Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Aula 2 - Computação Gráfica e Processamento de Imagens.

Disciplina: Fundamentos de Manipulação de Imagem.
by

Suliane Carneiro

on 6 March 2013

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Aula 2 - Computação Gráfica e Processamento de Imagens.

Computação Gráfica
Processamento e Imagem Estruturação Tópicos
Básicos Tópicos
Complementares Tópicos de
Técnicas e
aplicações Resolução Espacial Quando realizamos a passagem para o mundo digital, a primeira grande etapa para imagens
é a amostragem. Aqui vamos explorar um pouco mais essa questão, assim como seu problema
inverso, o de reconstrução da imagem original. Veremos que reconstrução é sinônimo deinterpolação. Cor O que é cor? Como representar cor no computador? Quais os padrões estabelecidos? Essas e outras perguntas serão abordadas aqui de maneira introdutória. Falaremos também sobre Luminância e Crominância, assim como outras propriedades de cor, e por fim veremos algumas técnicas de quantização. Resolução Temporal Quando acrescentamos tempo como mais uma variável a ser amostrada, temos imagens
que descrevem um movimento ou uma variação de estado. E temos problemas semelhantes aos de
amostragem espacial. Captura Apresentamos alguns dos dispositivos usados para passarmos a imagem para o mundo digital. No caso Scanners, e Câmeras Digitais. Visualização Uma vez a imagem tendo sido digitalizada, é imediato o desejo de reconstruí-la em alguma superfície de visualização. As mais comuns são monitores e impressoras. Sobre estes mostraremos algumas peculiaridades. Armazenamento Embora existam vários formatos de arquivos de imagem (TIFF, PCX, GIF, JPEG) todos armazenam a mesma imagem digital. Para falar sobre isso, mostraremos antes como uma imagem é
armazenada na memória do computador. Processamento As funções de processamento de imagens digitais podem ser classificadas em duas classes, por escopo ou por resultado. Por escopo, está relacionado com técnicas de processamento. Por resultado, está relacionado com os tipos de resultado de cada técnica. Software Computação Gráfica e
Processamento de Imagens Estamos trabalhando basicamente com dois tipos de informação: Visual e Descritiva. Informação visual é por exemplo a imagem vista na tela do computador. Informação descritiva é
referente ao modelo matemático que representa os objetos visualizados. A área de Processamento
de Imagens em geral abrange operações que são realizadas sobre imagens e que resultam em
imagens. A área de Visualização abrange as operações de síntese de imagem, ou seja, a geração de uma visualização do modelo.
A área de Visão abrange as operações de análise dos objetos definidos pela imagem e a geração de modelos matemáticos desses objetos. Os programas de arquitetura, design e simulação gráfica, tais como as utilizadas em filmes com animação por computador abrangem as áreas de Modelagem e Visualização. Programas comerciais que representam muito bem esta área são o AutoCad e o Studio 3D, ambos da AutoDesk, e o Corel Draw da Corel. Em processamento de Imagens usa-se o modelo de matricial e a computação gráfica geralmente se baseia no modelo de objetos vetoriais. Neste modelo os objetos são armazenados apenas a partir da descrição das
coordenadas de seus vértices, sejam elas espaciais ou planares (três ou duas dimensões,
respectivamente). Dessa maneira utiliza-se um sistema de coordenadas Cartesiano, onde os objetos
podem ser escalados, rotacionados e transladados com maior liberdade para cada objeto. O modelo matricial utiliza uma matriz de dados para armazenar a informação de cor em cada ponto da imagem, onde o sistema de coordenadas é obviamente uma grade de números inteiros que descrevem a posição na matriz. Portanto, no modelo matricial não há distinção dos objetos contidos
na imagem. Além disso, armazenar a matriz que contém a imagem geralmente exige muito mais
memória que armazenar a descrição vetorial. Processamento de Imagens Uma vez tendo nos situado no contexto de Processamento de Imagens podemos agora
desdobrar essa área nos tópicos que serão abordados. O ponto central de discussão será, é claro, a Imagem Digital. Falaremos sobre dois aspectos importantes que definem a imagem: Resolução e
Cor. Feito isso, podemos atacar os pontos de Captura (entrada) e Visualização (saída),
Armazenamento e por fim Processamento. Contínuo x Discreto Para podermos introduzir o conceito de imagem digital é necessário antes falarmos sobre funções contínuas e funções discretas. Podemos pensar em uma função contínua como um cordasem emendas que se estende indefinidamente (ou seja infinita) e por mais que você corte essa corda, sempre poderá cortá-la um pouco menor indefinidamente (ou seja infinitesimal). Matematicamente:
estamos falando de uma função real definida na reta toda (em R), onde para cada valor de x fornecido sempre existe um único valor de f(x) obtido. O computador só é capaz de armazenar bits, um valor que pode ser 0 ou 1. Para simplificar
as coisas juntou-se 8 bits formando uma palavra chamada de byte.
Um byte então pode assumir 2^8 = 256 valores diferentes, variando de 0 a 255. Quando falamos de sistemas operacionais de 16 bits e 32 bits, estamos falando da maior palavra que aquele sistema pode processar de uma vez, por isso sistemas de 32 bits são mais eficientes que os de 16. Assim, o computador trabalha sempre com números inteiros ou na melhor das hipóteses
com uma aproximação de um número real, chamada de ponto flutuante (isso porque o número de bits dedicado para as casas decimais é flexível de acordo com o número). Por conseqüência, não é possível representar uma função contínua no computador. Podemos apenas simula-la. O processo para trazer uma função contínua para o computador é discretizando-a (ou
digitalizando-a), ou melhor, tomando valores pontuais ao longo de x e guardando o valor de f(x) correspondente (é claro que o eixo f(x) também é contínuo, assim também precisaremos discretiza-lo).
O processo de discretização do eixo x (o domínio) é chamado de Amostragem, o do eixo f(x) (o contra domínio) é chamado de Quantização. Em resumo, a discretização de qualquer sinal contínuo primeiro passa por uma
amostragem e depois passa por uma quantização. Além disso, não podemos armazenar um sinal que
se estenda indefinidamente, portanto o sinal digital também é limitado a um intervalo do domínio. A amostragem que vemos na figura é a mais comum de todas e mais popular,
implementada na grande maioria de dispositivos de captura.
É chamada de uniformemente espaçada, pois cada amostra é tomada em intervalos iguais. Embora existam também técnicas de amostragem que utilizam menos amostras onde a função é monótona e mais amostras onde a função
apresenta mais irregularidades. A quantização mais comum consiste em tomar o valor máximo e o valor mínimo da
função, e dividir este segmento em intervalos iguais de acordo com o número de bits definido para armazenar uma amostra. Assim, o número de valores possíveis será 2^nbits. Os problemas aparecem quando tentamos reconstruir a função contínua a partir da função discretizada. Por volta de 1920, Nyquist mostrou que existe um limite para que amostragem seja bem sucedida e não introduza erros. Baseados nesse limite, Shannon e Whittaker escreveram o teorema que diz que existe uma reconstrução exata de uma função amostrada uniformemente com uma determinada taxa de amostragem. Assim, uma técnica muito comum é aplicar uma transformação na função para que
contenha apenas freqüências dentro da taxa de amostragem desejada, na prática um filtro de
suavização. Próxima aula... O Paradigma dos Quatro Universos
Full transcript