Processamento digital de imagens

Processamento Digital de
Imagens
Daniel Madeira

Gerando máscaras de filtragem espacial
• Basta escolher os coeficientes da máscara mn
– Os coeficientes dependem da saída desejada para o filtro

• Ex.: Se quisermos substituir cada pixel pela intensidade média de sua vizinhança 3x3?
– Basta somar todos os valores da janela e dividir por 9

Gerando máscaras de filtragem espacial
• Em alguns casos, temos uma função contínua de duas variáveis
– Nesse caso, para criar o filtro, basta fazer uma amostragem ao redor do centro • Ex.: função gaussiana
– w1=h(-1,-1)
– w2=h(-1,0)
– ...
– w9=h(1, 1)

−

h ( x , y )=e

x 2+ y 2
2σ 2

Gerando máscaras de filtragem espacial
• Para gerar filtros não-lineares, devese especificar
– a dimensão da vizinhança
– a operação a ser executada

• Ex.: filtro máx
– Numa vizinhança 5x5, centrado em
(x,y), obtém o máximo valor de intensidade dos 25 pixels e substitui no pixel central

Gerando máscaras de filtragem espacial
• Filtros não-lineares são bastante poderosos • Podem realizar funções além das possibilidades dos filtros lineares

Filtros espaciais de suavização • Os filtros de suavização são utilizados para borrar imagens e reduzir ruído
– Borrar imagens pode ser útil como préprocessamento
– A redução de ruído pode ser obtida com o borramento com um filtro linear e também pela filtragem não-linear

Filtros espaciais de suavização • A saída de um filtro espacial linear de suavização é simplesmente a média dos pixels contidos na região da imagem – São filtros passa-baixa

• A idéia por trás dos filtros é direta
– Ao substituir o valor de cada pixel pela média dos valores dentro da janela, obtém-se uma imagem com menos nitidez – Menos nitidez = menos mudanças abruptas de intensidade

Filtros espaciais de suavização • Aplicação mais evidente é a redução de ruídos
– Ruídos são geralmente caracterizados por mudanças abruptas de intensidades

•