[Música] o [Música] olá seja muito bem vindo a mais uma aula da nossa disciplina de computação gráfica aqui do curso de engenharia da computação da univesp nosso objetivo hoje é falar um pouco sobre processamento de imagem é finalmente vai entrar nessa sub área da computação gráfica que é denominada processamento de marketing então com nosso diagrama que de diárias né processamento de imagem aquela sub área da computação gráfica onde a entrada de dados é uma imagem ea saída de dados é uma outra imagem do nosso objetivo hoje é definir matematicamente o que é uma imagem e
entender alguns processos de manipulação de imagem dentro da computação gráfica então nós já havíamos visto né no paradigma dos quatro universos que nós tínhamos um modelo do universo físico onde você pode comparar uma imagem com uma fotografia no universo matemático a gente em de entender uma imagem como uma função de um sub-conjunto aqui do plan realmente um retângulo mas não precisa ser restrita um retângulo onde a cada ponto desse meu domínio aqui eu associo uma informação de cor no caso se a gente tomar essa informação de como é níveis de cinza eu associo um valor
numérico a cada ponto do plano então aqui está um exemplo de uma imagem bem simples e se eu fizesse um gráfico tridimensional dessa imagem eu teria essa esse objeto aqui como gráfico 3d a gente vai ver algumas possibilidades aqui algumas formas de manipular o conteúdo dessa imagem a fim de obter delas informações importantes esse é o objetivo da nossa aula de hoje alguns conceitos importantes né é quando a gente fala em resolução da imagem existe dois tipos de resolução distintos uma resolução que a gente chama de resolução de contraste que o que é definida pela
quantidade de cores consideradas na hora da aquisição da imagem então por exemplo essas minhas duas faixas aqui né são duas faixas aqui com tonalidades diferentes de imagem então se eu contar o número de cores aqui é só 1 2 3 4 5 6 7 8 9 e tenho nove tons de verde aqui na imagem de baixo e eles estão bem definidos eu posso dizer que a resolução de contraste dessa essa faixa dessa imagem é 9 porque eu tenho nove variações aí no na tonalidade de verde acontece que na imagem de cima eu também tenho nove
variações do pmdb também tem 19 tons de verde só que eles estão mais próximos um do outro então ser só a resolução de contraste não é um bom parâmetro pra eu determinar se a imagem está com uma boa resolução ou não há também a resolução espacial que é basicamente a quantidade de pixels que você tem uma determinada imagem mas para isso a gente precisa definir o conceito de pixel né o pixel é na verdade um elemento fundamental nec da imagem ou seja cada ponto da matriz aqui da imagem se eu divido aquele meu domínio que
é um retângulo no plano em quadradinhos né cada quadradinho daquele vai ser um pixel que depende do dispositivo onde essa imagem está sendo exibida então numa tela de computador pixel tem um tamanho de uma tela de um smartphone vai ter o tamanho uma tela de um tablet vai ter o tamanho nessa tela que a gente está usando ele tem o tamanho isso varia muito de dispositivo que o dispositivo e essa é a chamada de resolução espacial da imagem que basicamente leva em consideração a dimensão dos pixels que a imagem é formada então é nos pixels
que a gente vai realizar essas operações com o objetivo de manipular as imagens e dá um exemplo né de uma imagem aqui de radiografia é onde a gente pegou um pedacinho dessa a radiografia e deu um aqui na matriz de pixels que compõem esse pedacinho então você veja que é é uma matriz composta de diversos valores numéricos aqui a região mais escura os pixels estão valendo zero não é que representa que a ausência de cor o agente de informação de brilho de de luz ou que a matéria esteja medindo né à medida que eu vou
olhando para as regiões mais claras o valor dos pixels vão aumentando então essa é uma imagem de 8 bits que significa essa é e dizer que uma imagem tem 8 bits significa dizer que ela tem 256 níveis possíveis de cinza ou seja tem 2 elevado a 8 isso é dar uma um total de 256 níveis possíveis então uma maneira simples de gente manipular uma imagem é por exemplo pegar essa matriz de pixels aqui essa matriz de inúmeros né e somar uma constante a cada a cada valor aqui a cada entrada dessa matriz nesse caso eu
fiz uma quantia muito simples o mei 10 a cada pixel netão e isso resulta no clareamento da imagem ou simplesmente tornei cada pixel dez unidades mais brilhantes né então surte um efeito aqui no resultado final aqui nós temos uma radiografia do néon objeto aqui relativamente bem definido quando eu aumentei o brilho geral da imagem eu perdi um tanto de informação aqui já não é mais possível observar certos detalhes que aqui é eu tinha essa observação mas é uma manipulação muito simples então a gente precisa de algoritmos mais inteligentes obviamente para manipular a imagem e conseguir
informações mais importantes dentro de imagens aqui que a gente quer observá lo de maneira geral a gente vai dividir processamento de imagem em três níveis né o processamento de baixo nível nem que é responsável pela remoção de dados indesejáveis e real cidades importantes muitas vezes você adquire uma fotografia ou uma radiografia uma tomografia não é que seja isso vem com algum tipo de ruído isso vem com um alguma sujeira no sensor vem com com algum tipo de informação que não pertence aquele objeto que foi fotografado então esse processamento de baixo nível tem essa função de
remover ruídos e objetos e elementos indesejáveis na imagem e de réus a elementos importantes da imagem por exemplo realçou bordo o réu são informações que aparentemente a olho nu você não consegue perceber né é verificando essa imagem já o processamento de nível médio é ele tem o objetivo de encontrar ou identificar forma significante né então a gente dá o nome de segmentação que é onde você quer que é identificar determinada somas por exemplo de ficar curvas identificar retas o o de identificar objetos geométricos ou mesmo fazer medições em cima dessa dessa imagem que você já
fez um pré processamento aqui removeu ruído o réu só a informação importante né já no processamento de alto nível você que é é comparar essa imagem o resultado dessa imagem com algum banco de informação tão um exemplo são os algoritmos é atuais de recuperação o conteúdo é um google por exemplo utiliza um algoritmo de si onde você passa uma imagem como elemento de busca eo buscador retorna às 50 100 imagens mais parecidas com aquela dentro do universo de busca que foi proporcionado até então quer dizer você é só relacionou essa sua imagem com um banco
de dados com algum conhecimento implícito não é e serve pra auxílio diagnóstico saiu para várias aplicações práticas a esse processamento de imagem de alto nível na aula de hoje a gente vai é ver algumas técnicas simples aquino de primeiro nível de processamento de baixo nível então primeira ferramenta que a gente vai investigar é o histograma de uma imagem então estou grama é definido aqui pela função que fornece a freqüência de cada nível de cor na imagem isso significa que se eu tenho uma imagem por exemplo onde apareceu dez vezes o valor de 52 o 10
não apareceu dez vezes um pixel que vá além dos 52 estão neste ponto estou grama no valor 52 toda hora e dez se apareceu 15 vezes o valor 60 1.60 o histograma vai valer 15 de modo que eu vou obter um gráfico relacionando cada nível de cinza é a no número de vezes que ele apareceu na imagem então ele é útil para o eu obter informações é global e na imagem no entanto ele não serve se eu quero alguma aplicação que precise de conhecimento do valor do da posição do pixel ele não leva em consideração
a posição que os pixels aparecer aqui um exemplo simples é de uma fotografia que nós temos uma estrada o histograma dessa imagem é esse o número de vezes que apareceu aqui é cada valor de cinza variando aqui dizer ou 256 é também que os pixels mais escuros aqui apareceram - os picos mais claro aqui mais para o lado do branco total que apareceu em pequena quantidade e os pneus intermediários aparecer em maior quantidade estão fazendo a manipulação do histograma é possível obter informações ou mesmo fazer alterações na imagem vamos ver alguns exemplos né se eu
tenho uma imagem colorida basta eu utilizar o mesmo a função histograma para cada um dos canais aqui para o canal vermelho pro canal verde para o canal azul é que faz partidas dos três cores primárias que compõem a imagem que a gente já viu na aula de corpo ou idéia do histograma exatamente a mesma só que cada um para sua componente agora uma componente é retrô componente g e outra para a componente b alterações globais então veja que eu tenho histograma dessa imagem original é que aquele primeiro que a gente viu com a concentração dos
pixels aqui na parte intermediária do histograma se eu der uma empurrada no valor desses programas se eu colocar a concentração maior de pitons na parte final do histograma como tá parecendo que nesse segundo histograma o que acontece eu vou dar uma clareada geral da imagem vou pegar a imagem ou torná la mais clara do que a imagem original é eu tenho também o processo de banalização né como é que funciona digamos que eu é que estabeleça um mba no caso o meu linha que foi de 128 e eu separei os pitbulls do histograma na então
se você vale menos que 128 você foi é transladado aqui pra preto ou seja o valor de zero se você mali vale mais do que 128 você foi transladado para o valor de 256 que o máximo de branco possível então a gente transformou uma imagem que tinha uma resolução de contraste de 256 para uma imagem aqui com uma resolução de contraste que tem dois ou seja eu só tenho aqui pixels pretos e pixels brancos né é útil pra quando eu quero diminuir a o daruma compactada aqui no tamanho da imagem sem perder muito a resolução
evidentemente que estabelecer qual é esse limiar que funciona é um processo é é assim existe uma técnica ótima pra isso às vezes você tem que testamos existem alguns algoritimos meio automatizados mas sempre né tem uma margem aqui para você escolher corretamente esse valor de mma outra técnica o possível né com o histograma é a continuação basicamente a mesma idéia do linear só que é dividida em pedaços não é tão não pixels para uma determinada região você é levado para 10 na outra região vão ser levados para o 10 por exemplo na outra região os elevados
para 15 e assim por diante então eu vou ter uma diminuição na quantidade de cores presentes na imagem aqui uma imagem que tinha 256 cores aqui só foi concretizada neste processo é chamado de quotização foi concretizada por uma imagem que tem 16 cores apenas então veja que a gente perde um pouco a resolução no entanto ele cria um efeito aqui de uma suavização na impressão que houve uma pintura olha aqui nessa imagem então você produz um efeito interessante além de diminuir o tamanho da imagem é uma possibilidade quando você precisa é fazer uma compactação ou
pensar em uma maneira de diminuir o tamanho das suas imagens é um processo de conscientização é uma ferramenta simples mas com alguns resultados interessantes do ponto de vista de diminuição ainda a quantidade de cores que você obtém na sua imagem uma outra possibilidade de fazer o de usar o histograma é a equalização é que o próprio nome já diz eu tenho um programa que bastante regular eu faço com que os pixies fiquem igualmente distribuídos ao longo do estudo ama né obviamente que não vai ficar todo mundo igual mas eu vou fazer uma boa chance mas
ão aqui né isso dá uma melhor aqui na nitidez da imagem é faz com que o os valores aqui fiquem mais ou menos distribuídos e com isso nós tenhamos uma imagem um pouco mais nítida em função do histograma elas eu vou deixar de perceber os contrastes aqui com a maior é a distinção por hoje é isso então muito obrigado e até a próxima aula [Música] o [Música] [Música] [Música] [Música] ano [Música]
