O Guia de cientistas e engenheiros para processamento de sinal digital Por Steven W. Smith, Ph. D. Capítulo 1: O tamanho e a profundidade das imagens DSP são sinais com características especiais. Primeiro, eles são uma medida de um parâmetro sobre o espaço (distância), enquanto a maioria dos sinais são uma medida de um parâmetro ao longo do tempo. Em segundo lugar, eles contêm uma grande quantidade de informações. Por exemplo, mais de 10 megabytes podem ser necessários para armazenar um segundo de vídeo de televisão. Isso é mais do que mil vezes maior do que para um sinal de voz de comprimento semelhante. Em terceiro lugar, o juiz final da qualidade é muitas vezes uma avaliação humana subjetiva, ao invés de um critério objetivo. Essas características especiais tornaram o processamento de imagem um subgrupo distinto dentro do DSP. Médico Em 1895, Wilhelm Conrad Rntgen descobriu que os raios-x podiam passar por quantidades substanciais de matéria. A medicina foi revolucionada pela capacidade de olhar dentro do corpo humano vivo. Sistemas médicos de raios-x espalhados por todo o mundo em apenas alguns anos. Apesar de seu sucesso óbvio, a imagem médica de raios-x foi limitada por quatro problemas até que DSP e técnicas relacionadas tenham ocorrido na década de 1970. Primeiro, as estruturas sobrepostas no corpo podem se esconder atrás. Por exemplo, porções do coração podem não estar visíveis por trás das costelas. Em segundo lugar, nem sempre é possível distinguir entre tecidos semelhantes. Por exemplo, pode ser capaz de separar o osso do tecido mole, mas não distinguir um tumor do fígado. Em terceiro lugar, as imagens de raios-x mostram anatomia. A estrutura do corpo e não a fisiologia. Operação do corpo. A imagem de raio-x de uma pessoa viva se parece exatamente com a imagem de raio-x de uma pessoa morta. Porém, a exposição a raios-x pode causar câncer, exigindo que ela seja usada com moderação e apenas com a justificativa adequada. O problema das estruturas sobrepostas foi resolvido em 1971 com a introdução do primeiro scanner de tomografia computadorizada (anteriormente chamado de tomografia axial computorizada, ou scanner CAT). A tomografia computadorizada (CT) é um exemplo clássico de processamento de sinal digital. Os raios-X de várias direções são passados através da seção do corpo do paciente que está sendo examinado. Em vez de simplesmente formar imagens com os raios X detectados, os sinais são convertidos em dados digitais e armazenados em um computador. A informação é então usada para calcular imagens que parecem ser fatias através do corpo. Essas imagens mostram detalhes muito maiores do que as técnicas convencionais, permitindo um diagnóstico e tratamento significativamente melhores. O impacto da TC foi quase tão grande como a introdução original da imagem de raio-x. Dentro de apenas alguns anos, todos os principais hospitais do mundo tinham acesso a um scanner de CT. Em 1979, dois dos principais contribuintes do CT, Godfrey N. Hounsfield e Allan M. Cormack, compartilharam o Prêmio Nobel de Medicina. Isso é bom DSP Os últimos três problemas de raios-x foram resolvidos usando energia penetrante além de raios-x, como ondas de rádio e som. O DSP desempenha um papel fundamental em todas essas técnicas. Por exemplo, a Ressonância Magnética (MRI) usa campos magnéticos em conjunto com ondas de rádio para sondar o interior do corpo humano. Ajustando adequadamente a força ea freqüência dos campos, os núcleos atômicos em uma região localizada do corpo ressoam entre estados de energia quântica. Esta ressonância resulta na emissão de uma onda de rádio secundária, detectada com uma antena colocada perto do corpo. A força e outras características desse sinal detectado fornecem informações sobre a região localizada em ressonância. O ajuste do campo magnético permite que a região de ressonância seja digitalizada em todo o corpo, mapeando a estrutura interna. Essa informação geralmente é apresentada como imagens, assim como na tomografia computadorizada. Além de proporcionar uma excelente discriminação entre diferentes tipos de tecidos moles, a ressonância magnética pode fornecer informações sobre a fisiologia, como o fluxo sanguíneo através das artérias. A MRI depende totalmente das técnicas de processamento de sinal digital e não pode ser implementada sem elas. Espaço Às vezes, você só precisa tirar o máximo proveito de uma imagem ruim. Este é frequentemente o caso com imagens tiradas de satélites não tripulados e veículos de exploração espacial. Ninguém vai enviar um reparador para Marte apenas para ajustar os botões em uma câmera DSP pode melhorar a qualidade das imagens tomadas em condições extremamente desfavoráveis de várias maneiras: ajuste de brilho e contraste, detecção de borda, redução de ruído, ajuste de foco, borrão de movimento Redução, etc. As imagens que possuem distorção espacial, como a encontrada quando uma imagem plana é tirada de um planeta esférico, também podem ser entortadas em uma representação correta. Muitas imagens individuais também podem ser combinadas em um único banco de dados, permitindo que a informação seja exibida de maneiras únicas. Por exemplo, uma seqüência de vídeo que simula um vôo aéreo sobre a superfície de um planeta distante. Produtos de imagem comercial O grande conteúdo de informações em imagens é um problema para sistemas vendidos em grande quantidade para o público em geral. Os sistemas comerciais devem ser baratos. E isso não se encaixa bem com grandes memórias e altas taxas de transferência de dados. Uma resposta a esse dilema é a compressão de imagem. Assim como nos sinais de voz, as imagens contêm uma enorme quantidade de informações redundantes e podem ser executadas através de algoritmos que reduzem o número de bits necessários para representá-los. A televisão e outras imagens em movimento são especialmente adequadas para compressão, já que a maior parte da imagem permanece a mesma de quadro a quadro. Os produtos de imagem comercial que aproveitam esta tecnologia incluem: telefones de vídeo, programas de computador que exibem imagens em movimento e televisão digital. O filtro de imagem pode ser agrupado em dois dependendo dos efeitos: Filtros de passagem baixa (Suavização) Filtragem de passagem baixa (também conhecido como suavização) , É empregado para remover alto ruído de frequência espacial de uma imagem digital. Os filtros passa-baixa geralmente empregam o operador da janela móvel que afeta um pixel da imagem ao mesmo tempo, alterando seu valor por alguma função de uma região local (janela) de pixels. O operador move-se sobre a imagem para afetar todos os pixels da imagem. Filtros de passagem alta (Detecção de Borda, Afiação) Um filtro de passagem alta pode ser usado para tornar a imagem mais nítida. Esses filtros enfatizam detalhes finos na imagem - o oposto do filtro passa-baixa. A filtragem passa-alto funciona da mesma maneira que a filtragem de passagem baixa, apenas usa um kernel de convolução diferente. Ao filtrar uma imagem, cada pixel é afetado por seus vizinhos, e o efeito líquido da filtragem é mover informações em torno da imagem. Neste capítulo, use esta imagem: bogotobogo site search: bogotobogo site search: A filtragem média é fácil de implementar. É usado como um método de suavização de imagens, reduzindo a quantidade de variação de intensidade entre um pixel e o próximo, resultando em redução de ruído nas imagens. A idéia de filtragem média é simplesmente substituir cada valor de pixel em uma imagem com o valor médio (médio) de seus vizinhos, inclusive em si. Isso tem o efeito de eliminar valores de pixels que não são representativos de seus arredores. A filtragem média geralmente é pensada como um filtro de convolução. Como outras circunvoluções, ela é baseada em um núcleo, que representa a forma e o tamanho da vizinhança a ser amostrada ao calcular a média. Muitas vezes, é usado um kernel de 3 vezes 3 quadrados, como mostrado abaixo: O mf é o filtro médio: O filtro2 () é definido como: Y filter2 (h, X) filtra os dados em X com o filtro FIR bidimensional no Matriz h. Ele calcula o resultado, Y, usando a correlação bidimensional e retorna a parte central da correlação que é do mesmo tamanho que X. Ele retorna a parte de Y especificada pelo parâmetro de forma. Shape é uma string com um desses valores: full. Retorna a correlação bidimensional completa. Neste caso, Y é maior do que X. mesmo. (Padrão) Retorna a parte central da correlação. Neste caso, Y é do mesmo tamanho que X. válido. Retorna apenas as partes da correlação que são computadas sem bordas remendadas. Nesse caso, Y é menor do que X. Agora queremos aplicar o kernel definido na seção anterior usando filter2 (): podemos ver a imagem filtrada (direita) foi borrada um pouco em comparação com a entrada original (esquerda) . Conforme mencionado anteriormente, o filtro de passagem baixa pode ser usado como denoising. Vamos testá-lo. Primeiro, para tornar a entrada um pouco suja, pulverizamos um pouco de pimenta e sal na imagem e, em seguida, aplique o filtro médio: Ele tem algum efeito sobre o barulho de sal e pimenta, mas não muito. Isso apenas os deixou desfocados. Que tal tentar o filtro mediano interno Matlabs bogotobogo pesquisa do site: pesquisa do site bogotobogo: Median filter - medfilt2 () Aqui está o script: Muito melhor. Ao contrário do filtro anterior que está apenas usando o valor médio, desta vez usamos a mediana. A filtragem mediana é uma operação não-linear usada frequentemente no processamento de imagens para reduzir o ruído salino e pimenta. Observe também que o medfilt2 () é um filtro 2-D, portanto, ele só funciona para a imagem em escala de cinza. Para remover o ruído para a imagem RGB, vá até o final deste capítulo: Removendo o ruído na imagem RGB. O Matlab fornece um método para criar um filtro 2-D predefinido. Seu fspecial (): h fspecial (type) cria um filtro bidimensional h do tipo especificado. Ele retorna h como um kernel de correlação, que é a forma apropriada para usar com imfilter (). O tipo é uma string com um desses valores: Matlab Image and Video Processing OpenCV 3 - processamento de vídeo de imagem Processamento de imagem e vídeo OpenCV 3 com Python
No comments:
Post a Comment