Vous êtes sur la page 1sur 70

Eduardo Valle dovalle@dca.fee.unicamp.

br

EA979 AULA 02 11 IMAGENS DIGITAIS

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

22

La Trahison des Images (A Perfdia das Imagens)

2 (c) The Estate of Ren Magritte

33

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

IMAGENS DIGITAIS
44 4

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

Imagem Digital Imagem: funo bidimensional I = f(x, y), onde


x e y so coordenadas espaciais em um plano. I o nvel de cinza ou cor da imagem no ponto (x, y).

Image digital
x, y e I so valores discretos (conjunto de valores enumerveis ou inteiros), ou seja, no contnuos.

Imagem digital em escala de cinza (grayscale)


I o valor da intensidade ou nvel de cinza da imagem no ponto (x, y).

Imagem digital colorida


I especifica a cor da imagem no ponto (x, y). 55 5

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

Princpio Bsico da Formao da Imagem

66

Pinhole camera. Wikimedia commons.

Princpio Bsico da Formao da Imagem

77

Thin lens. Wikimedia commons, User : Tamasflex.

Imagem Digital: gerao/captura

Amostragem

Discretizao do espao

Imagem Continua
Discretizao da amplitude

Quantizao

243 244

230 239 241

223 236 242

222

88

Imagem Digital

245

8 239

235

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

Imagem Digital: gerao/captura Amostragem (espacial)


processo que amostra a intensidade (cor) da imagem contnua em pontos pr-definidos. Em geral, a amostragem efetuada de forma uniforme (espaamento iguais entre os pontos de amostragem na direo horizontal e vertical). cada amostra denominada de elemento de imagem ou pixel (picture element)

Resoluo
Resoluo em pixel (quantidade de pixels): pixels na horizontal x pixels na vertical; quantidade total de pixels 9 Resoluo99 espacial (discernimento de linhas ou pontos na imagem): linha por polegas (lpi); pontos por polegadas (dpi).

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

Amostragem

Original (320x240 amostras)

160x120 amostras

80x60 amostras

1010

10

40x30 amostras

20x15 amostras
10

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

Amostragem A converso de um sinal contnuo em um sinal discreto efetuada atravs de processo de amostragem. Em geral, o sinal contnuo amostrado em uma frequncia fixa denominada frequncia de amostragem. O teorema da amostragem (teorema de Nyquist-Shannon) estabelece que um sinal com faixa limitada (limitado em frequncia) pode ser reconstrudo, a partir de suas amostras, se o mesmo for amostrado a uma taxa maior ou igual a duas vezes a frequncia mxima (frequncia de Nyquist) do sinal original. Caso o processo no atenda o teorema da amostragem ocorre o 11 efeito de aliasing 1111 (no possvel distinguir determinadas componentes de frequncia)

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

11

Aliasing: borda serrilhada

1212
borda serrilhada

12
com filtragem anti-aliasing

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

12

Padro Moir

1313

13

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

13

Aliasing: padro moir

Original

Sub-amostragem Padro Moir

1414

14

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

14

Quantizao

256 nveis de cinza

128 nveis de cinza

64 nveis de cinza

32 nveis de cinza

1515
16 nveis de cinza 8 nveis de cinza 4 nveis de cinza

15
2 nveis de cinza

contornos de quantizao
EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP 15

Imagem Digital: gerao/captura Quantizao (de intensidade/cor)


processo que mapeia valores contnuos que representam a intensidade/cor para um conjunto de valores discretos.
Nveis de cinza

7 6 5 4 3 2

1616 0
Imin intervalo de quantizao ou clula de quantizao Imax

16
Intensidade

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

16

Imagem binria Preto e branco: 1 bit-plane (display depth = 1)

1 bit-plane display depth = 1

0 1 0 1 0

1 0 1 0 1

0 1 0 1 0

1 0 1 0 1

0 1 0 1 0

1 0 1 0 1

D/A 1bit

1717

17

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

17

Imagem em escala de cinza 4 nveis de cinza: 2 bit-planes (display depth = 2)


2 bit-planes display depth = 2 0 0 0 1 0

1 0 1 0 0

01 00 10 00 10 00 10 00 11 00 11 00 1 0 1

00 11 11 00 00 01 01 00 0 1

D/A 2 bits

msb

lsb

1818

18

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

18

Imagem em tons de cinza 256 nveis de cinza: 8 bit-plane (display depth = 8)


1 8 bit-planes display depth = 8 1 0 0 1 00 1 11 0 00 1 10 00 0 1 11 00 11 00 1 0 1 0 1 1

1 0 1 0 01 00 10 00 1

1919 0
1 0

11 0 00 0 10 0 00 11 00 01 00 0 1 0 1

01 00 10 0 0 0 0 10 00 11 00 0 010 000 111 1 0 1 1 0 0 00 11 0 0 001 000 111 000 1 0 0 1 0 1 01 10 0 1 0 100 000 111 000 11 0 0 0 0 1 01 10 0 1 0 0 010 000 111 000 01 0 0 1 0 00 11 0 1 0 0 01 000 111 000 10 1 0 1 00 11 0 1 0 1 0 1 0 1 1 00 11 00 0 1 0 1 0 0 11 00 01 1 1

lsb

19

msb
19

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

Imagem colorida (monitor colorido) 8 cores: 3 bit-planes (display depth = 3)


0 0 0 0 1 1 0 0 1 1

0 0 0 0 0

1 1 1 1 1

1 1 0 0 11 11 1 1 00 00 00 01 010 011 10 11 00 01 00 01 10 11 0 1 0 1 0 1 0 1

0 0 0 10 10 0 11 11 1 00 00 1 1 0 1 0

3 bit-planes

display depth = 3

2020

20

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

20

Imagem colorida True-color 24 bits


(8 bits; 8 bits; 8 bits) 16.777.216 cores

True-color com transparncia 32 bits


(8 bits; 8 bits; 8 bits) + 8 bits canal alpha (transparncia)

2121

21

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

21

Imagem colorida Hicolor


15 bits (5 bits; 5 bits; 5 bits) 32.768 cores

16 bits (5 bits; 6 bits; 5 bits) 65.536 cores maior sensibilidade ao verde

2222

22

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

22

Imagem colorida Pseudocolor (color look-up table)


A look-up table define a paleta de cores A largura da tabela w (o nmero de bits de cada posio da tabela) define o nmero total de cores disponveis 2W. O nmero de bits da imagem n (ndice da tabela) define o nmero mximo de cores simultneas 2n.

2323

23

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

23

Imagem colorida Dispositivos com look-up table


1 0 1 0 0 1 0 01 00 10 00 1 11 0 00 0 10 0 00 11 0 0 10 0 10 0 00 1 11 00 1 0 00 0 00 1 11 0 00 01 0 1 00 1 11 0 00 1 01 00 1 1 11 00 01 10 0 111 0 0 1 1 0 100 000 0 0 0 0 0 0 1 1 0 0 0 0 0 1 0 1 0 0 1 1 1 0 0 1 0 1 0 1 1 0 0 1 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 1

Imagem 3 bit-planes (ndices da tabela)

Look-up table 8 bits de largura

2424

24

8 (23) tons de cinza de um total de 256 tons de cinza (28)

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

24

REPRESENTAO DAS CORES, 25 2525 ESPAOS DE COR


EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP 25

Cones

2626

26

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

26

Diagrama de Cromaticidade CIEXYZ

Contorno curvo: cores espectrais puras.

2727

Linha prpura (linha reta 27 do diagrama) tem lugar pela combinao linear das cores vermelho e azul

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

27

Espao de cor RGB

R B
28

2828

RGB Cube, Wikimedia Commons, User : Horst Frank.

28

Espao de Cor CMY Sistema Aditivo RGB (tela preta) e Sistema Subtrativo CMY (papel branco).

2929
W = (R + G + B )

29
K = (C + M +Y )

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

29

RGB e CMY Na prtica para a impresso utiliza-se CMYK (K = blacK - preto)


Melhorar a reproduo do preto, melhorando o contraste Economia de tinta Menor tempo de secagem

Duas tcnicas de impresso


Superposio de pigmento (como apresentado no slide anterior) Composio espacial 3030 30

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

30

Espao de Cor CMYK

3131

31

CMYK Rasters, Wikimedia Commons, User : Arz.

31

Gamute

3232

32

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

32

Gamute

3333

33

Comparao de diferentes gamutes, Hampton Roads Gicle.

33

Espaos de cor complexos para impresso

3434

34

Experimento em pequena escala de impresso com pigmentos, Inkjet printer forum http://www.nifty-stuff.com/forum/viewtopic.php?id=4179

34

Espaos de cor artsticos e perceptuais

A sensao visual da luz cromtica mais rica do que a da luz acromtica. Alm do brilho, a luz cromtica possui ainda matiz (hue) e saturao (saturation).

Matiz est associado frequncia dominante da excitao luminosa. o que associamos usualmente ao conceito de vermelho, verde, amarelo, etc.

Saturao caracteriza o grau de diluio do matiz em branco. O vermelho uma cor saturada, o rosa uma cor menos saturada.
3535 35

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

35

Percepo cromtica Em resumo, a percepo das cores caracterizada pelos conceitos:


Matiz (hue): cor pura associada/frequncia dominante (vermelho, verde, ...)

Saturao (saturation): grau de diluio da cor pura em branco (tons de rosa)

Brilho/Luminosidade (brightness/lightness): para superfcies emissoras (brightness) a quantidade de energia emitida; para superfcies no emissoras (lightness) a quantidade de energia refletida. 36 3636

36

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

36

Modelo de cor HSV (Hue, Saturation, Value)

Blue

Cyan

Magenta White

Value Green 120


Green

Yellow 60

Black

Cyan 180

Hue Saturation

White 1,0 Blue 240 Magenta 300

Red Yellow

Red 0

3737
Black 0,0

37

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

37

Modelo de cor HSV (Hue, Saturation, Value)


120 Green 60 Yellow

hue

180

Cyan Red 0 Saturation

Blue 240

Magenta 300

Hue (matiz)3838 medido em graus [0, 360] Saturation (saturao) [0.0, 1.0] Value (valor) [0.0, 1.0]

38

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

38

Outros Modelos de Cor YIQ (NTSC) YUV (PAL e Secam) YCbCr (vdeo digital) L*u*v* ou CIELuv (procura garantir diagrama de cromaticidade perceptualmente uniforme) L*a*b* ou CIELab entre outros.

3939

39

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

39

Transformao de espao de cores Lineares : e.g. entre dois espaos RGB, ou de XYZ para RGB (descontando algumas tecnicalidades) No-lineares : e.g. de RGB para HSV

4040

40

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

40

Transformao RGB XYZ A transformao entre os espaos de cores RGB (tpicos dos monitores de vdeo) para o XYZ dado por:
R = X r X +Y r Y + Z r Z G = X g X +Y g Y + Z g Z B = X b X +Y b Y + Z b Z C = X X +Y Y + Z Z = R R + G G + B B
&X # &X r $Y ! = $Y $ ! $ r $ %Z ! " $ %Z r

Xg Yg Zg

Xb# ! Yb ! Zb ! "

&R # $G ! $ ! $ %B ! "

ou Xg Yg Zg Xb# ! Yb ! Zb ! "

&X # &R # 4141 $Y ! = T $G ! $ ! $ ! $ $ %Z ! " %B ! "

&X r $ com T = $Y r $Z r %

41

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

41

Transformao de RGB para HSV

$ (G !60 (M ! (B ! H = #60 ! (M !60 (R ! " (M

B) , se R = M m) R) + 120 , se G = M m) G ) + 240 , se M = B m) , se M 0 caso contrrio

Se H < 0, ento H = H + 360 $ (M m ) ! S =# M ! "0 V =M onde :

m = min(R,G,B ) 4242 M = max (R,G,B)

42

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

42

Transformao de HSV para RGB

$V ! !q R =# !p ! "t $t ! V ! G =# !q ! "p $p !t ! B =# V ! ! "q

, se 0 h < 60 ou 300 h < 360 , se 60 h < 120 , se 120 h < 240 , se 240 h < 360 , se 0 h < 60 , se 60 h < 180 , se 180 h < 240 , se 240 h < 360 , se 0 h < 120 , se 120 h < 180 , se 180 h < 300 , se 300 h < 360

onde :

p = V (1 S ) q = V (1 S f ) t = V (1 S (1 f )) f = H floor (H )

4343

43

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

43

ALGORITMOS DE QUANTIZAO
4444 44

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

44

Quantizao
Na quantizao em nveis de cinza, a clula de quantizao um intervalo. Na quantizao colorida, a clula de quantizao um volume do espao de cor.
G

4545
B

45

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

45

Quantizao A quantizao o processo que transforma um conjunto de cores/ nveis de cinza com M elemento em um conjunto de cores/nveis de cinza com N elementos, onde M > N. Observaes
Para M = , tem-se uma imagem original contnua no espao de cor/nvel de cinza que se quer representar de maneira discreta. Para M , tem-se uma imagem discreta (por exemplo, truecolor M = 224) e ser efetuada a reduo do nmero de cores (por exemplo, para utilizar uma estratgia de pseudo color com paleta de 256 cores). 4646 46

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

46

Quantizao Em imagens, a quantizao inadequada causa o surgimento de contornos de quantizao.

4747

47

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

47

Quantizao A reduo do nmero de nveis de cinza ou do nmero distintos de cores em uma imagem digital tambm pode ser entendido como sendo um processo de quantizao. Exemplos de problemas prticos que envolve a (re)quantizao de cores/nveis de cinza envolvendo imagens digitais:
Apresentar imagem truecolor em dispositivo baseado em tabela de cores (pseudo-color). Apresentar imagem em escala de cinza em dispositivos monocromticos como por exemplo impressora laser. 4848 48

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

48

Quantizao O processo de quantizao tem duas etapas:

Definio/determinao das clulas de quantizao.

Definio/determinao do nvel de quantizao de cada clula.

4949

49

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

49

Quantizao Os algoritmos podem ser classificados quanto ordem destas duas etapas, sendo possvel diferenciar trs situaes distintas:
1 Determinao simultnea e interdependente das clulas e dos nveis de quantizao (exemplo: quantizao uniforme) 2 Determinao dos nveis de quantizao seguida de determinao dos conjuntos de cores (clula) que devem ser mapeadas para cada nvel (exemplo: algoritmo da populosidade)

2 Determinao da clulas de quantizao seguido de clculo dos nveis de quantizao associado a cada clula (exemplo: algoritmo do50 corte da 5050 mediana)

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

50

Quantizao Uniforme Dividir o espao de cores em clulas uniformes e tomar o centro (valor mdio) como nvel de quantizao. Exemplo Bidimensional
G
Clula de Quantizao

Nvel de Quantizao

5151

51

Observao: No espao RGB, as clulas seriam cubos.


EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP 51

Quantizao Uniforme Fcil implementao Para imagens com distribuio uniforme de cores apropriada (distribuio uniforme - as cores esto distribudas uniformemente no espao de cor) cores existente na
imagem original

5252
R
Imagem com distribuio uniforme de cores

52
R
Imagem com distribuio no-uniforme de cores
52

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

Quantizao Uniforme Para uma distribuio no-uniforme de cores na imagem original esta estratgia de quantizao no indicada:
Podem existir clulas que no contm cores da imagem original - desperdcio de nveis de quantizao. Em regies mais densas poderamos utilizar os nveis desperdiados para melhor representar as cores.

5353

53

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

53

Quantizao: algoritmo da populosidade O algoritmo da populosidade um algoritmo adaptativo que primeiro define os nveis de quantizao para depois determinar as clulas de quantizao. Em geral, os algoritmo adaptativos de quantizao utilizam o histograma de frequncia de ocorrncia das cores na imagem para caracteriz-la. Histograma de Nveis de Cinza
Freqncia de ocorrncia (quantidade de vezes que ocorre)

5454

54

Cor
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

54

Quantizao: algoritmo da populosidade Passo 1: Calcular o histograma de cor da imagem. Passo 2: Determinar as N cores que ocorrem com maior frequncia (cores mais populosas). Passo 3: Adotar as N cores mais populosas como os N nveis de quantizao. Passo 4: Quantizar a imagem, mapeando as cores para os nveis 55 5555 adotados utilizando critrio de proximidade.
Proximidade: Definir mtrica (medida de distncia entre pontos)

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

55

Quantizao: algoritmo da populosidade Propriedades de uma funo distncia D


D (C 1 ,C 2 ) 0 D (C 1 ,C 2 ) = 0
se e somente se C 1 = C 2

D (C 1 ,C 2 ) = D (C 2 ,C 1 ) D (C 1 ,C 2 ) D (C 1 ,C 3 ) + D (C 3 ,C 2 )

5656

56

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

56

Quantizao: algoritmo da populosidade Exemplos de funes distncia


DLp (C 1 ,C 2 ) = p C 2r C 1r
p

+ C 2 g C 1g

+ C 2b C 1b

Minkowski L1 ou Manhattan

DL1 (C 1 ,C 2 ) = C 2r C 1r + C 2g C 1g + C 2b C 1b
DL 2 (C 1 ,C 2 ) = (C 2 C 1 ) =

(C 2r

C 1r ) + (C 2 g C 1g ) + (C 2b C 1b )

L2 ou Euclidiana L ou Chebyshev

DL (C 1 ,C 2 ) = max C 2r C 1r ,

C 2 g C 1g ,

C 2b C 1b

D (C 1 ,C 2 ) = (C 2 C 1 ) = C 2 C 1 C 2 C 1

) (

)
57

5757

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

57

Quantizao: algoritmo do corte da mediana Algoritmo adaptativo que primeiro estabelece as clulas de quantizao para depois calcular o nvel de quantizao associado a cada clula. O Algoritmo do Corte Mediano procura definir clulas de quantizao de forma a equalizar o histograma.
Freqncia

Freqncia

5858
Cor
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

58
Cor
0 1 2 3 4 5 6 7

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

58

Quantizao: algoritmo do corte da mediana O algoritmo baseia-se na medida estatstica denominada mediana. Dado um conjunto finito e ordenado de pontos no espao (no caso espao de cor), a mediana o ponto que divide o conjunto em dois sub-conjuntos com o mesmo nmero de elementos.

5959

59

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

59

Quantizao: algoritmo do corte da mediana Passo1: Construir o paraleppedo: (Rmin, Rmax) (Gmim, Gmax), (Bmin, Bmax) Passo 2: Tomar a componente que define a maior aresta do paraleleppedo e ordenar as cores por esta ordenada. Passo 3: Dividir na mediana na direo de maior comprimento. Passo 4: Repetir os passos 2 e 3 at que as duas regies geradas sejam vazias (no contenham cores da imagem) ou os K nveis de quantizao tinha sido atingido. Passo 5: Para cada clula definida pelos passos anteriores, calcular valor do nvel associado. Por exemplo, mdia ponderada pela 60 6060 frequncia de ocorrncia das cores da regio. Passo 6: Quantizar as cores da imagem para o nvel mais prximo.
60

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

Corte da mediana: exemplo bidimensional K = 4 Passo1: Construir o paraleppedo: (Rmin, Rmax) (Gmim, Gmax)
G
Gmax C6 C4 C3 C2 C8 C9 C5 C7
Cor C1 C2 C3 C4 C5 C6 C7 C8 C9 Freq. 2 3 2 1 2 1 1 1 2

Gmin

C1

6161

61

Rmin

Rmax

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

61

Corte da mediana: exemplo bidimensional K = 4 Passo 2: Tomar a componente que define a maior aresta do paraleleppedo e ordenar as cores por esta ordenada.
G
Gmax C6 C4 C3 C2 C8 C9 C5 C7
Cor C1 C2 C3 C4 C5 C6 C7 C8 C9 Freq. 2 3 2 1 2 1 1 1 2 Cor C1 C9 C8 C2 C3 C4 C7 C5 C6 Freq. 2 2 1 3 2 1 1 2 1

Gmin

C1

6262
Rmin

62

Rmax

Ordenada na direo G

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

62

Corte da mediana: exemplo bidimensional K = 4 Passo 3: Dividir na mediana na direo de maior comprimento.
Cor C1 C9 C8 C2 C3 C4 C7 C5 C6 Freq. 2 2 1 3 2 1 1 2 1

Ordenada na direo G

Temos 15 elementos - mediana o oitavo elemento 6363

63

C1 C1 C9 C9 C8 C2 C2 C2 C3 C3 C4 C7 C5 C5 C6
EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP 63

Corte da mediana: exemplo bidimensional K = 4 Passo 4: repetir os passos 2 e 3 nas regies.


Regio 1 Maior eixo R.
G
Cor C1 C2 C9 C8 Freq. 2 3 2 1 Mediana

Gmax

C6 C4 C3

C5 C7

Regio 1 - Ordenada

C2 C8 C9 Rmax

Regio 2 Maior eixo R. 6464

Cor C3 C6 C4 C5 C2 C7

Freq. 2 1 1 2 3 1

Gmain
Mediana

C1 Rmi
n

64

Regio 2 - Ordenada

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

64

Corte da mediana: exemplo bidimensional K = 4 Passo 5: Para cada clula, calcular valor do nvel associado. Por exemplo, mdia ponderada pela frequncia de ocorrncia das cores da regio.
G
C6

q2
C4

C5

q3

C7

C3 C2

q1

q4

C8 C9 Rmax

6565

C1 Rmin

65

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

65

Corte da mediana: exemplo bidimensional K = 4 Passo 6: Quantizar as cores da imagem para o nvel mais prximo.
G
C6

q2
C4

C5

q3

C7

Cor C1, C2 C3, C4, C6 C5, C7

Nvel q1 q2 q3 q4 Quantizao

C3 C2

C8, C9

q1
C1

q4

C8 C9 Rmax

6666
Rmi
n

66

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

66

Quantizao: observaes finais Quantizao reduz o nmero de cores a ser utilizado na representao/armazenamento da mensagem. Os algoritmos de quantizao (em especial o do corte da mediana) so utilizados para a converso de imagens truecolor para pseudocolor (tabela de cores). O processo de quantizao pode gerar o aparecimento de contornos de quantizao. O fenmeno mais visvel quanto mais drstica for a reduo do nmero de cores.
6767 67

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

67

CONCEITOS-CHAVE
6868 68

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

68

Conceitos-chave Imagem, imagem digital Amostragem, quantizao Pseudonmia (porque acontece) Espaos de cor : RGB, CMY, CMYK, HSV, matiz, saturao e brilho Gamute Mecanismos para fazer a quantizao, vantagens da quantizao adaptativa em relao uniforme (no preciso decorar os algoritmos)
6969 69

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

69

Eduardo Valle dovalle@dca.fee.unicamp.br

EA979 AULA 02 7070 IMAGENS DIGITAIS

70

EA979 Introduo Computao Grfica e ao Processamento de Imagem - Prof. JMario De Martino - DCA/FEEC/UNICAMP

70