1 / 15

Trabalho 2 de FCG Leitura de QR Codes

Trabalho 2 de FCG Leitura de QR Codes. Prof. Marcelo Gattass 0821369 - Gustavo Lopes Mourad. Primeiros passos. Baseado no artigo de Liu [1] temos que: Converter a imagem em grayscale Binarizar a imagem Criar um histograma da imagem Estimar um nível de thresholding

sanne
Download Presentation

Trabalho 2 de FCG Leitura de QR Codes

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Trabalho 2 de FCGLeitura de QR Codes Prof. Marcelo Gattass 0821369 - Gustavo Lopes Mourad

  2. Primeiros passos • Baseado no artigo de Liu [1] temos que: • Converter a imagem em grayscale • Binarizar a imagem • Criar um histograma da imagem • Estimar um nível de thresholding • Transformar a imagem em preto-e-branco dependendo do nível de thresholding estimado

  3. Binarização • Por que binarizar? • Maior resolução e níveis de quantização implicam em mais dados e complexidade • A binarização gera algoritmos mais eficientes, pois pode-se usar operadores lógicos e armazenar os dados de forma mais barata • A silhueta dos objetos é suficiente para identificação dos mesmos

  4. Experiências • Estimativas de thresholding • Média do histograma • Método de Otsu • Método de Otsu aplicado separadamente em várias partes da imagem • Black Point Estimation Method

  5. Experiências • Estimativas de thresholding • Média do histograma • Equivalente a uma busca gaussiana • Divide o espectro em 5 partes (bins) e retorna a média ponderada de cada parte.

  6. Experiências • Estimativas de thresholding • Método de Otsu [3] • Minimizar a variância intra-classe é o mesmo que maximizar a variância inter-classe (preto e branco) • Usa o histograma normalizado

  7. Experiências • Estimativas de thresholding • Método de Otsu aplicado em separado a várias partes da imagem • Tentativa de diminuir os efeitos das variações de brilho no cálculo • 8x, 16x, 32x, 128x

  8. Experiências • Estimativas de thresholding • Black Point Estimation Method [2] • Encontra o valor em um vale entre dois picos do histograma • Não funciona bem com imagens que tem no histograma os dois maiores picos muito próximos

  9. Resultados • Original • Histograma • Otsu • Otsu 8x • Otsu 16x • Black Point

  10. Resultados • Original • Histograma • Otsu • Otsu 8x • Otsu 16x • Black Point

  11. Resultados • Original • Histograma • Otsu • Otsu 16x • Black Point

  12. Resultados • Original • Histograma • Otsu • Otsu 16x • Black Point

  13. Resultados • Original • Histograma • Otsu • Otsu 16x • Black Point

  14. Resultados Otsu aplicado a 128 quadrados de cada imagem

  15. Referências • [1] Liu, Y; Liu, M; Automatic Recognition Algorithm of Quick Response Code Based on Embedded System; Proceedings of the Sixth International Conference on Intelligent Systems Design and Applications (ISDA'06), 2006 • [2] Neira, J; Notas de Aula: “Lesson 1: Thresholding”; http://webdiis.unizar.es/~neira/12082/thresholding.pdf visitadoem 25/04/2009 • [3] Otsu, N; A threshold selection method from gray-level histograms, IEEE Trans. Sys., Man., Cyber. 9: 62–66, 1979

More Related