma original de uma imagem detal forma que suas raias passam a ocupar apenasum trecho da faixa total de cinza

•

Redução de contraste na imagem




Diminui o contraste



Equalização

• Torna o pixel mais escuro mais próximo do pretoe o mais claro mais próximo do branco

• Distribui o restante das cores mais

uniformemente nesse intervalo• O número (percentual) de pixels de qualquer nível

de cinza é praticamente o mesmo

• No matlab, a função histeq pode fazer a

equalização do histograma da imagem em níveisde cinza

I_eq = histeq(I);



Equalização



Negativo



Negativo

I = imread(‘lena.bmp');I2 = 255 - I;

imshow(I2);

imhist(I2);



Negativo



Negativo

(207, 210, 179) (48, 45, 76)

+

(255, 255, 255)

Imagem Negativa Imagem Original



Limiarização

• Consiste em separar as regiões de uma imagemquando esta apresenta duas classes (o fundo e oobjeto).



Limiarização

• Devido ao fato da limiarização produzir umaimagem binária à saída, o processo também édenominado, muitas vezes, binarização.

• Em imagens preto e branco:• Quando o pixel apresentar um tom de cinza mais

próximo do preto, ele é convertido para preto

• Quando apresentar um tom de cinza mais próximo

do branco, ele é convertido para branco



Limiarização

Valor de Corte = 127

(Threshold, Limiar)

BrancoPreto



Limiarização

Algoritmo de Recorte

I = imread('LenaPB.jpg');

[M,N,B] = size(I);

corte = 127; % valor de corte

for i=1:M,

for j=1:N

if I(i,j) > corte

I2(i,j) = 1;

else

I2(i,j) = 0;end

end

end

imshow(I2,[]);



Limiarização

Corte = limiar de binarizaçãoCorte = 80

Corte = 100

Corte = 128

Corte = 150



Bibliografia

• GONZALEZ, R. G., e WOODS, R.,“Processamento Digital de Imagens”, SãoPaulo, Edgard Blücher, 2000.

• VIEIRA NETO, Hugo e MARQUES FILHO, Oge -Processamento Digital de Imagens – 1999 -

Acadêmica – Brasport

ipesu proc imag aula02 - histograma

Documents