CENTRO UNIVERSITÁRIO INTERNACIONAL UNINTER
ESCOLA SUPERIOR POLITÉCNICA
BACHARELADO EM ENGENHARIA DA COMPUTAÇÃO
DISCIPLINA PROCESSAMENTO DE IMAGENS
ATIVIDADE PRÁTICA
ALUNO: RAFAEL ONORIO SANTOS
PORTO VELHO - RO
2020
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Guias e Dicas
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Encontrar documentos
Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity
Encontra documentos específicos para os exames da tua universidade
Encontra documentos específicos para os exames da tua universidade
Videoaulas
Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade
Quiz
Responda perguntas de provas passadas e avalie sua preparação.
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
ATIVIDADE PROCESSAMENTO DE IMAGENS, Trabalhos de Processamento de Imagem Digital
ATIVIDADE PROCESSAMENTO DE IMAGENS
Tipologia: Trabalhos
2020
1 / 21
Esta página não é visível na pré-visualização
Não perca as partes importantes!
Em oferta
Documentos relacionados
Pré-visualização parcial do texto
Baixe ATIVIDADE PROCESSAMENTO DE IMAGENS e outras Trabalhos em PDF para Processamento de Imagem Digital, somente na Docsity!
CENTRO UNIVERSITÁRIO INTERNACIONAL UNINTER
ESCOLA SUPERIOR POLITÉCNICA
BACHARELADO EM ENGENHARIA DA COMPUTAÇÃO
DISCIPLINA PROCESSAMENTO DE IMAGENS
ATIVIDADE PRÁTICA
ALUNO: RAFAEL ONORIO SANTOS
PORTO VELHO - RO
SUMÁRIO
- INTRODUÇÃO
- 1 HISTOGRAMA
- 2 FILTRAGEM ESPACIAL
- 3 MODELO DE CORES
- 4 MORFOLOGIA MATEMÁTICA
- CONSIDERAÇÕES FINAIS
- REFERÊNCIAS BIBLIOGRÁFICAS
1 HISTOGRAMA
Para realizar a atividade 1, faça a leitura das imagens house .tif, cameraman .tif e le- na_color_256 .tif usando o comando imread. Em seguida resolva os exercícios pro- postos:
- Qual a diferença entre as imagens monocromáticas e a colorida? Como diferenci- ar que a imagem é colorida? A diferença é que a imagem colorida é apresentada em três dimensões (256x256x30). Pode-se diferenciar uma imagem colorida de uma monocromática utilizando o comando size no SciLab, pois resultará numa resposta se a imagem é em três di- mensões (colorida) ou em duas (monocromática).
- Converta a imagem colorida lena_color_256 .tif para níveis de cinza usando o co- mando rgb2gray. Explique o que mudou na imagem, avalie dimensões e quantidade de dados da imagem resultante. Ao aplicar o comando indicado na imagem, verificou-se que ela ficou mono- cromática, apresentando ao invés de três apenas duas dimensões (256x256).
- Faça o levantamento do histograma destas imagens, explique o formato do histo- grama, a respeito de níveis de cinza, quantidade de pixels e contraste. Há imagens que há maior variação de tonalidades, com uma distribuição mais uniforme dos tons de cinza nos referidos pontos, outras há uma alta taxa de concen- tração de alguns pontos como por exemplo a imagem house.tif que apresenta um dos seus tons com mais de 70.000 ocorrências. Os histogramas de ambas imagens variam de tons que vão de mais próximo de preto (0) a mais próximo de branco (256).
- Faça a plotagem das imagens com seus respectivos histogramas usando subplot , use 3 linhas e 2 colunas.
Figura 1 – Plotagem das imagens e seus respectivos histogramas
Fonte: Resultados obtidos com a plotagem
2 FILTRAGEM ESPACIAL
Para realizar a atividade 2, faça a leitura das imagens jetplane .tif e walkbridge .tif u- sando imread.
- Em ambas imagens aplique um filtro para detecção de pontos isolados. Para isto procure uma máscara e utilize conv2 para aplicar o filtro na imagem. Plote o resulta- do e explique o que aconteceu com a imagem.
Figura 3 – Plotagem das imagens jetplane.tif e walkbridge.tif com a aplicação do filtro para detecção de pontos isolados
Fonte: Resultados obtidos com a filtragem
Nas duas imagens o resultado retornou com uma distinção entre locais com pontos isolados.
- Em ambas imagens aplique os filtros para detecção de linha: horizontal, vertical, 45° e -45°. Para isto procure uma máscara para cada filtro e utilize conv2 para apli- car o filtro na imagem. Plote o resultado e explique o que aconteceu com a imagem. A detecção de linhas foi bem específica na direção indicada pela filtragem, se- ja horizontal, vertical, 45 graus tanto positivo quanto negativo.
Figura 4 – Plotagem da aplicação do filtro para detecção de linha horizontal, vertical, 45º e -45º na imagem jetplane.tif
Fonte: Resultados obtidos com a filtragem
Figura 5 – Plotagem da aplicação do filtro para detecção de linha horizontal, vertical, 45º e -45º na imagem walkbridge.tif
Fonte: Resultados obtidos com a filtragem
Figura 7 – Plotagem da imagem walkbridge.tif com aplicação dos filtros para detecção de bordas de Roberts, Prewitt e Sobel
Fonte: Resultados obtidos com a aplicação de filtros
O primeiro filtro aplicado de Robert aplicado nas imagens resultaram em uma imagem com poucos pontos referente as bordas. O primeiro filtro de Sobel se asse- melha com o segundo de Robert. O segundo filtro de Sobel traz um resultado seme- lhante ao segundo filtro de Prewitt.
- Procure na literatura por outro filtro de borda que não foi utilizado aqui, apresente sua máscara e explique seu funcionamento, características e a apresente a biblio- grafia da qual foi retirado este método. Foi utilizado o operador Laplaciano com o uso da máscara [0 -1 0; -1 4 -1; 0 - 0] (SOLOMON; BRECKON, 2013)
Figura 8 – Plotagem da imagem jetplane.tif com aplicação do filtro de borda do operador Laplaciano
Fonte: Resultado obtido com a aplicação de filtro
- Converta as imagens para HSI, usando o comando rgb2hsv. Veja cada uma das componentes deste modelo: 1: Intensidade, 2: Saturação, 3: Matiz. O que cada uma destas componentes significa? Figura 11 – Plotagem das imagens com os componentes HSI (Intensidade, Saturação e Matiz)
Fonte: Resultados da atividade
- Separe apenas uma componente de cor diferente de cada imagem, zerando as outras componentes. Apresente separadamente componente vermelha, verde e a- zul. O resultado deverá mostrar nove imagens, sendo elas as componentes RGB de cada imagem Figura 12 – Apresentação separada das componentes R, G e B
Fonte: Resultados da atividade
- Insira ruído gaussiano e sal e pimenta na imagem lena_colorida .tif. Figura 13 – Imagem com o ruído gaussiano e de sal e pimenta, nessa ordem
Fonte: Resultados da atividade
- Com as imagens com ruído aplique um filtro com característica de passabaixa, apresente o resultado. Figura 14 – Imagem original, imagem com de sal e pimenta, e imagem com aplicação de filtro de me- diana, nessa ordem
Fonte: Resultados da atividade
- Escolha uma imagem e apresente-a em formato de filtro Bayer. Apresente os có- digos e a imagem.
//Leitura da imagem jupiter=imread('jupiter.tif') //Aplicação do Filtro de Bayer [nrow,ncol,nchan]=size(jupiter); raw(1:2:nrow,1:2:ncol,2)=jupiter(1:2:nrow,1:2:ncol,2); raw(2:2:nrow,2:2:ncol,2)=jupiter(2:2:nrow,2:2:ncol,2); raw(1:2:nrow,2:2:ncol,1)=jupiter(1:2:nrow,2:2:ncol,1); raw(2:2:nrow,1:2:ncol,3)=jupiter(2:2:nrow,1:2:ncol,3);
Figura 16 – Imagem interpolada
Fonte: Resultados da atividade
4 MORFOLOGIA MATEMÁTICA
Para realizar a atividade 4, faça a leitura das imagens: retangulo .tif, texto .tif e Ros- to .tif. Realizar um processamento morfológico nas imagens para realçar as caracte- rísticas e o conteúdo das imagens. E obter os seguintes resultados:
- Na imagem retangulo .tif deve resultar no mais próximo possível de um retângulo branco sem nenhum artefato dentro ou fora do mesmo. Figura 17 – Imagem com elemento estruturante (100,100) e aplicação corrosão
Fonte: Resultados da atividade Figura 18 – Resultado da imagem 17 com elemento estruturante (100,100) e aplicação dilatação
Fonte: Resultados da atividade
Figura 22 – Resultado da operação da imagem dilatada – a original
Fonte: Resultados da atividade
CONSIDERAÇÕES FINAIS
A atividade permite a utilização de ferramentas disponíveis que facilitam o dia- a-dia do trabalho de profissionais de engenharia. Contribuindo na prática com o a- prendizado no uso da ferramenta Scilab no processamento de imagens.