Processamento Digital de Imagens - Exercícios

O primeiro exercício proposto é fazer com que o usuário escolha uma região de uma imagem, definida por 2 pontos de entrada, e fazê-la com que ela seja preenchida com as cores em negativo.

A partir do código regions.cpp. como referência, percebe-se que a principal função do programa é fazer com que os componentes RGB da imagem aberta em cores seja invertida. Para isso, definimos os valores de val[0] = val[1] = val[2] = 255, ou seja, durante o algoritmo, estaremos considerando cada componente de cor da imagem. Após isso, atualizamos os índices de cor na matriz definida pelo usuário a partir desses valores, subtraindo assim um valor de 255 de cada pixel, o que caracteriza a imagem em negativo.

Após definir dois pontos, podemos obter a seguinte saída:

O segundo exercício proposto é fazer com que, em uma imagem, possamos dividir a imagem em quatro quadrantes e mudá-los de posição aleatoriamente, formando um quebra-cabeça.

Com o código trocaregioes.cpp. é possível trocar as regiões mencionadas a partir de construtores da classe Mat, própria do OpenCV, copiando matrizes e atribuindo tamanho a novas, copiando-as para uma matriz final, a qual será a imagem de saída. Assim, podemos obter imagens como esta:

A atividade proposta foi utilizar uma imagem em PeB e nela identificar e contar regiões com buracos. Para isso, não podemos contar com os objetos brancos que tocam a borda da imagem, já que não temos certeza se elas têm bolhas ou não. Logo, eles foram excluídos da imagem utilizada. Além disso, o algoritmo pinta os obejtos com bolha de cinza, para dar destaque à contagem. O código contar.cpp ainda conta com uma função seedfill, a qual identifica objetos brancos e os preenche com uma cor de rótulo desejada.

Esta atividade tem o objetivo de criar um fluxo de vídeo (em cores) e convertê-lo para grayscale, para que então possa ser feita a equalização do seu histograma. Esse método tem o propósito de melhorar o contraste de uma imagem por meio de uma distribuição cumulativa de função, isto é: dada uma distribuição de intensidade de tons de cinza em uma imagem, a equalização de histograma fará com que essa quantidade seja mais bem distribuída por todas as possibilidades de tons de cinza que há (256). Com base no código histogram.cpp, foram feitas poucas alterações: foram adicionadas duas matrizes novas (gray e eq), as quais, respectivamente, servirão para o armazenamento da imagem em grayscale e posteriormente para a imagem já equalizada; e foram utilizados dois métodos da documentação em OpenCV, sendo eles o cvtColor() e o equalizeHist(). O código equalize pode ser visto aqui.

O próximo programa feito teve o objetivo de criar um detector de movimentos, tendo uma câmera ligada para fluxo de vídeo. Para a implementação do método de deteccção, foi criada uma função detecta(), a qual se baseia na diferença do valor de um pixel entre um frame e outro e informa em quais pixels houve a detecção. No caso, a imagem que se observa é colorida, mas é convertida para grayscale no método citado. No programa, o usuário pode escolher o valor da diferença entre os valores dos pixels na imagem. É importante ressaltar que valores abaixo de 150 para a diferença podem se mostrar muito sensíveis em diferentes câmeras. Segue o código motiondetector.cpp.

Na atividade, foi pedido para que fosse implementado um filtro espacial que forneça o laplaciano do gaussiano. Esse processamento, feito em cima do plano onde estão os pixels da imagem, é uma variação do filtro laplaciano que visa eliminar ŕuídos na imagem por meio do filtro gaussiano (smoothing). A máscara para esse filtro pode ser encontrada neste site. Segue também o código laplgauss.cpp.

Para finalizar a unidade, tivemos duas atividades. A primeira delas é fazer um programa que realize o efeito tilt shift, que supõe desfocar certas áreas da imagem para fazer com que a parte destacada pareça uma miniatura. Para isso, deve ser realizada uma filtragem de borramento (usando o filtro da média 5x5) em uma faixa escolhida pelo usuário, além de poder configurar sua intensidade. Tal ponderação é feita por uma relação entre tangentes hiperbólicas envolvendo duas coordenadas definidas. Foram utilizadas as funções merge(), para criar múltiplos arrays de comprimento unitário, e a função multiply() para multiplicar duas matrizes com um fator de escala. Segue o código tiltshift.cpp.

Como última atividade da primeira unidade, foi requisitado fazer o mesmo efeito tiltshift, dessa vez para um vídeo. A única diferença desse código para o anterior é a escrita em vídeo, realizando a mesma função. Para isso, foram declaradas novas variáveis na função main e o processo de escrita feita em um loop contínuo até o fim do vídeo. Infelizmente, as configurações do computador usado não permitem o salvamento em vídeo para exibição neste site. Segue o código tiltshiftvideo.cpp

Esta atividade tem o propósito de implementar um filtro homomórfico no plano da frequência, ou seja, em primeiro lugar, toma-se a imagem de entrada e nela é aplicada a transformada discreta de Fourier. Em seguida, o filtro homomórfico é aplicado (com os quadrantes da imagem deslocados) e, na sequência, calcula-se a transformada inversa. Para o filtro mencionado, a manipulação matemática é descrita na seção 2 de um artigo publicado no 2012 International Conference on Information and Knowledge Management. Com base no código dft presente no tutorial, foi possível implementar o código homomorfico.cpp e conseguir imagens filtradas para aplicações em cenas com fraca iluminação.

A última atividade da segunda unidade propõe uma melhoria da arte com pontilhismo, implementada na seção 10 do tutorial, com auxílio do detector de bordas de Canny. Nesse sentido, foi adotada a segunda sugestão do exercício, a qual supõe detectar bordas com o algoritmo anterior e, a partir daí, desenhar os círculos. No caso, varre-se toda a imagem procurando valores 255 (branco, indicando borda). O usuário também pode definir o limiar a ser utilizado (valores menores para mais detalhes e vice-versa) e o raio dos círculos impressos na imagem. O código cannypoints.cpp pode ser conferido.