Estude fácil! Tem muito documento disponível na Docsity
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity
Encontra documentos específicos para os exames da tua universidade
Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade
Responda perguntas de provas passadas e avalie sua preparação.
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
O objetivo é utilizar o conhecimento adquirido durante o curso de Processamento de Imagens para destacar na imagem original onde estão as ruas. Observa-se que para isso, é necessário a aplicação de diversas técnicas de pré-processamento e processamento de imagens, já que não é trivial separar elementos de interesse em imagens.
Tipologia: Trabalhos
Compartilhado em 12/07/2023
3 documentos
1 / 29
Esta página não é visível na pré-visualização
Não perca as partes importantes!
Projeto Final da Disciplina Processamento de Imagens
sendo F (g) a função equalizadora, gmin o nível mínimo de cinza na qual a imagem resultante terá, e P (^) g(g) a probabilidade acumulada extráida do histograma. Para realizar o procedimento para equalização em HSI, primeiramente deve ser considerado os três canais existentes no sistema HSI:
Tendo a imagem equalizada na Intensidade, foi observado que, analizando os valores de R (vermelho), G (verde) e B (azul), os telhados e as vegetações possuiam valores predominantes de vermelho e verde, respectivamente, e baixo valor de azul. Já as ruas, por serem cinzas e azuladas, possuíam valores mais altos de azul. Logo, foi decidido trabalhar somente com a camada azul (B) da imagem, pois as ruas iriam se destacar mais, e também porque seria mais eficiente trabalhar com somente um nível de cor e não três. Logo, a camada de azul foi extraída e manipulada em níveis de cinza.
Com uma imagem em nível de cinza em mãos, em busca de diminuir ruídos do tipo sal e pimenta, foi utilizado um filtro de mediana, com janelamento de tamanho 16x16, que é carac- terizado como um filtro passa-baixa, mantendo as estruras do objeto, desfocando as bordas.
Para realizar um filtro de mediana, os seguintes passos foram seguindos:
Em busca de aumentar os pixels de coloração branca, foi construído um processo de matemática morfológica utilizando fechamento aplicado para níveis de cinza. Um fechamento é constituído por n processos de dilatação seguido por n processos de erosão. No caso, essas dilatações e erosões são aplicados para níveis de cinza.
Para realizar dilatações em níveis de cinza os seguintes passos devem ser seguidos:
Para realizar erosões em níveis de cinza os seguintes passos devem ser seguidos:
O elemento estruturante citado serve para moldar a imagem original a fim de se obter uma nova mais interessante. O elemento estruturante utilizado para esse procedimento foi um flat disk SE , conforme é mostrado na Figura 1.
μs 2 =
L∑− 1
i=T +
ipi,
ω 2 =
L∑− 1
i=T +
pi,
A variância global da imagem é calculada por:
σ G^2 =
L∑− 1
i=
(i − μG)^2 pi,
sendo μG = μs 1 + μs 2. A variância entre as duas classes C 1 e C 2 pode ser calculada por:
σ^2 B = ω 1 ω 2 (μ 1 − μ 2 ).
O objetivo do método é maximar a razão N (T ) = σ^2 B σ G^2 , ou seja,^ T^ =^ max(N^ (T^ )). Sendo assim, T será utilizado como limiar para separar os níveis de cinza em duas classes. Com o objetivo de melhorar a limiarização, foi utilizado A = Dilatação em Níveis de Cinza da imagem B - Erosão em Níveis de Cinza da imagem B, obtendo um resultado similar a um filtro laplaciano ou de sobel. Aplicando a limiarização de otsu em A e somando este resultado com a imagem B, e aplicando a limiarização novamente, obtemos um resultado melhor da imagem segmentada.
A erosão para imagens binárias (dois tons de cor) consiste na verificação de pixels que estão no elemento estruturante ao mesmo tempo que estão na imagem original, realizando este procedimento pixel por pixel. A dilatação consiste em cada pixel da imagem original somado ao elemento estruturante, realizando este procedimento pixel à pixel. Diferente da matemática morfológica para níveis de cinza, esta etapa do procedimento foi feita para eliminar pequenas estruturas da imagem segmentada. Primeiro utiliza-se uma erosão para tentar diminuir estruturas pequenas. Depois realiza-se um fechamento (n dilatações seguidas de n erosões) para fechar espaços menores que o elemento estruturante e suavizar con- tornos rugosos. Após esses procedimentos é somado a imagem da erodida com a imagem ero- dida e fechada. Esse procedimento é realizado duas vezes. O elemento estruturante utilizado foi quadrado 3x3.
Com a imagem já devidamente segmentada, utilizou-se um algoritmo simples que tem duas funcionalidades: transformar a segmentação em contornos, ou seja, ignorar a parte branca inte- rior preenchida, pegando somente as bordas; E aplicar esse contorno sobre a imagem original. Para pegar o contorno somente, foi passado um operador que detectasse onde estão as transições de branco para preto, ou de preto para branco na imagem segmentada. O operador é indicado abaixo.
operador = [− 1 1]
Ao passá-lo são detectadas as transições citadas na horizontal. Para achar as transições verticais, basta aplicar a transposta do mesmo operador. Logo, para detectar todo o contorno, é feita a união dos conjuntos de transições horizontais e verticais encontrados. Tendo o contorno encontrado, basta aplicá-lo sobre a imagem original. Isso é feito alterando os valores de R, G e B dos pixels na imagem original nas posições onde estiver os pixels brancos na imagem de contorno. aux = final(:,:,n); aux(contorno>0) = cor(n); final(:,:,n) = aux;
Inicialmente, foi definido em conjunto qual seria a ideia do projeto, quais seriam as técni- cas aplicadas e qual base de imagens seria utilizada. Feita essa etapa, cada integrante elaborou scripts genéricos de cada funcionalidade, mas já utilizando para testes as imagens aéreas da base escolhida. Com os algoritmos prontos, os códigos foram agrupados e as chamadas organizadas em um arquivo main. A seguir está a divisão da execução de cada parte do trabalho.
Etapas do Trabalho Responsável Ideia do projeto, e extração da base de imagens Felipe e Thomas Equalização Exponencial da Intensidade em HSI Thomas Extração da Camada Azul (B) Thomas Passagem do Filtro da Mediana Thomas Fechamento nos Níveis de Cinza Felipe Limiarização de Otsu Felipe Erosão e Fechamento Felipe Algoritmo de Contorno de Regiões Thomas Organização dos códigos e elaboração da função main Felipe Elaboração do relatório Felipe e Thomas
4 Resultados
Uma das onze imagens da base escolhida é mostrada na Figura 2. Os resultados de cada passo serão mostrados após a aplicação nesta imagem.
Figure 4: Imagem em nível de cinza extraída do canal Blue do RGB
A Figura 5 mostra a aplicação do filtro de mediana na imagem.
Figure 5: Imagem após aplicação de um filtro de mediana com janela de 16x
A Figura 6 mostra a aplicação do processo de fechamento em nível de cinza.
Figure 6: Imagem após aplicação de um fechamento em nível de cinza
As Figuras 7 e 8 mostra a aplicação da limiarização de Otsu junto com um ”filtro” de di- latação - erosão, similar a um filtro Laplaciano, para melhorar a segmentação.
Figure 7: Imagem após aplicação da limiarização da dilatação - erosão da imagem
A Figura 10 mostra a aplicação do contorno na imagem original à partir da imagem seg- mentada.
Figure 10: Imagem após aplicação do contorno
As Figuras 11, 12, 13, 14, 15, 16, 17, 18, 19 e 20 relatam o resultado final das outras imagens retiradas do banco de dados e testadas nesse procedimento.
(a)
(b)
(c)
Figure 11: Imagem 1 do banco de dados (a), sua segmentada (b) e após contorno (c)
(a)
(b)
(c)
Figure 13: Imagem 3 do banco de dados (a), sua segmentada (b) e após contorno (c)
(a)
(b)
(c)
Figure 14: Imagem 4 do banco de dados (a), sua segmentada (b) e após contorno (c)
(a)
(b)
(c)
Figure 16: Imagem 6 do banco de dados (a), sua segmentada (b) e após contorno (c)
(a)
(b)
(c)
Figure 17: Imagem 7 do banco de dados (a), sua segmentada (b) e após contorno (c)
