1	Análise de Imagens e Visão Computacional
2	Organização do Curso G7 Seg. 05/07 – Introdução ao Processamento de Sinais Ter. 06/07 – Introdução a Análise de Imagens Qua. 07/07 – Extração de Atributos e Morfologia Matemática Qui. 08/07 – Classificação e Reconhecimento Sex. 09/07 – Projeto Básico de um Sistema de Visão por Computador
3	Sumário Aula 03 Segmentação Morfologia Matemática Aplicações Recentes
4	Referências Bibliográficas
5
6
7
8	Bin: Como Escolher o Threshold? Questão Básica: Como escolher os tons de corte ? A escolha manual não é precisa Métodos automáticos se baseiam na análise de propriedades do histograma Métodos Automáticos Utiliza os mínimos do histograma Os mínimos correspondem as tonalidades intermediárias entre duas bandas Problema: os vales podem ser muito largos e planos, tornando a escolha de um valor mínimo arbitrária os vales podem assumir valores muito pequenos, ficando sensível a ruídos
9	Segmentação por Bordas Métodos baseados nos contornos dos objetos Um objeto pode ser entendido como uma região dentro de um contorno Para distiguí-lo detecta-se as bordas e tenta-se construir um contorno a partir delas. Este modelo é muito mais custoso computacionalmente, mas simula o comportamento do olho humano e é muito flexível e genérico Problema: ruído na imagem e o fato de que as fronteiras identificadas podem não serem fechadas O método envolve duas etapas A detecção das bordas em si, utilizando um operador de derivada tipo Sobel A identificação dos objetos a partir de seus contornos que são obtidos processando a imagem das bordas
10	Segmentação por Bordas (cont.) Exemplo: O Método de Marr-Hildreth Borra-se a imagem com filtro passa-baixa (Gaussiano) Obtém-se o Laplaciano Localiza-se os cruzamentos por zero Os pontos localizados formam contornos fechados Também conhecido como método LOG (Laplacian of Gaussian)
11	Pós Processamento Corrigir defeitos da Segmentação Muitas vezes o resultado da segmentação não é adequado Para corrigir os defeitos residuais, na etapa denominada de pós-processamento, utiliza-se as técnicas da morfologia matemática Operações Morfológicas São operações semelhantes as operações locais, nas quais um pixel da imagem de saída é função do valor dos pixels numa vizinhança da imagem de entrada. Em imagens binárias, um pixel será preservado, eliminado ou invertido em função de ter um certo número de vizinhos iguais ou diferentes.
12
13	Tipos de Elementos Estruturantes
14
15	Erosão Binária Erosão de e pelo elemento estruturante B_x: O elemento estruturante B_x deve “deslizar” na imagem X. O pixel x da imagem X, é eliminado se ao menos um pixel do objeto e estiver contido em B_x. O pixel eliminado é o pixel central de B_x.
16	Erosão Binária (cont.)
17	Dilatação Binária Dilatação e pelo elemento estruturante B_x: O elemento estruturante B_x deve “deslizar” na imagem X. O pixel x da imagem X, é inserido ao objeto e, se ao menos um pixel do objeto estiver contido em B_x. O pixel é inserido, na imagem final, na posição central de B_x.
18	Dilatação Binária (cont.)
19	Exemplo de Erosão
20	Exemplo de Dilatação
21
22
23
24
25
26
27
28	Exercícios
29	Exercício
30
31
32
33
34
35
36	Aplicações Recentes
37	Imagem AFM-PFM & PDI
38	Imagem Digital
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55	Análise de Imagens e Visão Computacional