Kafes Kirişler:

Segundo Gonzalez (2002), uma imagem pode ser definida como uma função bidimensional f(x,y) onde x e y são coordenadas espaciais. A amplitude de f em qualquer par de coordenadas (x,y) é chamada de intensidade ou nível de cinza da imagem naquele ponto. Uma imagem digital é aquela na qual os valores de x, y, e f são valores finitos e discretos.

2.4.1 O modelo de cores RGB (Red Green Blue)

De acordo com Gonzalez (2002), a retina possui três cones fotos-receptores que quando excitados nos proporcionam a visão colorida. O espaço de cor RGB do processo de visão do ser humano, na retina, onde a codificação da percepção não é eficiente, baseia-se nesta teoria, relacionando a cor a um primeiro estágio.

No modelo RGB cada cor aparece no formato de seu componente espectral primário de vermelho, verde e azul. O modelo é baseado no sistema de coordenadas cartesianas, no espaço

y

Ω

Ω

Ω

Ω

Π

Π

Π

Π

Π

N

N

N

N

N

Σ

R3. Neste modelo os pontos de escala de cinza são representados por valores iguais de RGB. O subespaço de cores é mostrado no cubo da Figura 5.

Figura 5 – Diagrama esquemático do cubo de cores RGB (GONZALEZ, 2002)

As cores diferentes neste modelo são pontos no cubo, definindo vetores a partir da origem até os pontos. Por uma questão de conveniência, os valores de cores estão normalizados, ou seja, os valores RGB variam no intervalo de [0,1].

Uma imagem representada pelo modelo de cores consiste de três componentes de imagens, uma para cada cor primária. Quando reproduzida em um monitor RGB, o olho combina os pontos de fósforo R, G e B na tela, produzindo uma imagem composta. O número de bits utilizado para representar cada pixel no espaço RGB é chamado de profundidade de pixel, conforme Gonzalez (2002).

2.4.2 Análise de textura

Não existe um consenso ou uma definição formal para textura, porém sua maior característica é a repetição de um padrão ou de vários padrões em uma região segundo Parker (1996). Uma definição mais relevante é um atributo representando um arranjo espacial de

G (0,1,0) R (1,0,0) B (0,0,1) Vermelho Azul Verde

níveis de cinza dos pixels em uma região conforme Castleman (1996 apud IEEE Standard 610.4). O padrão pode se repetir com exatidão ou com pequenas variações de tema, possivelmente em função da posição. Existe também um aspecto aleatório da textura que não pode ser ignorado, o tamanho, a forma, a cor e a orientação de elementos do padrão, também chamados de textons, podem variar na região. Algumas vezes, a diferença entre duas texturas está apenas no grau de variação ou na distribuição estatística entre os textons.

Textura é a propriedade possuída por uma região que seja suficientemente grande para demonstrar sua natureza recorrente. A mesma textura exibida em diferentes escalas será percebida como diferentes texturas. É improvável que qualquer operação de medida simples possa permitir a segmentação de regiões de textura em uma imagem digital. As linhas de divisão são freqüentemente arbitrárias e são definidas mais em função da percepção humana. Por outro lado, é possível que alguma combinação de operações possa resultar em segmentações razoavelmente boas para vários tipos de texturas de acordo com Parker (1996).

Quando se deseja medir a textura de uma imagem, deve-se quantificar a natureza da variação de nível de cinza em um objeto. O ruído eletrônico induzido por uma câmera e ruído de grão de filme são exemplos de ruídos aleatórios. Nestes casos a variação em nível de cinza no objeto não exibe um padrão reconhecível. As texturas aleatórias são mais comumente caracterizadas por propriedades estatísticas como o desvio padrão do nível de cinza para a medida da amplitude da textura e a largura da autocorrelação, para a medida do tamanho da textura.

Algumas vezes objetos diferem da imagem de fundo em textura, mas não em brilho médio. Neste caso a segmentação da imagem deve ser feita baseada na textura. Inicialmente constrói-se uma nova imagem onde o nível de cinza de cada pixel reflete alguma propriedade textural. A partir dessa nova imagem que agora difere em níveis de cinza pode-se realizar uma segmentação por métodos convencionais, segundo Castleman (1996).

Para uma dada imagem, a transformada de Fourier em duas dimensões contém informações completas sobre a sua textura. Isso pode ser útil para derivar características texturais do espectro como do objeto em si, conforme Castleman (1996).

2.4.3 Matriz de co-ocorrência de níveis de cinza

Uma matriz de co-ocorrência de níveis de cinza (GLCM – gray level co-occurrence matrix) contém informações sobre as posições de pixels que têm valores similares de níveis de cinza. A idéia é percorrer a imagem e calcular a freqüência de pixels que diferem em valor e são separados por uma distância fixa δ em posição. Normalmente, a direção entre dois pixels é também considerada havendo, portanto, múltiplas matrizes, uma para cada direção de interesse. Usualmente, existem quatro direções: horizontal, vertical e as duas diagonais. Para cada valor de δ, existem quatro imagens, cada uma com um tamanho de 256 x 256, para uma imagem original de 256 níveis de cinza. Devido a grande quantidade de dados, o mais usual é analisar essas matrizes e calcular alguns valores numéricos que encapsulam a informação, chamados de descritores, segundo Parker (1996). Um descritor de textura é um valor, calculado a partir da imagem de um objeto, que quantifica alguma característica da variação do nível de cinza de um objeto, conforme Castleman (1996).

A entropia pode ser usada como descritor numérico de textura para a imagem e é mostrada na Equação 6, que é a medida de informação contida na matriz M (PARKER, 1996).

∑

∑

Outros descritores de textura importantes são: contraste que mede a variação local na matriz de co-ocorrência de níveis de cinza, a homogeneidade que mede a distância entre os elementos da matriz de co-ocorrência de níveis de cinza e sua diagonal e a energia que mede o segundo momento angular da imagem (PARKER, 1996).

2.4.4 Filtro de mediana

O filtro de mediana utiliza uma técnica de filtragem não linear, reduz o ruído aleatório sem prejudicar excessivamente os flancos da imagem, sendo comparáveis a filtros lineares passa-baixas, de acordo com Castleman (1996).