550 likes | 623 Views
7. Color Image Processing. Fundamentos da cor Embora os processo de percepção de cor utilizado pelo ser humano seja um fenômeno psicológico que ainda não totalmente entendido, a natureza física da cor pode ser expressa sobre uma base formal suportada por resultados teóricos e experimentais.
E N D
7. Color Image Processing Fundamentos da cor Embora os processo de percepção de cor utilizado pelo ser humano seja um fenômeno psicológico que ainda não totalmente entendido, a natureza física da cor pode ser expressa sobre uma base formal suportada por resultados teóricos e experimentais. Em 1666, Isaac Newton descobriu que quando um feixe de luz do sol passa através de um prisma, a luz que sai não é branca mas sim formada pela faixa do espectro que vai do violeta ao vermelho.
7. Color Image Processing A cor que os seres humanos percebem no objeto são determinados pela natureza da luz refletida a partir do objeto. Um corpo que reflete luz relativamente balanceada em todo o espectro visível aparece como branca ao observador. Corpos que refletem luz num intervalo limitado do espectro visível exibe alguma cor. Ex: objetos verdes refletem luz com comprimentos de onda entre 500 nm e 570 mn e absorve a maioria da energia nos outros comprimentos de onda.
7. Color Image Processing • Caracterização da luz: • Luz acromática (sem cor) – possui apenas o atributo de intensidade (exemplo aparelho de TV monocromático). O termo níveis de cinza refere-se a uma medida escalar que varia de preto para o branco passando por tons intermediários de cinza. • Luz cromática – se estende pelo espectro de energia eletromagnética no intervalo aproximado de 400 a 700 nm ( 1 nm = 10 –9 m).
7. Color Image Processing • A qualidade de uma fonte de luz cromática é medida por: • Radiância – soma total de energia que é emitida da fonte luminosa ( watts); • Luminância – dá uma medida da soma de energia percebida por um observador a partir de uma fonte de luz (lumen). Ex: luz emitida por uma fonte operando na região do infravervelho possui alta radiância e baixa luminância • Brilho – descritor subjetivo praticamente impossível de medir. Incorpora a noção monocromática de intensidade e é um fator importante na descrição da sensação de cor
7. Color Image Processing De acordo com a estrutura do olho humano todas as cores são vistas como combinações das três cores chamadas básicas: vermelho, verde e azul.
7. Color Image Processing Para efeito de padronização a CIE – Comission Internacionale de l’Eclairage – Comissão Internacional de Iluminação definiu em 1931 comprimentos para as cores primárias: B = 435,8nm; G= 546,1nm e R= 700nm. É importante notar que a partir das três componentes RGB fixadas não é possível gerar todo o espectro de cores.
7. Color Image Processing • Formação das cores • Processo aditivo – as cores primárias podem ser somadas para produzir as cores secundárias de luz: magenta (azul + vermelho), cyan ( verde + azul) e amarelo ( vermelho + verde). Misturando as três cores primárias ou as três cores secundarias temos o branco. Ex. monitor RGB • Processo de pigmentação ou coloração – neste processo partículas chamadas pigmentos absorvem ou subtraem uma cor primária da luz e reflete ou transmite as outras duas. • Ex: magenta – absorveu verde e refletiu azul e vermelho. As cores primárias de pigmentos são magenta, cyan e amarelo.
7. Color Image Processing • Características para Distinguir entre Diferentes Cores • Brilho – intensidade da luz • Tonalidade ou matiz (Hue) – é o comprimento da onda dominante • Saturação ou pureza – corresponde à pureza ou a quantidade de luz branca misturada à matiz. O espectro de cores puras são completamente saturados. Cores como o rosa (vermelho e branco são menos saturados. O grau de saturação é inversamente proporcional à quantidade de luz branca misturada à matiz.. • Saturação e matiz juntos são chamados de cromaticidade. Portanto uma cor pode ser caracterizada por seu brilho e pela sua cromaticidade.
7. Color Image Processing Considerando R, G, e B vermelho, verde e azul (valores tri-estímulos) respectivamente uma cor é especificada por seus coeficientes trichromatic: r= R/(R+G+B) g=G/(R+G+B) e b=B/(R+G+B), onde r+g+b=1 Dada uma cor, uma maneira para especificar os valores tristimulus é o diagrama de cromaticidade que mostra a composição da cor como uma função de x(vermelho) e y (verde). Para obter o valor de z (azul) para qualquer valor x e y bastar fazer z = 1 – (x+y). Ex: o ponto GREEN marcado no diagrama tem aproximadamente 62% de verde, 25% de vermelho e 13%de azul
7. Color Image Processing O diagrama de cromaticidade é útil para mistura de cores porque traçando uma linha reta entre duas cores do diagrama é possível definir todas as variações de cores que podem ser obtidas pela combinação aditivas destas duas cores. A extensão para três cores é direta. Para obter o intervalo de cores que pode ser obtido a partir de três cores dadas no DC, basta desenhar um triangulo. As cores dentro do triangulo podem ser obtidas pela combinação dos seus vértices.
7. Color Image Processing • Aplicações do diagrama de cromaticidade: • Medir o comprimento de onda domiante e a pureza de qualquer cor obtida pela mistura das cores primárias x, y e z (através de fotómetros) • Definir gamutes de cores ( ou intervalos de cores) para diferentes dispositivos. • Comparar gamutes de cor entre vários dispositivos de exibição (monitor, filme, impressora) • O gamute da impressora é menor que do gamute do video, se quisermos uma reprodução exata da imagem de vídeo na impressora então o gamute de cores do video deve ser reduzido. • Nota: os fabricantes de monitor informam as coordenadas de cromaticidade do monitor. Ex: red -> x = 0.62 y = 0.33 • green -> x = 0.21 y = 0.685 • blue -> x = 0.15 y = 0.063
7. Color Image Processing • Modelos de Cor • O objetivo do modelo de cor é facilitar a especificação de cores em algum padrão. É uma especificação de um sistema de coordenadas 3D no qual cada cor é representada por um único ponto. • Modelo de cor RGB • No modelo RGB, cada cor aparece em suas componentes espectrais primárias verde, azul e vermelho. Este modelo é baseado no sistema de coordenadas Cartesianas
7. Color Image Processing O sub-espaço de interesse é o cubo mostrado abaixo. Neste modelo os níveis de cinza se estendem do preto para o branco na linha pontilhada que liga estes dois pontos. As cores são pontos dentro do cubo definidos por vetores que partem da origem. O cubo é normalizado tal que os valores R,G e B variam no intervalo entre [0,1].
7. Color Image Processing Imagens no modelo RGB constituem 3 planos diferentes um para cada cor primária. Em monitores RGB este três planos são combinados na tela de fósforo para produzir a imagem colorida.
7. Color Image Processing Em processamento digital de imagens o melhoramento (ou realce) de imagens coloridas no modelo RGB pode não apresentar resultados satisfatórios quando os 3 planos são processados independentemente uma vez que as intensidades em cada plano são alteradas diferentemente resultando numa alteração das intensidades relativas entre eles. (ex: equalização). Outros modelos de cor são mais adequados para o propósito de processamento.
7. Color Image Processing • Modelo de cor HSI – Hue, Saturation, Intensity • reflete a maneira como os seres humanos vêem a cor; • Separa a cor em cromaticidade e intensidade • oferece vantagens para métodos de processamento de imagens coloridas • Como transformar modelo RGB em HSI???
7. Color Image Processing Para determinar a componente de intensidade de qualquer cor basta passar um plano perpendicular ao eixo de intensidade contendo o ponto da cor de interesse. A intensidade varia no intervalo de 0 a 1 e a saturação da cor aumenta à medida que aumenta a distancia do eixo de intensidade (saturação no eixo de intensidade é zero uma vez que todos os pontos neste eixo é cinza). Todos os pontos contidos no segmento de plano definidos pelo eixo de intensidade e pelos limites do cubo têm a mesma matiz (cyan). Rotacionando o plano sobre o eixo de intensidade podemos obter diferentes matizes
7. Color Image Processing O espaço HSI consiste de um eixo de intensidade vertical e um plano perpendicular com este eixo. À medida que o plano move para cima e para baixo em relação ao eixo de intensidade, a intersecção do plano com as faces do cubo tem a forma de triângulo ou hexágono.
7. Color Image Processing • Neste plano as cores primária são separadas entre si por um ângulo de 120o e das cores secundária por 60o. • Componentes HSI de um ponto de cor: • H é determinado pelo ângulo a partir um ponto de referencia ( em geral eixo vermelho). • S é determinado pelo tamanho do vetor. • - I pela posição do plano em relação ao eixo de intensidade.
7. Color Image Processing Modelo HSI baseado em planos triangulares e circulares. Note que dependendo do deslocamento do plano com relação ao eixo de intensidade, altera apenas o brilho, mantendo a cromaticidade.
7. Color Image Processing Conversão de cores do modelo RGB para HSI Dada uma imagem em RGB com valores normalizados em [0,1] e que H seja medido com relação ao eixo Red do espaço HSI, as componentes H, S e I de cada pixel RGB são obtidos pelas equações: se B G H = 360o – se B > G Para normalizar H basta dividir o resultado por 360o. Se S = 0 então H não está definido ( não há matiz no eixo de intensidade)
7. Color Image Processing Conversão de HSI para RGB Dados os valores de HSI no intervalo [0,1]. A conversão leva em conta três setores de interesse. A conversão começa multiplicando H por 360o para retornar ao intervalo original [0o,360o]. Setor RG ( 0o <= H < 120o): Setor GB (120o <= H < 240o): H = H – 120o Setor BR (240o <= H < 360o): H = H – 240o
7. Color Image Processing Os valores r, g e b são normalizados de acordo com o plano de normalização. Para obter R a partir de r, temos que: r = R/(R+G+B), então , mas O mesmo vale para G e B:
7. Color Image Processing • Técnicas de processamento de imagens coloridas: • Transformação de cores – trabalha com o processamento dos pixels de cada plano de cor baseando-se apenas em seus valores • b) Filtragem espacial usando planos de cores individuiais – trabalha com filtragem espacial (basendo-se numa vizinhança) de planos de cores individuais
7. Color Image Processing a) Tranformações de Cores - Transformação de imagem colorida em imagem colorida (transformação full-color): Onde ri e si são componentes de cor das imagens de entrada e saida, n é a dimensão (nro de componentes) do espaço de cor ri e Ti é a função de transformação. - Transformação de imagem monocromática em imagem colorida ( transformação pseudo coloração) Onde r denota os níveis de cinza da imagem de entrada, n é o nro de componentes de si
7. Color Image Processing Processamento de imagens pseudo-color - quando uma imagem é representada no espaço de cor RGB e as suas componentes são mapeadas independentemente a transformação resulta em uma imagem pseudo-colorida na qual os níveis de cinza foram substituídos por cores arbitrárias. Este tipo de transformação é útil porque o olho humano pode distinguir entre entre milhões de cores mas relativamente poucos níveis de cinza. Mapeamentos para pseudo-coloração são úteis para tornar pequenas mudanças em níveis de cinza visíveis para o olho humano ou para realçar importantes regiões representadas em níveis de cinza. O principal uso da pseudo-coloração é a visualização humana
7. Color Image Processing • Intensity slicing • - é uma das técnicas mais simples; • - se a imagem é vista como uma função de intensidade 2D, o método pode ser interpretado como a colocação de planos paralelos (slices) ao plano de coordenadas da imagem. • - diferentes cores são associadas aos pixels que estão acima e abaixo do plano de corte. • - a idéia de planos é útil para uma interpretação geométrica, mas podemos pensar em uma função que mapeia os níveis de cinza para uma dada cor.
7. Color Image Processing • Transformação de níveis de cinza para cor – a idéia por trás desta técnica é executar 3 transformações independentes sobre níveis de cinza dos pixels de uma imagem de entrada. • Cada cor é transformada independentemente e dedois alimentam um sistema que as combina formando uma cor (ex: monitor de tv colorido). • As funções de transformação neste caso são não lineares, o que torna o método mais flexível que o anterior.
7. Color Image Processing • Transformação de imagem colorida em imagem colorida • O uso de uma função de transformação pode ser aplicada a todos os componentes RGB, CMYK ou a componentes individuais
7. Color Image Processing • Transformação de cor - Modificando todas as componentes de uma imagem usando uma mesma função de transformação nos três modelos (RGB, HSI, CMYK)
7. Color Image Processing • Mapeamento inverso ou negativo – útil para realçar detalhes que estão contidos em regiões escuras da imagem, em particular quando estas regiões dominam a imagem em tamanho. • A imagem abaixo mostra os complementos das matizes
7. Color Image Processing Exemplos do uso de funções de transformação em imagens coloridas. Note que cada componente da imagem é mapeada pela função de transformação.
7. Color Image Processing • Balanceamento de cor ou correção de cor – permite mapear componentes de cor da imagem independentemente. • É um processamento importante no realce de fotos. • O desbalanceamento de cor ocorre quando uma imagem é adquirida e sensibilidades diferentes nos três canais de cor produzem uma transformação linear diferente nas três componentes da imagem durante a digitalização. O resultado é uma imagem com suas cores primárias sem balanceamento. • Embora o desbalanceamento de cor possa ser medido objetivamente, a percepção visual pode ser utilizada em cores conhecidas (em regiões brancas onde as componentes RGB ou CMYK deveriam ser iguais)
7. Color Image Processing • Equalização de hlistogramas – é um processamento que mapeia imagem em níveis de cinza produzindo um imagem cujo histograma apresenta intensidades uniformes (em teoria). • Como as imagens coloridas têm vários componentes, , a técnica em níveis de cinza deve ser modificada para trabalhar com cada componente e seu histograma associado. O processamento independente de cada cor resultará numa imagem com as cores modificadas. • A técnica mais lógica é modificar a intensidade da cor sem alterar a sua matiz. Para tanto a imagem é representada no espaço de cor HSI, a equalização realizada sobre a intensidade I, e o resultado convertido para RGB.
7. Color Image Processing • b) Filtragem espacial de imagens • Suavização de imagens coloridas – o processo é formulado da mesma maneira que para imagens em níveis de cinza, exceto que agora nós trabalhamos com vetores de valores e não mais com níveis de cinza. Cada componente do vetor é processada individualmente: onde K é o número de pixels definido pela vizinhança