Processamento de imagens, Esquemas de Programação em Python

Baixe Processamento de imagens e outras Esquemas em PDF para Programação em Python, somente na Docsity!

TT902L-Introdução ao Trabalho de Conclusão de Curso

Tema: Processamento de Imagens Médicas

Relatório 1

Autor: Gabriel Alves Baltazar RA: 234628

Orientador: Prof. Rangel

Limeira

07 de Março de 2023

1 Introdução

O objetivo deste relatório de Introdução ao Trabalho de Conclusão de Curso da Engenha-

ria de Telecomunicações na Universidade Estadual de Campinas (UNICAMP) é elucidar

aspectos relacionados ao tema proposto: Processamento de Imagens Médicas.

Este primeiro relatório aborda os conceitos básicos que serão utilizados durante todo o

processo da atividade e servirão como uma referência para futuras consultas. Para traba-

lharmos com o tema proposto, utilizaremos a linguagem Python. A seguir, apresentaremos

uma breve introdução sobre a linguagem e alguns conceitos iniciais sobre processamento

digital de sinais e o processamento de imagens.

Processamento Digital de Imagens

O processamento digital de imagens é uma área da engenharia elétrica e da ciência

da computação que lida com a manipulação de imagens digitais por meio de algoritmos

e técnicas computacionais. É um campo interdisciplinar que se baseia em princípios

matemáticos e de programação para melhorar a qualidade, analisar e extrair informações

de imagens digitais.

A imagem digital é uma representação digital de uma imagem analógica que foi conver-

tida em uma matriz de valores numéricos, que correspondem aos níveis de intensidade dos

pixels da imagem. A partir daí, é possível aplicar técnicas de processamento de imagens

para melhorar a qualidade da imagem, segmentar objetos, extrair características e infor-

mações úteis, reconstruir imagens a partir de informações incompletas ou corrompidas,

entre outras aplicações.

Algumas das principais técnicas utilizadas em processamento digital de imagens in-

cluem:

Filtragem de imagens: são técnicas que visam melhorar a qualidade da imagem, reduzir

o ruído, realçar características relevantes, entre outros.

Transformadas de imagem: são técnicas que transformam a imagem em um novo domí-

nio, onde podem ser aplicadas técnicas de análise e processamento mais adequadas para

o problema em questão. Algumas das transformadas mais utilizadas são a Transformada

de Fourier, a Transformada de Wavelet, entre outras.

Segmentação de imagens: é o processo de dividir a imagem em regiões ou objetos com

características semelhantes, permitindo uma análise mais precisa e eciente da imagem.

Reconstrução de imagens: é o processo de reconstruir uma imagem a partir de informa-

ções incompletas ou corrompidas, utilizando técnicas como Interpolação, Reconstrução

por Retroprojeção, entre outras.

Reconhecimento de padrões em imagens: é o processo de identicar padrões e caracterís-

ticas especícas em imagens, permitindo a identicação de objetos, pessoas, entre outras

aplicações.

Análise de texturas: é o processo de extrair informações sobre a textura presente na

imagem, permitindo identicar padrões e características especícas.

3 Set Up

3.1 Usando IDE

Será utilizado a IDE PyCharm da JetBrains versão Community gratuita e com base open

source, baixada no site da JetBrains.

3.2 Instalando os Pacotes Python

Serão utilizados cinco pacotes para a execução dos exemplos em Python, matplotlib,

pillow, opencv-python, scipy e numpy. Para a instalação dos pacotes basta abrir o terminal

e ir para a pasta da aplicação, depois digitar "pip install [nome do pacote]"e pressionar

Enter.

Figura 1: Instalando pacotes

3.3 Testando os Pacotes

1 # testando os pacotes 2 3 import numpy 4 x = numpy. arange (1 ,10) 5 print ( x ) 6 7 import numpy as np 8 x = np. arange (1 ,11) 9 print ( x ) 10 11 from numpy import arange 12 x = arange (1 ,9) 13 print ( x ) 14 15 from matplotlib import pyplot as plt 16 plt. plot ( x ) 17 plt. show () 18

19 from scipy import signal 20 janela = signal. hann (51) 21 plt. plot ( janela ) 22 plt. show ()

Figura 2: Teste de pacotes

4.3 Manipulação básica de imagens

1 from PIL import Image 2 3 img = Image. open ( ' images / profile. jpg ') 4 5 # Resize 6 smaller_img = img. resize ((150 ,150) ) 7 smaller_img. show () 8 9 # Crop 10 box = (100 ,100 ,400 ,400) 11 region = img. crop ( box ) 12 region. show () 13 14 # Rotation 15 rotated_img = img. rotate (45) 16 rotated_img. show ()

(a) (b)

(c)

Figura 4: Manipulação de imagem

4.4 Obtendo informações da imagem

1 import numpy as np 2 import matplotlib. pyplot as plt 3 4 A = plt. imread ( ' images / profile. jpg ') 5 # print ( A ) 6 print ( np. shape ( A ) ) 7 print ( type ( A ) ) 8 print ( A. dtype ) 9 plt. imshow ( A ) 10 plt. show ()

(a)

(b)

Figura 5: Informação da imagem

4.5 Plotando imagens descritivas

1 from PIL import Image 2 from pylab import * 3 4 im = array ( Image. open ( ' images / profile. jpg ') ) 5 imshow ( im ) 6 7 x = [100 ,150 ,300 ,400 , 600] 8 y = [50 ,500 ,200 ,500 , 700] 9 10 plot (x ,y , ' r * ') 11

Figura 7: Marcando pontos na imagem

4.7 Binarização de imagem

1 from PIL import Image 2 # import numpy as np 3 from pylab import * 4 import matplotlib. pyplot as plt 5 from matplotlib import cm 6 7 im = array ( Image. open ( ' images / profile. jpg '). convert ( 'L ') ) 8 thres = np. zeros ( shape ( im ) ). astype ( ' uint8 ') 9 threshold = 150 10 thres [ im < threshold ] = 0 11 thres [ im >= threshold ] = 255 12 13 plt. imshow ( thres , cmap = cm. gray ) 14 plt. show ()

Figura 8: Imagem binarizada

5 Apêndice

Fundamentos de Python

5.1 Print

1 x = " Ola , mundo !" 2 print ( x ) 3 4 a = 10 5 b = 11 6 7 if b == ( a +1) : 8 # identacao 9 print (" Condicao verdadeira !")

5.2 Variáveis

1 num_int = 10 2 print ( num_int ) 3 4 num_float = 9. 5 print ( num_float ) 6 7 num_float2 = float (8) 8 print ( num_float2 )

5.3 Listas

1 lista = [] 2 lista. append (8) 3 lista. append (9) 4 lista. append (10) 5 print ( lista [0]) 6 print ( lista ) 7 8 for x in lista : 9 print ( x )

5.4 Operadores

1 num = 1+ 2 3 num = num *

21 if country in countries : 22 print (" Country found !")

5.6 While e For loops

1 # Example 1 : Print 1... 2 print (" Example 1 result :") 3 4 numbers = [0 ,1 ,2 ,3 ,4 ,5 ,6 ,7 ,8] 5 6 for num in numbers : 7 print ( num ) 8 9 # Example 2 : Prints the numbers 0 ,1 ,2 ,3 , 10 print (" Example 2 result :") 11 12 for x in range (5) : 13 print ( x ) 14 15 # Example 3 : Prints the numbers 3 ,4 , 16 print (" Example 3 result :") 17 18 for x in range (3 ,6) : 19 print ( x ) 20 21 # Example 4 : Prints the numbers 3 ,5 , 22 print (" Example 4 result :") 23 24 for x in range (3 ,8 ,2) : 25 print ( x ) 26 27 # Example 5 : Prints the numbers 0... 28 print (" Example 5 result :") 29 30 num = 31 while num <5: 32 print ( num ) 33 num += 34 35 # Example 6 : 36 print (" Example 6 result :") 37 count = 38 while True : 39 print ( count ) 40 count += 41 if count >=10: 42 break 43

44 # Example 7 : Skip even numbers 45 print (" Example 7 result :") 46 47 for x in range (10) : 48 if x %2==0: 49 continue 50 print ( x )

5.7 Funções

1 # Example 1 : Simple function 2 3 def simple_function () : 4 print (" This is a simple function ") 5 6 7 # Example 2 : Function with arguments 8 9 def country_info ( country , capital ) : 10 print (" The capital of % s is % s "%( country , capital ) ) 11 12 13 # Example 3 : Function with a rrturn value 14 15 def add_this (a , b ) : 16 return a + b

5.8 Dicionários

1 # Example 1: Creating a dictionary 2 print (" Example 1: ") 3 4 ages = {} 5 ages [" Tom "] = 6 ages [" Dick "] = 30 7 ages [" Harry "] = 19 8 9 print ( ages ) 10 11 # Example 1: Different way of Initialization 12 print (" Example 2: ") 13 14 postcodes ={ 15 " Sheperd ' s Bush " : 8992 , 16 " Earls Court " : 4112 , 17 " Barbican " : 9087 18 }