o processamento de imagens você provavelmente ouviu falar nesse termo e até mesmo já usou ou ainda usa e nem percebe sempre que você vai postar uma foto sua numa viagem no Facebook ou Instagram e faz aquelas alterações com balanço de cor ajuste de contraste brincar com o negativo da imagem aplicar filtros de empurramento detectar regiões específicas para eliminar o fundo por exemplo você está realizando uma transformação dentro desse Campo de processamento de imagens mas as técnicas de processamento de imagem e não sou só úteis para deixar suas fotos mais bonitas para ganhar mais likes nas
redes sociais na verdade ela também é muito utilizada em estudos científicos Olá eu sou Rafael Viana sou pesquisador no laboratório de computação científica da Universidade Federal Fluminense e nessa série de vídeos eu vou te mostrar como utilizar os conhecimentos de processamento de imagem na ciência dos materiais o exemplo que eu quero trazer aqui o de caracterização de rocha de reservatório que o objetivo de estudo da petrofísica Digital neste caso uma amostra de rocha pode ter chegado no laboratório e vamos supor que eu quero analisar essa mostra digitalmente através de imagens da estrutura interna desse material
hoje em dia através de técnicas de imageamento bem sofisticadas como é o caso de microtomografia computadorizada a gente consegue gerar uma imagem tridimensional de material que é formada por várias imagens bidimensionais e milhares e a gente consegue enxergar estrutura interna dessa rocha através de vários planos de corte e E aí e além de possibilitar A análise qualitativa do material podemos também utilizar essas imagens para extrair informações quantitativas de extrema importância como por exemplo determinar a porcentagem de cada um dos fontes poluentes sólidos desse material realizar uma análise e contagem de diversos tipos de partículas determinar
o tamanho médio de grãos específicos ou determinar mesmo uma distribuição de tamanho de grãos de terminar regiões de contato entre os grãos analisar o espaço poroso dentre várias outras coisas nessa sequência de vídeos você vai aprender desde conceitos básicos como resolução profundidade com trás até técnicas mais avançadas de análise como segmentação utilizando Machine Lourdes mas antes de nos aprofundarmos neste tema a gente precisa responder uma pergunta bem importante que é o que é uma imagem [Música] é uma imagem pode ser entendida como a representação de um objeto ou nesse caso de uma pessoa mas a
gente precisa ir mais fundo entender como o computador representa uma imagem se a gente começar aproximar essa imagem continuar aproximando a gente vai perceber que as imagem é formada por pequenos elementos cada um desses elementos recebendo uma cor a esses elementos a gente chama de pixel que vem da expressão picture Ellen e a forma de um computador representar essa imagem é através de uma matriz onde cada elemento da Matriz Vai representar um desses fixo então no lugar de cada elemento da Matriz vai estar guardada a cor desse fixo mas quando o computador consegue guardar uma
cor dentro de um elemento da Matriz a gente vai perceber que na verdade o computador não tá guardando uma cor e sim o valor na verdade cada um desses tons da cor da nossa imagem vai ser representada através de um código e é esse código que a nossa Matriz vai precisar guardar aqui a gente chega no Concelho é importante que é o de quantização o profundidade que a quantidade de informação que cada Pixel da imagem pode carregar Ou seja é a quantidade de memória que o computador vai reservar para representar cada um desses Picos isso
na verdade vai significar a quantidade de tons de cinza que a imagem vai conseguir representar bom aqui eu quero fazer um parênteses importante que é referente a imagens coloridas as imagens coloridas são formadas por um número muito menor de cores que são chamadas de cores primárias e a combinação dessas cores primárias a gente consegue representar qualquer cor na nossa imagem é a grande maioria das imagens coloridas que a gente utiliza e representa no nosso computador são formadas na escala RGB e significa qualquer imagem colorida vai ser representada agora por três matrizes uma para o R1
ou uma pro g e uma pro B E ainda sim o conceito de quantização me profundidade vai ser exatamente o mesmo que imagens coloridas para imagens em Tons de Cinza A única diferença é que agora a gente vai precisar de mais informações Por que precisamos de mais de matrizes para representar cada uma das imagens além disso a quantização vai significar a quantidade de cores que a imagem vai conseguir representar Bom na verdade a quantidade de tons de cada cor Mas voltando para o nosso caso que são imagens então G cinza a profundidade o quantização é
importante porque ela tá relacionada com dois conceitos importantes nas nossas análises um deles é um nível de detalhes que a gente consegue perceber nas nossas imagens o outro é a quantidade de memória total para armazenamento de cada uma das imagens uma imagem que utiliza 8-bit para representar as informações de cada um dos pixels conseguem representar 256 valores que seriam 256 códigos depois o que representa 256 Tons de Cinza que a gente vai conseguir representar em cada um dos Picos O que é uma imagem de 1620 conseguiria representar 65536 valores ou seja 65536 Tons de Cinza
mas essa informação é extremamente importante para a gente entender a quantidade de memória total para a gente guardar cada uma das nossas imagens imagens de microtomografia por exemplo é comum a gente trabalhar com imagens de 1024 por meio e 24 por meio 24 fixa-se a gente utilizar as imagens de 8 bits a gente precisaria de 8 GB de memória para guardar uma única imagem tridimensional Mas se a gente utilizar as imagens de 16 vezes a gente precisaria de 16 Gigabyte memória somente para guardar uma imagem sem contar que se a gente precisar trabalhar com essa
imagem renderizada a gente vai ter que carregar todas imagem na nossa memória RAM Então a gente vai precisar de computadores extremamente poderosos o que a gente deveria se perguntar é será que a gente precisa realmente tantos mente para representar cada um dos pixels da nossa imagem é uma imagem com menos Beach já seria suficiente mas ao mesmo tempo a gente precisa se preocupar com o nível de detalhes que a gente quer representar na nossa imagem uma imagem de 8 bits a gente consegue representar como a gente viu 256 valores Mas se a gente utilizar se
menos bits a gente conseguir representar a mesma imagem de forma diferente só que com muito menos detalhes por exemplo se a gente pegar essa mesma imagem representasse ela com um bit a gente só teria dois valores de cores no caso o preto e o branco nessa imagem a gente a gente consegue perceber visualmente que estão representando as duas estão representando uma pessoa mas a gente percebe que na de 8 bits a gente tem muito mais detalhes que a gente consegue ver na imagem que em comparação com a de um bit a gente não consegue perceber
então é sempre importante a gente escolher uma profundidade em que a gente consiga representar todos os detalhes da imagem que seja importante para a gente mas ao mesmo tempo também uma profundidade que seja possível de ser utilizada no não existe um outro conceito que também está associado com o nível de detalhes que a gente consegue ver na nossa imagem que é o conceito de resolução a resolução ou também resolução espacial pode ser entendida como uma forma de medir o nível de detalhes da imagem mas no nosso dia a dia o mesmo na literatura a gente
pode encontrar diversas definições para a sua resolução algumas formas de definir a resolução são o tamanho da imagem em pixels o tamanho do Pixel ou a densidade de pixels por unidade de comprimento Mas vamos tentar entender como cada um desses conceitos funcionaria na prática e tentar verificar qual deles seria mais interessante para a gente utilizar nas nossas aplicações no nosso dia-dia Vamos então voltar para a nossa imagem da Rocha essa seria a representação de uma ele se a partir de um dos planos de corte da tomografia essa imagem bidimensional é representada através de um vídeo
de 1800 por 1.800 fixo seguindo o primeiro conceito de resolução essa imagem ter uma resolução de 1800 é a mesma imagem poderia ser representada também com 200 pixels em cada direção gerando uma imagem de resolução de 200 por 200 comparando essas duas imagens que representam a mesma região com resoluções diferentes a gente percebe que esse conseguir resolução é suficiente para descrever um nível de detalhes da imagem Mas vamos pensar um pouco mais além vamos imaginar nessa imagem original esquerda uma região com a mesma resolução de 200 por 200 Considerando o mesmo tamanho do Pixel a
gente vai perceber que a gente vai conseguir representar uma imagem muito menor e E apesar disso se a gente Comparar as duas imagens a gente vai ver que as duas têm a mesma resolução de 200 por 200 mas a imagem esquerda agora vai ter um nível de detalhes Muito melhor isso porque o tamanho do Pixel é diferente e a gente está representando uma imagem muito menor nesse caso utilizar o tamanho da imagem em pixels como conceito de resolução já não é mais tão interessante já que se a gente não tiver bem definido o tamanho do
Pixel utilizado ou então o tamanho da região espacial que tá sendo ali representada a gente não vai ter bem claro o nível de detalhes da imagem por outro lado utilizar o tamanho do Pixel como resolução de ar mais interessante porque em geral quanto menor o tamanho do Pixel o maior vai ser mesmo nível de detalhe da nossa imagem mais em alguns casos algumas pessoas preferem utilizar o conceito de densidade de pixels por unidade de comprimento porque querendo ou não a gente também já tem o termo Pixel size para se referir ao tamanho do pixel o
histograma o conceito de histograma está inserida em diversas áreas e diversas aplicações Então vamos entender o que seria o histograma de imagem e como a gente pode utilizá-lo no contexto de processamento de imagem e o histograma de imagem definido como a distribuição da probabilidade de ocorrência de um tom de cinza na imagem é mas que isso significa vamos imaginar que nós temos uma imagem delimitada por esse Contorno azul e nós vamos verificar a cor de cada um desses Picos os programas seria então um gráfico onde no eixo X nós teremos todas as cores possíveis para
os pixels da Imagem e do eixo Y nós temos a quantidade de pixels que receberão cada um desses Tons o interessante do histograma que a gente consegue ter uma visão mais Geral de como estão distribuídas as cores da nossa imagem em relação a nossa quantização Além disso O histograma é muito útil para gente fazer vários tipos de processamento na nossa imagem como Realce que a gente vai ver em 20 futuros e também tem de de forma mais clara dois outros conceitos que são conceitos de brilho e de Contagem Se a gente ficar só na nossa
imagem como uma função de duas variáveis onde f de x e y vai ser o tom de cinza daquele fixa na posição x e y o brilho vai ser definido como a integral de f de x y dividido pela quantidade total de pixels nossa imagem e de forma mais simples seria média dos Tons de Cinza da sua imagem já o contraste ele é definido como desvio padrão dos Tons de Cinza olhando para essas formas Pode parecer meio complicado então vamos tentar interpretar o brilho eo contraste olhando somente para o histograma da imagem e pensam que
a princípio histograma tá bem distribuídos dentro do Range que nós temos de possíveis tons da nossa imagem mas agora imagina que a gente vai deslocar esse histograma para a direita o efeito prático disso seria somar uma constante naquela Nossa Matriz que tá guardando todos os valores de tons de cinza da nossa imagem e o resultado disso na nossa imagem é que todos os pixels não ficar um pouco mais claro percebam que cura histograma estar mais deslocado para a direita isso vai fazer com que a média daqueles Tons de Cinza seja maior o que resulta numa
imagem mais brilhosa por outro lado se a partir da nossa imagem original a gente tenta deslocar esse histograma para a direita subtraindo todos os valores da nossa Matriz foi uma constante a nossa imagem acaba se tornando Mais Escura então uma imagem que tem o histograma mais deslocada para o lado esquerdo sempre Vai resultar numa imagem com menos brilho [Música] e agora em relação com traje para diminuir contraste de uma imagem que é o mesmo que diminuir o desvio padrão da distribuição estão em cinza a gente poderia pensar em tentar comprime as extremidades do histograma foi
feito disso na imagem seria tentar sua análise as regiões escuras um pouco mais claras e a gente vai as claras um pouco menos claro de forma contrária se quiséssemos aumentar o contraste a gente poderia pensar em alongar o histograma porque deixarei regiões escuras um pouco mais escuras e as regiões Claras um pouco mais claras e [Música] E aí
