Analise e Processamento de Sinal e Imagem

Anlise e Processamento de Sinal e Imagem
IV - Processamento e Anlise de Imagem I
Antnio M. Gonalves Pinheiro

Departamento de Fsica
Universidade da Beira Interior
Covilh - Portugal
pinheiro@ubi.pt
Processamento e Anlise de Imagem

Processamento de Imagem - Introduo
1. Aquisio e Representao de Imagem
2. Convoluo espacial e Filtragem de Imagem
3. Transformadas Bidimensionais
4. Anlise Espectral de Imagem
Processamento de Imagem - Filtragem
1. Filtro FIR bidimensionais
2. Enriquecimento e Filtragem de Imagem
3. Morfologia de Imagem Binria e Multinvel
4. Filtros estimadores ptimos bidimensionais
(Wiener e Kalman)
Introduo Anlise e Processamento de Imagem

Bibliografia
1. Linda G. Shapiro and George C. Stockman, Computer Vision, Prentice Hall, 2001,
ISBN: 0-13-030796-3
2. John W. Woods, Multidimensional Signal, Image and Video Processing and Coding,
Elsevier Academic Press, 2006, ISBN: 0-12-088516-6.
3. William K. Pratt, Digital Image Processing, John Wiley & Sons, 3rd edition, 2001.

Introduo
Viso Humana oferece uma enorme percepo do Mundo que nos rodeia.
A luz reflete/atravessa os objectos criando uma imagem na retina de cada um dos olhos.
Um conjunto de componentes cria
uma estrutura 3D na mente humana:
Cena com Objectos
Fonte de Luz
Iluminao dos Objectos

Sensao da iluminao:
luz refletida
pelos objectos
luz que atravessa
os objectos
Superfcie
Reflectante
Radiao
Normal
Superficie

Sensores de Luz
Receptores qumicos do olho humano

so sensveis radiao (luminosa)
Comprimentos de onda
() [400m, 700m]
(violeta ao vermelho);
Aparelhos sensveis
Radiao Electromagntica
Ondas de Rdio;
Raios X;
Microondas.

Sensores de Luz
Equipamentos Detectores
Sensores CCD
(Charged Coupled Device)
detectam luz vsivel;
detectam > 700m
(Infravermelhos);
para muito pequeno:
Raios X;
Fonte de Luz
OBJECTO
(Elemento de Superfcie)
Superfcie
Reflectante
Normal
Superficie
Radiao
Irradiante
Eixo ptico
para ondas muitos longas.
CAMERA
(Elemento Sensor)

Camera CCD
Composta por clulas de estado slido que convertem
energia da luz em energia elctrica.
Cada clula
converte a energia
luminosa que recebe
numa carga elctrica;
gera um pixel de uma
imagem digital;
Forma-se uma imagem digital
de NM
Cena 3D
an
Pl
512512
Lente
de
em
ag
Im
480640
7681366
Pixel
10801920

Camera CCD
Ampliao de Troos de Imagem
Imagem com diferentes definies

Ferramentas de Processamento de Imagem - Cor
Cor Monocromtica - Resulta de apenas de um comprimento de onda

(A maioria das cores que ns vemos no so monocromticas - Resultam da combinao de vrias cores monocromticas)
Crominncia - informao de cor;
Luminncia - mede a luz ou o brilho da cor.

Ferramentas de Processamento de Imagem - Cor
Nos Humanos a percepo de cor

resulta de:
Trs tipos de cones, sensveis
respectivamente cor
Vermelha, Verde e Azul
Esta decomposio origina o
modelo de cor RGB.

Ferramentas de Processamento de Imagem - Texturas
So usualmente processadas por filtros de Gabor (exemplo - reconhecimento baseado na ris do olho)
Vrias caractersticas, das que se destacam:
Frequncia
Direco

Ferramentas de Processamento de Imagem - Deteco de Arestas e Segmentao

Noes Bsicas de Processamento de Imagem
Imagem considerada uma Matriz

I de Pixels (PIcture ELements)
com N Linhas e M Colunas

cada pixel I[n, m] representa uma medida que
depende de vrias variveis, como:
Cor ()
Profundidade (z)
tempo (t)

A imagem obtida pelo sensor, vai passar por um processo de quantificao que a
converte numa imagem digital de N M pixels.
f(x,y,z,,t)

Noes Bsicas de Processamento de Imagem - Representao de Imagem
Imagem Representada por Matriz
Img[0, 0]
Img[0, 1]
Img[1, 0]
Img[1, 1]
Img[2, 1]
Img[2, 0]
Img =
...
...
...
...
Img[N 1, 0] Img[N 1, 1]
...
...
...
...
...
...
...
Img[0, M 1]
...
Img[1, M 1]
...
Img[2, M 1]
...
...
...
...
... Img[N 1, M 1]
em que:
M o nmero de colunas da imagem
(nmero de pixels de cada linha da imagem)
N o nmero de linhas da imagem
Img[n, m] representa a intensidade do pixel:

Intensidade do Pixel - Img[n, m]
1. Imagem Binria
0 Fundo da imagem (Background)
1 Relevo da imagem (Foreground)

Intensidade do Pixel - Img[n, m]
2. Imagem Multinvel
0 Preto
255 Branco
valores intermdios originam nveis de cinzento intermdios

Valores Comuns
PARMETRO
S MBOLO VALORES T PICOS
L INHAS
256,512,525,625,768,900,1024,1080,2592
C OLUNAS
256,512,768,1024,1440,1366,1920,3888
N MERO DE N VEIS
DE Q UANTIFICAO
2, 64, 256, 1024, 4096,

216 =65536, 224

Tecnologia Digital de Imagem
Processamento de Imagem
Imagem Entrada Imagem Sada
Anlise de Imagem
Imagem Entrada Medidas Sada
Compreenso de Imagem
Imagem Entrada Descrio de Alto Nvel Sada
Codificao de Imagem
Imagem Entrada Fluxo Binrio Sada

Imagem Ir que resulta de processar uma imagem I, pode resultar de um processamento:
Pontual - Ir [n, m] = f (I[n, m])
Em que o pixel resultante s depende do pixel da imagem original com as mesmas ordenadas.
Local - Ir [n, m] = f (I[j, i]), [j, i] Vizinhana de [n, m]
Em que o pixel resultante s depende dos pixels numa dada vizinhana do pixel da imagem
original com as mesmas ordenadas.
Global - Ir [n, m] = f (I[j, i]), [j, i]
Em que o pixel resultante depende globalmente de todos os pixels da imagem original.
Pontual
Local
Global

Formatos de Imagem
Formatos Computacionais com representao de pixel a pixel:
Portable Bit Map (PBM/PGM/PPM);
BMP (microsoft);
Tag Image File Format (TIFF).
Formato complexo e genrico;
Geralmente usado pelas mesas digitalizadoras.

Formatos de Imagem
Formatos comprimidos:
Graphics Interchange Format (GIF)
256 cores disponveis (8 bits de codificao 28);
Compresso sem perdas Lempel-Ziv-Welch (LZW).
Joint Photographic Expert Group (JPEG/JPEG2000/JBIG)
Pode codificar imagens de 64K64K de 24 bits cada;
Compresso com Perdas;
Vdeo: Moving Picture Expert Group (MPEG)

Ferramentas de Anlise e Processamento de Imagem
Tcnicas usadas:
Convoluo, Anlise de Fourier e Anlise Estatstica
Filtragem
Anlise de Cor e Textura
Tcnicas de Obteno de Arestas e de Segmentao
Reconhecimento de Padres
Sinais Bi-dimensionais Discretos
f [n, m] - sucesso complexa, Z 2 C

Impulso:

1, para [n, m] = [0, 0]

0, para [n, m] 6= [0, 0]
1, para n 0 e m 0
0, caso contrrio
[n, m] =
Funo Escalo:
u[n, m] =
Sinais Separveis
x[n, m] = x1[n] x2[m] para qualquer n e m

Matricialmente:
x = x1 xT2
Periocidade
1 - Periocidade Rectangular:
x[n, m] = x[n + N, m] = x[n, m + M ] Perodo N M

2 - Periocidade Geral: Sendo N =
N1
N2

e M=
M1
M2

.
Neste caso:
x[n, m] = x[n + N1, m + M1] = x[n + N2, m + M2] com det (N, M) 6= 0
Forma matricial

x [n] = x n + r com = [N M]
Sistemas Lineares e Invariantes (ao Deslocamento)

Sistema Linear:
T {a1x1[n, m] + a2x2[n, m]} = a1T {x1[n, m]} + a2T {x2[n, m]}
Sistema Invariante (ao Deslocamento):

y[n, m] = T {x[n, m]} y[n n0, m m0] = T {x[n n0, m m0]}
Convoluo Bidimensional:
x[n, m] h[n, m] =
XX
k
x[k, l]h[n k, m l]

Ferramentas de Processamento de Imagem
Convoluo:
Ir [n, m] = I[n, m] h[n, m] =
X
X
I[j, i].h[n j, m i]
j= i=
com h[n, m] funo impulsiva do Sistema Linear e

Invariante
I[n,m]
Sistema Linear
e Invariante
Ir [n,m]

Vizinhana de um pixel
Vizinhana de 4 pixels
Vizinhana de 8 pixels
NW
NE
SW
SE
Vizinhana genrica num sistema causal

X

Exemplo de Mscaras
1
1
1

Aplicao de Mscara a uma Imagem: Convoluo
Ir [n, m] = I[n, m] h[n, m] =
XX
j
40
40
40
80
80
80
40
40
40
80
80
80
40
40
40
80
80
80
40
40
40
80
80
80
40
40
40
80
80
80
40
40
40
80
80
80
I[j, i].h[n j, m i]
50
Nota: As mscaras de convoluo so normalmente normalizadas de forma a que a soma

dos seus elementos seja 1. No caso da figura implica dividir todos os elementos por 16.

Convoluo
Exemplo usando a mscara anterior
Propriedades da Convoluo
1) Comutatividade:
xy =yx
2) Associatividade:
x (y z) = (x y) z
3) Distributividade:
x (y + z) = x y + x z
[n, m] x = x
4) Elemento Identidade:
5) Elemento Absorvente:
O[n, m] O x = 0
em que O[n, m] = 0 para qualquer [n, m].
Estabilidade de Sistemas 2-D
Um Sistema Estvel aquele em que uma pequena alterao na entrada, resulta numa
pequena alterao sada.
Estabilidade BIBO:
BIBO - Bounded Input Bounded Output"
Num sistema LSI corresponde a dizer que:
XX
|h[k, l]| < +
k

Transformada de Fourier - Resposta em Frequncia
I(, ) = F {I[n, m]} =

I[n, m] = F 1 {I(, )} =
X
X
I[n, m].ej(n+m)
n= m=
Z Z
1
4 2
I(, ).ej(n+m)dd
Representa o sinal como uma soma pesada

de exponenciais complexas ejq = cos(q) + jsin(q)
Representa a distribuio de Frequncias da imagem
Transformada de Fourier 2D
X(V, U ) =
+
+
X
X
x[n, m]ej(V n+U m)
n= m=
Transformada de Fourier de Sinal Discreto peridica:

X(V, U ) = X(V 2, U 2)
Transformada Inversa:
1
x[n, m] =
(2)2
X(V, U )e+j(V n+U m)dV dU
Propriedades da Transformada de Fourier 2D
1) Linearidade
TF
x[n, m] + y[n, m] X(V, U ) + Y (V, U )

2) Convoluo
TF
x[n, m] y[n, m] X(V, U ) Y (V, U )

3) Multiplicao
1
x[n, m] y[n, m] (X Y ) (V, U ) =
(2)2
TF
X(, )Y (V , U )dd
4) Modulao
TF
x[n, m] ej(n+m) X(V , U ), com , inteiros

5) Deslocamento
TF
x[n k, m l] X(V, U ) ej(V k+U l), com k, l inteiros
6) Diferenciao no domnio da Frequncia

TF
jnx[n, m]
X(V, U )
V
TF
jmx[n, m]
7) Valor inicial
1
x[0, 0] =
(2)2
X(V, U )
U
X(V, U )dV dU
8) Valor DC
X(0, 0) =
+
+
X
X
x[n, m]
n= m=
9) Sinal Separvel
TF
x[n, m] = x1[n] x2[m] X1(V )X2(U )
10) Teorema de Parseval

+
+
X
X
1
x[n, m] y [n, m] =
(2)2
n= m=
Potncia
+
+
X
X
1
|x[n, m]|2 =
2
(2)
n= m=
X(V, U )Y (V, U )dV dU
|X(V, U )|2 dV dU
Pares de Transformada de Fourier 2D
1) Filtro passa-baixo ideal (banda quadrada)
Hs(V, U ) = IUc (V )IUc (U ) com (V, U ) [, ] [, ],

com IUc =
1 |U | < Uc, |V | < Uc

0
caso contrrio
hs[n, m] =
sen(Uc n) sen(Uc m)
< n, m < +
n
m
2) Filtro passa-baixo ideal (banda circular)

1 V 2 + U 2 < Uc
Hc(V, U ) =
com (V, U ) [, ] [, ],
0 caso contrrio
1
hc[n, m] =
(2)2
Uc
u
0
jur cos()

Uc
ddu =
J1 Uc n2 + m2
2
2
2 n + m
Transformada Z Bidimensional
X(Z, W ) =
+
+
X
X
x[n, m]Z nW m
n= m=
Inversa:
1
x[n, m] =
(2j)2
I
C1
X(Z, W )Z n1W m1dZdW
C2

Transformada Discreta de Fourier - DFT - Bidimensional
N 1 M 1
nK mL
XX
(K, L) [0, N 1] [0, M 1]
I[n, m]ej2( N + M ) ,
F [K, L] =
n=0 m=0
caso contrrio
0
Transformada Discreta de Fourier Bidimensional - DFT - Inversa
N 1 M 1
nK mL
1 XX
[n, m] [0, N 1] [0, M 1]
F [K, L]ej2( N + M ) ,
I[n, m] =
NM
K=0 L=0
caso contrrio
0

Transformadas Discretas de Fourier
Imagem 1
Log do mdulo
da DFT da imagem 1
Fase da DFT
da imagem 1
DFT1 obtida com

mdulo da image 2
e fase da imagem 1
Imagem 2
Log do mdulo
da DFT da imagem 2
Fase da DFT
da imagem 2
DFT1 obtida com

mdulo da image 1
e fase da imagem 2
Dimensionamento de Filtros Bidimensionais

Desenhos de Filtros FIR
Filtro Ideal - hI [n, m]

Janela - w[n, m]
Filtro FIR - h[n, m]
TF
h[n, m] = w[n, m]hI [n, m] H(V, U ) = W (V, U )
N HI (V, U )
com
- convoluo peridica com perodo fundamental [, ] [, ]
N
Z Z
1
W (S, R)H(V S, U R)dSdR
H(V, U ) =
(2)2
[,][,]

Desenhos de Filtros FIR
Propriedades desejadas para w[n, m]

w[n, m] deve estar num rectngulo de N M .
w[n, m] deve aproximar uma funo com simetria circular (sob o seu centro) e deve
ser real.
O volume de w[n, m] deve ser concentrado no domnio espacial.
O volume de W (V, U ) deve ser concentrado no domnio de frequncia.

Janelas Rectangulares separveis
wS [n, m] = w1[n] w2[m]
Nota: Utilizao de janelas 1-D

Janelas Circulares
wC [n, m] = w1
n2 + m2
Nota: Oferece melhor simetria circular

Filtragem
Original
passa-baixo
passa-banda
passa-alto
Original
passa-baixo
passa-banda
passa alto
Enriquecimento e Filtragem de Imagem

Remoo de Rudo
Imagens binrias so muitas vezes corrompidas por rudo Salt & Pepper".
Usa-se uma mscara com os oito vizinhos; Se os oito vizinhos so da mesma cor e o pixel tiver
uma cor diferente considerado que se est na presena de rudo e a cor do pixel alterada.
1
Imagem
original.
Imagem com Rudo Salt &

Pepper.
Imagem depois da remoo

do Rudo

Suavizao da Imagem
Suavizar uma imagem permite suavizar o efeito do rudo.
Filtro box"(mdio):
K
K
1 X X
Ir [n, m] = 2
I[n j, m i]
K
i=K j=K
Imagem original
Imagem com aditivo rudo

gaussiano
Imagem filtrada com filtro

mdio de dimenso 3 - K = 1

Filtro Mediano
Os pixels na janela do filtro so ordenados por ordem crescente.
O pixel do meio dessa ordem seleccionado para substituir o pixel I[n, m].
Imagem original

gaussiano
Imagem resultante com filtro

mediano de dimenso 3

Filtro Gaussiano
O filtro Gaussiano faz uma mdia ponderada pela funo gaussiana
p
2
2
1
g(x, y) =
ed /(2 ) com d = (x xc)2 + (y yc)2
2
Imagem original
Imagem filtrada ( = 2)

Filtro Gaussiano
Imagem
original
Imagem filtrada ( = 2 2)

Filtro Gaussiano
Imagem
original
Imagem filtrada ( = 4)
Morfologia de Imagem
Binria
Multinvel
Elementos Estruturantes - S
Baseia-se num elemento estruturante S que representa uma forma
1
Exemplos de elementos estruturantes binrios.
Morfologia de Imagem Binria
As Operaes Morfolgicas sob Imagens Binrias mais importantes so:

Dilatao Alarga as regies
Eroso Diminui as regies
Fecho (Closing") Tende a fechar buracos interiores interiores regio e a eliminar
as baas nos limites da regio
Abertura (Opening") Tende a retirar pequenas pores ou regies que saem dos
limites
Morfologia de Imagem Binria - Dilatao
A dilatao binria coloca cada pixel de imagem resultante a 1 desde que a imagem original
tenha dentro do Elemento Estruturante um pixel a 1.
1
Imagem Original
Elemento
Estruturante
Imagem Dilatada
Exemplo de Dilatao Morfolgica Binria.
Morfologia de Imagem Binria - Dilatao
Elemento
Estruturante
Exemplo de Dilatao Morfolgica Binria.
Morfologia de Imagem Binria - Eroso
A Eroso Binria coloca cada pixel de imagem resultante a 0 desde que a imagem original
tenha dentro do Elemento Estruturante um pixel a 0.
1
Imagem Original
Elemento
Estruturante
Imagem Erodida
Exemplo de Eroso Morfolgica Binria.
Morfologia de Imagem Binria - Eroso
Elemento
Estruturante
Exemplo de Eroso Morfolgica Binria.
Morfologia de Imagem Binria - Fecho (Closing")
A Operao Morfolgica de Fecho consiste na Aplicao da Operao de Dilatao seguida

da Operao de Eroso sobre a imagem Dilatada.
Origina o Fecho de Buracos nas Regies e a Eliminao de Baas nos limites da regies
1
Elemento
Estruturante
Exemplo de Fecho Morfolgico Binrio.
Morfologia de Imagem Binria - Abertura (Opening")
A Operao Morfolgica de Abertura consiste na Aplicao da Operao de Eroso seguida da Operao de Dilatao sobre a imagem Erodida.
Retira pequenas pores ou regies que saem dos limites
1
Elemento
Estruturante
Exemplo de Abertura Morfolgica Binria.
Morfologia de Imagem Multinvel
As Operaes Morfolgicas sob Imagens Multinvel mais importantes so:

Dilatao, Eroso, Fecho (Closing") e Abertura (Opening")
Gradiente Reala os limites das Regies
Elementos Estruturantes
So imagens Multinvel com uma forma arbitrria.
Morfologia de Imagem Multinvel - Dilatao
D(Img, S) = max {Img[n j, m i] + S[j, i]}

[j, i] S
Elemento
Estruturante
Exemplo de Dilatao Morfolgica Multinvel.
Morfologia de Imagem Multinvel - Eroso
E(Img, S) = min {Img[n + j, m + i] S[j, i]}

[j, i] S
Elemento
Estruturante
Exemplo de Eroso Morfolgica Multinvel.
Morfologia de Imagem Multinvel - Fecho (Closing")
F (Img, S) = E(D(Img, S), S)
Elemento
Estruturante
Exemplo de Fecho Morfolgico Multinvel.
Morfologia de Imagem Multinvel - Abertura (Opening")
F (Img, S) = D(E(Img, S), S)
Elemento
Estruturante
Exemplo de Abertura Morfolgica Multinvel.
Morfologia de Imagem Multinvel - Gradiente
A Operao Morfolgica Gradiente consiste na subtraco da imagem Dilatada pela imagem Erodida.
Reala os limites das regies
F (Img, S) = D(Img, S) E(Img, S)
Elemento
Estruturante
Exemplo de Gradiente Morfolgico.
Morfologia de Imagem Multinvel - Exemplo
Original
Dilatada
Erodida
Fecho
Abertura
Gradiente
Filtros de Estimao Linear
As tcnicas de Estimao Linear aplicam-se para estimar uma imagem que corrompida com
rudo.
O objectivo destas tcnicas a de estimar a imagem, de forma a que ela possa ser visualizada
com reduo de rudo.
Dois Filtros so especialmente considerados:
Filtro de Wiener
Filtro de Kalman

Filtro de Wiener
m], de uma imagem, I[n, m] que foi corrompida por rudo
Pretende obter uma estimativa, I[n,
aditivo, Ir [n, m] = I[n, m] + v[n, m]
m] = hW [n, m] Ir [n, m]
I[n,
m] a estimativa da imagem e hW [n, m] o filtro de
Sendo Ir [n, m] a imagem com rudo, I[n,
Wiener.
A transformada de Fourier do Filtro de Wiener dada por:
HW (U, V ) =
PI (U, V )
PI (U, V ) + Pv (U, V )
sendo PI (U, V ) o Espectro de Potncia da imagem, obtida pelo clculo da transformada de

Fourier autocorrelao da imagem e
Pv (U, V ) o espectro de Potncia do rudo.

Filtro de Wiener
Imagem
Original
Imagem com Rudo e

blurring"
Estimativa obtida pelo Filtro

de Wiener

Filtro de Wiener
Imagem original

gaussiano
Imagem filtrada

Filtro de Kalman
x[n, m] =
Considerando a imagem
cj,ix[n j, m i] + w[n, m]
[j,i]<+
w[n, m] rudo aditivo.

A verso da imagem observvel, corrompida com rudo
X
h[j, i]x[m j, n i] + v[m, n]
y[n, m] =
[j,i]<+
em que v[n, m] rudo aditivo.
em que

Filtro de Kalman
O filtro de Kalman dado pela seguinte soluo iterativa:
Preditor
X
[n,m]
xb [n, m] =
cs,r x[m,n1]
[m s, n r],
a
[s,r]<+
[n,m]
xb
[j, i] = x[m,n1]
[j, i],
a
[j, i] S+[n, m]
Update
[n,m]
x[n,m]
[j, i] = xb [j, m] + K [n,m][n j, m i]
a
X
[n,m]
y[n, m]
h[s, r]
xb [n s, m r]
[s,r]<+
para
[j, i] S+[n, m]

Filtro de Kalman
Antes da Update
[n,m]
Rb [n, m; j, i]
cs,r Ra[n,m][n s, m r; j, i]
[s,r]<+
para
[j, i] S+[n, m]
[n,m]
Rb [n, m; n, m]
cs,r Ra[n,m][n, m; n s, m r] + w2 )
[s,r]<+

Filtro de Kalman
Depois da Update
[n,m]
Ra[n,m][j, i; s, r] = Rb
[n,m]
[j, i; s, r] K [n,m][n j, m i]Rb
[n, m; s, r]
para
[j, i] S+[n, m]
Ganho de Kalman
K
[n,m]
[s, r] =
[n,m]
Rb [n, m; n

[n,m]
2
s, m r]/ Rb [n, m; n, m] + v

Filtro de Kalman
Exemplo
Estimativa obtida pelo Filtro de Kalman

Analise e Processamento de Sinal e Imagem

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Analise e Processamento de Sinal e Imagem

Cargado por

Copyright:

Formatos disponibles

Anlise e Processamento de Sinal e Imagem

IV - Processamento e Anlise de Imagem I

Antnio M. Gonalves Pinheiro

Anlise e Processamento de Sinal e Imagem

Processamento e Anlise de Imagem

Universidade da Beira Interior

Anlise e Processamento de Sinal e Imagem

Introduo Anlise e Processamento de Imagem

Universidade da Beira Interior

Anlise e Processamento de Sinal e Imagem

Introduo Anlise e Processamento de Imagem

Iluminao dos Objectos

Universidade da Beira Interior

Anlise e Processamento de Sinal e Imagem

Introduo Anlise e Processamento de Imagem

Receptores qumicos do olho humano

Universidade da Beira Interior

Anlise e Processamento de Sinal e Imagem

Introduo Anlise e Processamento de Imagem

para ondas muitos longas.

Universidade da Beira Interior

Anlise e Processamento de Sinal e Imagem

Introduo Anlise e Processamento de Imagem

Universidade da Beira Interior

Anlise e Processamento de Sinal e Imagem

Introduo Anlise e Processamento de Imagem

Imagem com diferentes definies

Universidade da Beira Interior

Anlise e Processamento de Sinal e Imagem

Introduo Anlise e Processamento de Imagem

Cor Monocromtica - Resulta de apenas de um comprimento de onda

Universidade da Beira Interior

Anlise e Processamento de Sinal e Imagem

Introduo Anlise e Processamento de Imagem

Nos Humanos a percepo de cor

Universidade da Beira Interior

Anlise e Processamento de Sinal e Imagem

Introduo Anlise e Processamento de Imagem

Universidade da Beira Interior

Anlise e Processamento de Sinal e Imagem

Introduo Anlise e Processamento de Imagem

Universidade da Beira Interior

Anlise e Processamento de Sinal e Imagem

Introduo Anlise e Processamento de Imagem

Imagem considerada uma Matriz

com N Linhas e M Colunas

Universidade da Beira Interior

Anlise e Processamento de Sinal e Imagem

Introduo Anlise e Processamento de Imagem

Universidade da Beira Interior

Anlise e Processamento de Sinal e Imagem

Introduo Anlise e Processamento de Imagem

Universidade da Beira Interior

Anlise e Processamento de Sinal e Imagem

Introduo Anlise e Processamento de Imagem

Universidade da Beira Interior

Anlise e Processamento de Sinal e Imagem

Introduo Anlise e Processamento de Imagem

Universidade da Beira Interior

Anlise e Processamento de Sinal e Imagem

Introduo Anlise e Processamento de Imagem

S MBOLO VALORES T PICOS

2, 64, 256, 1024, 4096,

Universidade da Beira Interior