[Música] o [Música] olá seja muito bem vindo à nossa sexta aula aqui da disciplina de computação gráfica do curso de engenharia da computação da univesp hoje a nossa segunda aula sobre processamento de imagem ea gente vai aprender mais algumas técnicas aqui de manipulação de segmentação de margem voltando à nossa mas o gráfico aqui de computação gráfica e lembrando é o processamento de imagem aquela sub área que recebe como entrada de dados uma imagem e e devolve para o usuário uma outra imagem ou manipulada ou melhorada ou né de alguma forma modificada por técnicas de processamento
de imagem hoje a gente vai investigar uma técnica é que o uso de máscaras ou de templates para modificar as imagens que consiste se essas máscaras na verdade são suas matrizes estão aqui por exemplo eu tenho uma sub matriz 3 por 31 a gente já viu na aula passada que a imagem no final da sua descredibilização era formada por uma grande matriz de pixels onde cada pixel representa um valor numérico não seja um é uma entrada da matriz representando o valor ou do nível de cinza ou do valor de r gb dependendo da cor da
sua imagem ali então o que é uma máscara vai fazer basicamente ela vai fazer uma média ponderada levando em consideração os pixels da vizinhança ou seja o pixel central vai ser isso aqui e eu vou utilizar esses valores aqui inclusive central para fazer uma média ponderada dos pisos da vizinhança e vou substituir o valor do pixel central pelo valor dessa média ponderada olhando isso mais de perto como funciona né eu vejo aqui nós temos uma máscara é é um filtro de convulsão então ela vai multiplicar o pixel central aqui por nove e vou aplicar aqui
nesse pixel que dê valor a 103 e vai pegar os pixels da vizinhança toda aqui multiplicados pelo menos um eu vou ter aqui um valor de 927 e valores negativos aqui na vizinhança toda que vão ser somados junto com 927 para obter o novo valor do pixel é correspondente a esse pixel central que vai ser agora é de 130 e que na imagem original que é de 103 então dependendo dos pesos que eu colocar aqui na minha máscara eu vou obter efeitos diferentes no processamento da imagem a brincadeira é mexer com esses pesos de maneira
a conseguir os efeitos desejados aqui na imagem é isso que a gente vai investigar um pouquinho ó então esse filtro especificamente é é ele faz uma média da vizinhança talvez quando eu somo aqui cada valor cada pixel da vizinhança aqui e divido por 9 x 1 9º que é a mesma coisa que eu estou fazendo eu estou levando em consideração é os pixels vizinhos ou em volta de um pixel e fazendo uma média ponderada isso significa que eu vou fazer eu vou fazer uma suavização digamos que eu tenha um valor aqui que a imagem esteja
mais ou menos igualada mas eu tenho valor aqui numa das vizinhanças que é muito alto então eu puxo essa média um pouquinho pra cima e pixel ele clareia um pouco ou é de manhã contra essa eu tenho valores é mais baixo em baixo da sua vizinhança que são muito baixos esse pixel escurece um pouco mais de maneira geral quando eu aplico essa máscara em todos os pisos da minha imagem eu vou dar uma borrada na imagem porque eu vou levar em consideração os substituir os valores pela média então isso vai dar uma suavizada o efeito
final na imagem pra gente ver o efeito da suavização né aquela nossa imagem aqui de referência que a nossa fotografia de referência depois de uma suavização aplicada aqui uma máscara três por três né o efeito ficou bem né borrado aqui parece que é a imagem perdeu bastante foco evidentemente que a gente poderia também mudar o tamanho dessas máscaras né em vez de utilizar máscaras três por três poderia utilizar máscaras quarta por 45 por 59 por 9 dependendo do meu objetivo é e no caso desse filtro de suavização quanto maior o tamanho da máscara mais desfocado
vai sair o resultado final da sua visitação nós temos que levar isso em consideração na hora de aplicar essa marca mas é esse não é um único tipo de filtro levado em consideração são um exemplo um outro exemplo de filtro chamado de filtro apache ano porque ela palaciana vem da equação lá passeando aqui é que disse que lá passeando de uma função é fina é uma função aqui de duas variáveis é a segunda de levar a parcial da fpf em relação à x mas a segunda derivada parcial da ef aqui em relação à y mas
aí você poderia perguntar puxa como é que eu vou descobrir a segunda derivada nem da função se eu não conheço matematicamente a lei da função bom essa é uma boa pergunta é na verdade você conhece os valores dessa função que é a sua matriz de pixels e você vai fazer uma aproximação numérica desci lá passeando aqui dessa segunda derivada baseado nos valores que você conhece e na esponja na expansão da função em série inteira neto só justificando de onde é que vem é esses pesos aqui isso vem da expansão da função em série e da
aproximação para a segunda nevada aqui mas se você tiver curiosidade depois de pesquisar um pouquinho mais interessante mas vamos analisar os filtros com um pouquinho de calma então eu tenho dois tipos aqui de filtros sua posse anos é um com o centro é positivo e o centro negativo com o centro negativo eu vou remover as bordas exteriores e com o centro positivo eu vou remover as bordas interiores então o que vai variar o valor que está aqui no centro do pixel né da marca é e esse valor aqui de 4 18 diz respeito ao tipo
de vigilância que eu estou aplicando veja que quando a gente utiliza o valor 4 eu estou levando em consideração pixel imediatamente em cima imediatamente embaixo imediatamente à direita imediatamente à esquerda sem levar em consideração os pixels na diagonal e quando utiliza o valor 8 eu estou levando em consideração toda a vizinhança é que a gente chama de vigência de 8 na verdade é 12345678 pixels aqui em volta do pixel central então faz sentido a gente utilizar esse número na hora de compor aí o filtro só para ter uma idéia que o efeito do operador laplace
ano é que eu tenho a nossa imagem original e após ao o efeito da aplicação do pixel aqui parece que deu uma uma grande bolada na imagem mas o fato é que as bordas ficaram realçados né e como aqui tem muita borda né apareceu muito detalhe é que em função da aplicação do filtro bom um outro filme específico aqui para detecção de bordas é o filtro conhecido como sobel né que é muito bom pra imagens com idosas então há dois tipos aqui de filtro chamado do denominado filtro de sobel que eu souber horizontal e que
eu sou e sobel é vertical então o que muda é que muda os valores aqui na composição do filtro novamente esses valores vêm da decomposição da função em série de taylor e quando eu tô trabalhando aqui com um filtro horizontal né eu tô privilegiando as bordas que estão na direção horizontal quando eu trabalho com os valores que estão na vertical ou seja com 29 logo imediatamente acima do pixel central e dois imediatamente abaixo do pixel central eu estou trabalhando com bordas no sentido vertical da imagem então essa é a diferença do da aplicação aqui do
filtro do operador de sobel então na nossa imagem de exemplo não só para você ter uma idéia então veja aqui a gente privilegiou as bordas no sentido horizontal ou seja que é uma aplicação do filtro horizontal com as bordas é que apareceram que perpendicular horizontal eles ficaram mais determinadas e aqui a aplicação do filtro é vertical onde as bordas aqui é perpendiculares ao filtro ficam mais evidenciadas porque repare que nosso 22 aqui é o que vai fazer aparecer as bordas com mais e maiores detalhes onde eu tenho filtro horizontal e vem de evidência as bordas
com o valor depende khullar a horizontal onde eu tenho filtro vertical evidência as bordas perpendicular ao vertical é por isso essa diferença aqui de aplicação é esse aqui foi horizontal e sem que foi o vertical aplicado o outro detector de bordas é chamado gradiente cruzado de roberts é não se assustem muito com essa nomenclatura né mas é basicamente um filtro é na verdade que dois por dois onde o pixel de interesse vai ser agora o pixel inicial aqui é o seu pico superior esquerdo aqui da minha marca do mesmo caso aqui qualquer idéia em vez
de o levar em consideração toda a vizinhança eu vou levar em consideração o pixel imediatamente à direita imediatamente abaixo e o diagonal à direita que do pixel central ea ideia é fazer uma estimativa aqui do da norma do gradiente da imagem porque você imagina que uma função é que está mais ou menos uniforme gradiente dela está próximo de zero ou seja grande ela tem um ingrediente baixo quando estou perto de uma moda tem uma variação muito brusca na imagem ou seja eu tenho um gradiente ali alto porque os valores vão diferenciar muito então estou aplicando
um uma espécie que de identificação do gradiente você não eu tenho grande entes altos eu estou no bordo falando de uma imagem quando eu tenho grande entes mais suave significa que a imagem está mais ou menos ali com valores parecidos nos pixels nessa ideia principal é outro detector de borda é o detector de pretty o nome do autor aqui que colocou é esse filtro ea idéia também é detectar bordas verticalmente e horizontalmente nós temos dois tipos aqui de operadoras o vertical e horizontal e vertical vai identificar bordas na horizontal e horizontal vai identificar bordas na
vertical e de novo ele está fazendo uma aproximação do gradiente da imagem a partir da sua expansão em seu vídeo inteiro então um exemplo aqui da aplicação do gradiente cruzado de robert né ver que nós temos uma uma pintura aqui não há uma fotografia e ele foi capa mas de identificar corretamente os bordo saque da imagem com bastante bastante eficiência ou sumarizando né eu vou colocar aqui um exemplo bidimensional para a gente entender melhor o funcionamento dos filtros netão imaginei que a minha função tem esse comportamento aqui quando eu faço uma suavização ou seja aplica
um filtro de suavização é esse pedaço aqui e esse aqui vão ser suavizadas não vou ter uma passagem aqui mais suave em relação ao meu sinal original quando eu simplesmente é se eu fizer uma diferença entre o sinal suavizado o sinal é original nós vamos ter aqui uma coisinha aqui e eu posso também é ter o sinal realçado que no caso dos detectores de bordo tocando réus a diferença senão suavizar as diferenças então eu vou ter um um aumento aqui nas diferenças onde o sinal foi aplicado né tudo isso baseado nas aproximações da função é
que determina o valor da imagem então aqui olhando pro sinal unidimensional fica mais claro da gente percebeu que cada filtro está fazendo e aí existem filtros pra mais variadas é aplicações posso ter filtro pra cá a aumentar o realce para aumentar o contraste entre a imagem pode ter filtro pra suaviza pena que como a gente viu prefeito encontrou bordo desses filtros para encontrar agora nós temos pelo menos uma meia dúzia de filtros aí disponíveis vocês encontram nos nos processadores de imagem no corel draw limpe da vida é um filtro ali já implementados né e que
usam esse fundamento aí pra funcionar como base e tem outros tipos de filtro pode ser usados ou na verdade uma combinação de filtros quando vocês precisam de um resultado específico né não existe um único filtro que você é vai usar ele vai te dar resultado necessário geralmente não em problemas reais você precisa de uma combinação de dois três quatro filtros pra obter o resultado que você precisa o que você espera da sua imagem por hoje é isso muito obrigado e até a próxima aula [Música] [Música] [Música] [Música]
