View
541
Download
0
Category
Preview:
Citation preview
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Decision Based Adaptive Median FilterProcessamento Digital de Imagens
A. Felix :: M. Alves :: W. Machado
Centro de Pesquisa em Matemática ComputacionalUniversidade Federal de Alagoas, Campus A. C. SimõesTabuleiro do Martins - Maceió - AL, CEP: 57072-970Docente Responsável: Prof. Dr. Alejandro C. Frery
{afdlf2,michel.mas,wylken.ufal}@gmail.com
07 de Dezembro 2010
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.2 O Filtro da Mediana.3 O Filtro da Mediana Adaptativo.4 Decision Based Adaptive Median Filter.5 Um Algoritmo em Dois Estágios.6 Primeiro Estágio - Detecção de Ruído.7 Segundo Estágio - Filtragem.8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.2 O Filtro da Mediana.3 O Filtro da Mediana Adaptativo.4 Decision Based Adaptive Median Filter.5 Um Algoritmo em Dois Estágios.6 Primeiro Estágio - Detecção de Ruído.7 Segundo Estágio - Filtragem.8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.2 O Filtro da Mediana.3 O Filtro da Mediana Adaptativo.4 Decision Based Adaptive Median Filter.5 Um Algoritmo em Dois Estágios.6 Primeiro Estágio - Detecção de Ruído.7 Segundo Estágio - Filtragem.8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.2 O Filtro da Mediana.3 O Filtro da Mediana Adaptativo.4 Decision Based Adaptive Median Filter.5 Um Algoritmo em Dois Estágios.6 Primeiro Estágio - Detecção de Ruído.7 Segundo Estágio - Filtragem.8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.2 O Filtro da Mediana.3 O Filtro da Mediana Adaptativo.4 Decision Based Adaptive Median Filter.5 Um Algoritmo em Dois Estágios.6 Primeiro Estágio - Detecção de Ruído.7 Segundo Estágio - Filtragem.8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.2 O Filtro da Mediana.3 O Filtro da Mediana Adaptativo.4 Decision Based Adaptive Median Filter.5 Um Algoritmo em Dois Estágios.6 Primeiro Estágio - Detecção de Ruído.7 Segundo Estágio - Filtragem.8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.2 O Filtro da Mediana.3 O Filtro da Mediana Adaptativo.4 Decision Based Adaptive Median Filter.5 Um Algoritmo em Dois Estágios.6 Primeiro Estágio - Detecção de Ruído.7 Segundo Estágio - Filtragem.8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.2 O Filtro da Mediana.3 O Filtro da Mediana Adaptativo.4 Decision Based Adaptive Median Filter.5 Um Algoritmo em Dois Estágios.6 Primeiro Estágio - Detecção de Ruído.7 Segundo Estágio - Filtragem.8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.2 O Filtro da Mediana.3 O Filtro da Mediana Adaptativo.4 Decision Based Adaptive Median Filter.5 Um Algoritmo em Dois Estágios.6 Primeiro Estágio - Detecção de Ruído.7 Segundo Estágio - Filtragem.8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Introdução
Introdução
Motivação
O Trabalho EscolhidoO Que é Ruído Impulsivo?
Imagens Degradadas com Ruído
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Introdução
Introdução
Motivação
O Trabalho EscolhidoO Que é Ruído Impulsivo?
Imagens Degradadas com Ruído
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Introdução
Introdução
Motivação
O Trabalho EscolhidoO Que é Ruído Impulsivo?
Imagens Degradadas com Ruído
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Introdução
Introdução
Motivação
O Trabalho EscolhidoO Que é Ruído Impulsivo?
Imagens Degradadas com Ruído
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Introdução
Introdução
Motivação
O Trabalho EscolhidoO Que é Ruído Impulsivo?
Imagens Degradadas com Ruído
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Motivação
Muitas vezes o processo de aquisição deimagens pode apresentar falhas.
Essas falhas possuem diversas origens:Erros de transmissão;Mal funcionamento dos sensores do aparelho;Falhas na alocação de memória do aparelho;Erros de “timing” na conversão analógico-digital;Entre outras.
O processo de aquisição pode ser caro e repetí-lo podenão ser vantajoso devido ao custo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Motivação
Muitas vezes o processo de aquisição deimagens pode apresentar falhas.
Essas falhas possuem diversas origens:Erros de transmissão;Mal funcionamento dos sensores do aparelho;Falhas na alocação de memória do aparelho;Erros de “timing” na conversão analógico-digital;Entre outras.
O processo de aquisição pode ser caro e repetí-lo podenão ser vantajoso devido ao custo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Motivação
Muitas vezes o processo de aquisição deimagens pode apresentar falhas.
Essas falhas possuem diversas origens:Erros de transmissão;Mal funcionamento dos sensores do aparelho;Falhas na alocação de memória do aparelho;Erros de “timing” na conversão analógico-digital;Entre outras.
O processo de aquisição pode ser caro e repetí-lo podenão ser vantajoso devido ao custo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Motivação
Muitas vezes o processo de aquisição deimagens pode apresentar falhas.
Essas falhas possuem diversas origens:Erros de transmissão;Mal funcionamento dos sensores do aparelho;Falhas na alocação de memória do aparelho;Erros de “timing” na conversão analógico-digital;Entre outras.
O processo de aquisição pode ser caro e repetí-lo podenão ser vantajoso devido ao custo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Motivação
Muitas vezes o processo de aquisição deimagens pode apresentar falhas.
Essas falhas possuem diversas origens:Erros de transmissão;Mal funcionamento dos sensores do aparelho;Falhas na alocação de memória do aparelho;Erros de “timing” na conversão analógico-digital;Entre outras.
O processo de aquisição pode ser caro e repetí-lo podenão ser vantajoso devido ao custo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Motivação
Muitas vezes o processo de aquisição deimagens pode apresentar falhas.
Essas falhas possuem diversas origens:Erros de transmissão;Mal funcionamento dos sensores do aparelho;Falhas na alocação de memória do aparelho;Erros de “timing” na conversão analógico-digital;Entre outras.
O processo de aquisição pode ser caro e repetí-lo podenão ser vantajoso devido ao custo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Motivação
Muitas vezes o processo de aquisição deimagens pode apresentar falhas.
Essas falhas possuem diversas origens:Erros de transmissão;Mal funcionamento dos sensores do aparelho;Falhas na alocação de memória do aparelho;Erros de “timing” na conversão analógico-digital;Entre outras.
O processo de aquisição pode ser caro e repetí-lo podenão ser vantajoso devido ao custo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Motivação
Muitas vezes o processo de aquisição deimagens pode apresentar falhas.
Essas falhas possuem diversas origens:Erros de transmissão;Mal funcionamento dos sensores do aparelho;Falhas na alocação de memória do aparelho;Erros de “timing” na conversão analógico-digital;Entre outras.
O processo de aquisição pode ser caro e repetí-lo podenão ser vantajoso devido ao custo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Trabalho Escolhido
Nesta apresentação iremos exibir e discutir osresultados do trabalho intitulado:
Decision Based Adaptive Median Filter toRemove Blotches, Scratches, Streaks, Stripes
and Impulsive Noise in Images.
IEEE 17th International Conference on ImageProcessing.
V. R. Vijaykumar, P. Jothibasu, Departament of ECE,Anna University Coimbatore, Coimbatore, TamilNadu,
India.Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Trabalho Escolhido
Nesta apresentação iremos exibir e discutir osresultados do trabalho intitulado:
Decision Based Adaptive Median Filter toRemove Blotches, Scratches, Streaks, Stripes
and Impulsive Noise in Images.
IEEE 17th International Conference on ImageProcessing.
V. R. Vijaykumar, P. Jothibasu, Departament of ECE,Anna University Coimbatore, Coimbatore, TamilNadu,
India.Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Trabalho Escolhido
Nesta apresentação iremos exibir e discutir osresultados do trabalho intitulado:
Decision Based Adaptive Median Filter toRemove Blotches, Scratches, Streaks, Stripes
and Impulsive Noise in Images.
IEEE 17th International Conference on ImageProcessing.
V. R. Vijaykumar, P. Jothibasu, Departament of ECE,Anna University Coimbatore, Coimbatore, TamilNadu,
India.Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Trabalho Escolhido
Nesta apresentação iremos exibir e discutir osresultados do trabalho intitulado:
Decision Based Adaptive Median Filter toRemove Blotches, Scratches, Streaks, Stripes
and Impulsive Noise in Images.
IEEE 17th International Conference on ImageProcessing.
V. R. Vijaykumar, P. Jothibasu, Departament of ECE,Anna University Coimbatore, Coimbatore, TamilNadu,
India.Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Localização
Anna University Coimbatore
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Interpretação Física de Ruído
Vamos Deixar Claros Alguns Conceitos
O Que é Ruído?
No âmbito das telecomunicações e do dispositivoseletrônicos, em geral, considera-se ruído a todas asperturbações elétricas que interferem sobre os sinais
transmitidos ou processados.
As origens do ruído são múltiplas:
tempestades elétricas com relâmpagos e raios, manchassolares, radiação produzida por microondas, etc.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Interpretação Física de Ruído
Vamos Deixar Claros Alguns Conceitos
O Que é Ruído?
No âmbito das telecomunicações e do dispositivoseletrônicos, em geral, considera-se ruído a todas asperturbações elétricas que interferem sobre os sinais
transmitidos ou processados.
As origens do ruído são múltiplas:
tempestades elétricas com relâmpagos e raios, manchassolares, radiação produzida por microondas, etc.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Interpretação Física de Ruído
Vamos Deixar Claros Alguns Conceitos
O Que é Ruído?
No âmbito das telecomunicações e do dispositivoseletrônicos, em geral, considera-se ruído a todas asperturbações elétricas que interferem sobre os sinais
transmitidos ou processados.
As origens do ruído são múltiplas:
tempestades elétricas com relâmpagos e raios, manchassolares, radiação produzida por microondas, etc.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Interpretação Física de Ruído
Vamos Deixar Claros Alguns Conceitos
O Que é Ruído?
No âmbito das telecomunicações e do dispositivoseletrônicos, em geral, considera-se ruído a todas asperturbações elétricas que interferem sobre os sinais
transmitidos ou processados.
As origens do ruído são múltiplas:
tempestades elétricas com relâmpagos e raios, manchassolares, radiação produzida por microondas, etc.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Interpretação Física de Ruído
Vamos Deixar Claros Alguns Conceitos
O Que é Ruído?
No âmbito das telecomunicações e do dispositivoseletrônicos, em geral, considera-se ruído a todas asperturbações elétricas que interferem sobre os sinais
transmitidos ou processados.
As origens do ruído são múltiplas:
tempestades elétricas com relâmpagos e raios, manchassolares, radiação produzida por microondas, etc.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ruído Impulsivo
O Que é Ruído Impulsivo?
O ruído impulsivo é aquele cuja intensidade aumentabruscamente durante um impulso.
A duração deste impulso é breve em comparação com otempo que decorre entre um impulso e outro.
Incide fundamentalmente na transmissão dos dados edeve-se basicamente a fortes induções consequências
de comutações eletromagnéticas.
Pode ser descrito matematicamente pela funçãoimpulso ou delta de Dirac.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ruído Impulsivo
O Que é Ruído Impulsivo?
O ruído impulsivo é aquele cuja intensidade aumentabruscamente durante um impulso.
A duração deste impulso é breve em comparação com otempo que decorre entre um impulso e outro.
Incide fundamentalmente na transmissão dos dados edeve-se basicamente a fortes induções consequências
de comutações eletromagnéticas.
Pode ser descrito matematicamente pela funçãoimpulso ou delta de Dirac.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ruído Impulsivo
O Que é Ruído Impulsivo?
O ruído impulsivo é aquele cuja intensidade aumentabruscamente durante um impulso.
A duração deste impulso é breve em comparação com otempo que decorre entre um impulso e outro.
Incide fundamentalmente na transmissão dos dados edeve-se basicamente a fortes induções consequências
de comutações eletromagnéticas.
Pode ser descrito matematicamente pela funçãoimpulso ou delta de Dirac.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ruído Impulsivo
O Que é Ruído Impulsivo?
O ruído impulsivo é aquele cuja intensidade aumentabruscamente durante um impulso.
A duração deste impulso é breve em comparação com otempo que decorre entre um impulso e outro.
Incide fundamentalmente na transmissão dos dados edeve-se basicamente a fortes induções consequências
de comutações eletromagnéticas.
Pode ser descrito matematicamente pela funçãoimpulso ou delta de Dirac.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ruído Impulsivo
O Que é Ruído Impulsivo?
O ruído impulsivo é aquele cuja intensidade aumentabruscamente durante um impulso.
A duração deste impulso é breve em comparação com otempo que decorre entre um impulso e outro.
Incide fundamentalmente na transmissão dos dados edeve-se basicamente a fortes induções consequências
de comutações eletromagnéticas.
Pode ser descrito matematicamente pela funçãoimpulso ou delta de Dirac.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Imagens Degradadas
Alguns Exemplos de Ruído
Figura: Imagens degradadas por diferentes tipos de ruído. Da esquerdapara direita temos: ruído impulsivo, ruído gaussiano aditivo e ruídomultiplicativo. Degradações obtidas de “Lena”, 512x512, 8bits/pixel.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Imagem Contaminada com Ruído Impulsivo
Figura: Exemplo de imagem distorcida, corrompida ou contaminada. (A)Imagem original “Lena”, 512x512, 8bits/pixel; (B) Imagem contaminada
com ruído impulsivo “salt-and-pepper”.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana
O Filtro da MedianaO Filtro da Mediana Clássico
Características do Filtro
Exemplificando o Uso
Resultados Obtidos
Codificação em R
Vídeos: Ruído Salt-and-Pepper & Filtro MedianoBacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana
O Filtro da MedianaO Filtro da Mediana Clássico
Características do Filtro
Exemplificando o Uso
Resultados Obtidos
Codificação em R
Vídeos: Ruído Salt-and-Pepper & Filtro MedianoBacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana
O Filtro da MedianaO Filtro da Mediana Clássico
Características do Filtro
Exemplificando o Uso
Resultados Obtidos
Codificação em R
Vídeos: Ruído Salt-and-Pepper & Filtro MedianoBacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana
O Filtro da MedianaO Filtro da Mediana Clássico
Características do Filtro
Exemplificando o Uso
Resultados Obtidos
Codificação em R
Vídeos: Ruído Salt-and-Pepper & Filtro MedianoBacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana
O Filtro da MedianaO Filtro da Mediana Clássico
Características do Filtro
Exemplificando o Uso
Resultados Obtidos
Codificação em R
Vídeos: Ruído Salt-and-Pepper & Filtro MedianoBacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana
O Filtro da MedianaO Filtro da Mediana Clássico
Características do Filtro
Exemplificando o Uso
Resultados Obtidos
Codificação em R
Vídeos: Ruído Salt-and-Pepper & Filtro MedianoBacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana
O Filtro da MedianaO Filtro da Mediana Clássico
Características do Filtro
Exemplificando o Uso
Resultados Obtidos
Codificação em R
Vídeos: Ruído Salt-and-Pepper & Filtro MedianoBacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Clássico
Usando a abordagem de janelas deslizantes
Admitindo amostra de dimensão B × B:
O novo valor do pixel central da amostra contidadentro do bloco de dimensão B × B será dado pelovalor mediano dos pixels presentes na amostra.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Clássico
Usando a abordagem de janelas deslizantes
Admitindo amostra de dimensão B × B:
O novo valor do pixel central da amostra contidadentro do bloco de dimensão B × B será dado pelovalor mediano dos pixels presentes na amostra.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Clássico
Usando a abordagem de janelas deslizantes
Admitindo amostra de dimensão B × B:
O novo valor do pixel central da amostra contidadentro do bloco de dimensão B × B será dado pelovalor mediano dos pixels presentes na amostra.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Características do Filtro da Mediana
Filtro não convolucional e não linear.Elimina informações indesejáveis ao mesmo tempoque preserva bordas;Freqüentemente escolhido para suavizar imagensque apresentam ruídos conhecidos como“sal-e-pimenta”;Menos eficiente do que o filtro da média paracombater o ruído gaussiano aditivo;Caso particular dos filtros estatísticos de ordem;Possui certa complexidade, pois envolve ordenação.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Características do Filtro da Mediana
Filtro não convolucional e não linear.Elimina informações indesejáveis ao mesmo tempoque preserva bordas;Freqüentemente escolhido para suavizar imagensque apresentam ruídos conhecidos como“sal-e-pimenta”;Menos eficiente do que o filtro da média paracombater o ruído gaussiano aditivo;Caso particular dos filtros estatísticos de ordem;Possui certa complexidade, pois envolve ordenação.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Características do Filtro da Mediana
Filtro não convolucional e não linear.Elimina informações indesejáveis ao mesmo tempoque preserva bordas;Freqüentemente escolhido para suavizar imagensque apresentam ruídos conhecidos como“sal-e-pimenta”;Menos eficiente do que o filtro da média paracombater o ruído gaussiano aditivo;Caso particular dos filtros estatísticos de ordem;Possui certa complexidade, pois envolve ordenação.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Características do Filtro da Mediana
Filtro não convolucional e não linear.Elimina informações indesejáveis ao mesmo tempoque preserva bordas;Freqüentemente escolhido para suavizar imagensque apresentam ruídos conhecidos como“sal-e-pimenta”;Menos eficiente do que o filtro da média paracombater o ruído gaussiano aditivo;Caso particular dos filtros estatísticos de ordem;Possui certa complexidade, pois envolve ordenação.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Características do Filtro da Mediana
Filtro não convolucional e não linear.Elimina informações indesejáveis ao mesmo tempoque preserva bordas;Freqüentemente escolhido para suavizar imagensque apresentam ruídos conhecidos como“sal-e-pimenta”;Menos eficiente do que o filtro da média paracombater o ruído gaussiano aditivo;Caso particular dos filtros estatísticos de ordem;Possui certa complexidade, pois envolve ordenação.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Características do Filtro da Mediana
Filtro não convolucional e não linear.Elimina informações indesejáveis ao mesmo tempoque preserva bordas;Freqüentemente escolhido para suavizar imagensque apresentam ruídos conhecidos como“sal-e-pimenta”;Menos eficiente do que o filtro da média paracombater o ruído gaussiano aditivo;Caso particular dos filtros estatísticos de ordem;Possui certa complexidade, pois envolve ordenação.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Características do Filtro da Mediana
Filtro não convolucional e não linear.Elimina informações indesejáveis ao mesmo tempoque preserva bordas;Freqüentemente escolhido para suavizar imagensque apresentam ruídos conhecidos como“sal-e-pimenta”;Menos eficiente do que o filtro da média paracombater o ruído gaussiano aditivo;Caso particular dos filtros estatísticos de ordem;Possui certa complexidade, pois envolve ordenação.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Exemplificando o Uso
Exemplificando o Uso do Filtro da Mediana
Tomemos a Seguinte Amostra
A =
25 32 2926 99 2724 32 29
Ordenando os valores da matriz A teremos:
Sort(A) = {24, 25, 26, 27, 29, 29, 32, 32, 99}
A mediana da matriz A seria: Median(A) = 29Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Exemplificando o Uso
Exemplificando o Uso do Filtro da Mediana
Tomemos a Seguinte Amostra
A =
25 32 2926 99 2724 32 29
Ordenando os valores da matriz A teremos:
Sort(A) = {24, 25, 26, 27, 29, 29, 32, 32, 99}
A mediana da matriz A seria: Median(A) = 29Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Exemplificando o Uso
Exemplificando o Uso do Filtro da Mediana
Tomemos a Seguinte Amostra
A =
25 32 2926 99 2724 32 29
Ordenando os valores da matriz A teremos:
Sort(A) = {24, 25, 26, 27, 29, 29, 32, 32, 99}
A mediana da matriz A seria: Median(A) = 29Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Exemplificando o Uso
Exemplificando o Uso do Filtro da Mediana
Tomemos a Seguinte Amostra
A =
25 32 2926 99 2724 32 29
Ordenando os valores da matriz A teremos:
Sort(A) = {24, 25, 26, 27, 29, 29, 32, 32, 99}
A mediana da matriz A seria: Median(A) = 29Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Exemplificando o Uso
Exemplificando o Uso do Filtro da Mediana
Tomemos a Seguinte Amostra
A =
25 32 2926 99 2724 32 29
Ordenando os valores da matriz A teremos:
Sort(A) = {24, 25, 26, 27, 29, 29, 32, 32, 99}
A mediana da matriz A seria: Median(A) = 29Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados Obtidos
Resultados Obtidos com o Filtro da Mediana.
Figura: Imagem contaminada com 10% de ruído “salt-and-pepper”.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação em R
Para contaminar imagens com ruído impulsivo“salt-and-pepper” a plataforma R disponibiliza
a função imgSaltPepperNoise.� �1 # A p l i c a n d o r u i d o s a l −e−pimenta a 10%2 myimg . n o i s e <− imgSa l tPeppe rNo i s e (myimg , 10)� �
Para filtrar imagens utilizando a mediana aplataforma R disponibiliza a função
imgBlockMedianFilter.� �1 # A p l i c a n d o o f i l t r o da mediana com j a n e l a 5 x52 myimg . f i l t e r e d <− imgB l o ckMed i anF i l t e r (myimg . no i s e , 5)� �
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação em R
Para contaminar imagens com ruído impulsivo“salt-and-pepper” a plataforma R disponibiliza
a função imgSaltPepperNoise.� �1 # A p l i c a n d o r u i d o s a l −e−pimenta a 10%2 myimg . n o i s e <− imgSa l tPeppe rNo i s e (myimg , 10)� �
Para filtrar imagens utilizando a mediana aplataforma R disponibiliza a função
imgBlockMedianFilter.� �1 # A p l i c a n d o o f i l t r o da mediana com j a n e l a 5 x52 myimg . f i l t e r e d <− imgB l o ckMed i anF i l t e r (myimg . no i s e , 5)� �
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação em R
Para contaminar imagens com ruído impulsivo“salt-and-pepper” a plataforma R disponibiliza
a função imgSaltPepperNoise.� �1 # A p l i c a n d o r u i d o s a l −e−pimenta a 10%2 myimg . n o i s e <− imgSa l tPeppe rNo i s e (myimg , 10)� �
Para filtrar imagens utilizando a mediana aplataforma R disponibiliza a função
imgBlockMedianFilter.� �1 # A p l i c a n d o o f i l t r o da mediana com j a n e l a 5 x52 myimg . f i l t e r e d <− imgB l o ckMed i anF i l t e r (myimg . no i s e , 5)� �
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação em R
Para contaminar imagens com ruído impulsivo“salt-and-pepper” a plataforma R disponibiliza
a função imgSaltPepperNoise.� �1 # A p l i c a n d o r u i d o s a l −e−pimenta a 10%2 myimg . n o i s e <− imgSa l tPeppe rNo i s e (myimg , 10)� �
Para filtrar imagens utilizando a mediana aplataforma R disponibiliza a função
imgBlockMedianFilter.� �1 # A p l i c a n d o o f i l t r o da mediana com j a n e l a 5 x52 myimg . f i l t e r e d <− imgB l o ckMed i anF i l t e r (myimg . no i s e , 5)� �
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação em R
Para contaminar imagens com ruído impulsivo“salt-and-pepper” a plataforma R disponibiliza
a função imgSaltPepperNoise.� �1 # A p l i c a n d o r u i d o s a l −e−pimenta a 10%2 myimg . n o i s e <− imgSa l tPeppe rNo i s e (myimg , 10)� �
Para filtrar imagens utilizando a mediana aplataforma R disponibiliza a função
imgBlockMedianFilter.� �1 # A p l i c a n d o o f i l t r o da mediana com j a n e l a 5 x52 myimg . f i l t e r e d <− imgB l o ckMed i anF i l t e r (myimg . no i s e , 5)� �
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ruído Salt-and-Pepper
Gerando Ruído Salt-and-Pepper em R
PLAY
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Exibindo Resultados do Filtro da Mediana
Vídeos Exibindo Resultados do Filtro
PLAY
PLAY
PLAY
PLAY
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
O Filtro da Mediana AdaptativoModus Operandi
Características do Filtro
Resultados Obtidos
Pseudo-Codificação do Filtro Adaptativo
O Filtro da Mediana Adaptativo em Ação
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
O Filtro da Mediana AdaptativoModus Operandi
Características do Filtro
Resultados Obtidos
Pseudo-Codificação do Filtro Adaptativo
O Filtro da Mediana Adaptativo em Ação
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
O Filtro da Mediana AdaptativoModus Operandi
Características do Filtro
Resultados Obtidos
Pseudo-Codificação do Filtro Adaptativo
O Filtro da Mediana Adaptativo em Ação
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
O Filtro da Mediana AdaptativoModus Operandi
Características do Filtro
Resultados Obtidos
Pseudo-Codificação do Filtro Adaptativo
O Filtro da Mediana Adaptativo em Ação
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
O Filtro da Mediana AdaptativoModus Operandi
Características do Filtro
Resultados Obtidos
Pseudo-Codificação do Filtro Adaptativo
O Filtro da Mediana Adaptativo em Ação
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
O Filtro da Mediana AdaptativoModus Operandi
Características do Filtro
Resultados Obtidos
Pseudo-Codificação do Filtro Adaptativo
O Filtro da Mediana Adaptativo em Ação
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
Usando a abordagem de janelas deslizantes
Admitindo uma amostra inicial de dimensão B × B:
O novo valor do pixel central será o mediano dos pixels presentesna amostra. Caso a amostra não atenda a alguns critérios de
seleção então, a mesma será expandida.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
Usando a abordagem de janelas deslizantes
Admitindo uma amostra inicial de dimensão B × B:
O novo valor do pixel central será o mediano dos pixels presentesna amostra. Caso a amostra não atenda a alguns critérios de
seleção então, a mesma será expandida.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
Usando a abordagem de janelas deslizantes
Admitindo uma amostra inicial de dimensão B × B:
O novo valor do pixel central será o mediano dos pixels presentesna amostra. Caso a amostra não atenda a alguns critérios de
seleção então, a mesma será expandida.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Filtro da Mediana Adaptativo
Classifica pixels através de comparação de seus valores com osvalores dos demais em uma certa vizinhança. Pixels nãoalinhados estruturalmente são rotulados como ruído, poisdiferem da maioria de seus vizinhos;O tamanho da vizinhança é ajustável;Repetidas aplicações não erodem longas bordas ou pequenasestruturas da imagem;Lida melhor com ruídos impulsivos, a uma taxa maior que20%, do que o filtro mediano clássico;Preserva detalhes e suaviza outros tipos de ruído nãoimpulsivo;Reduz distorções como “thinning” ou “thickening” excessivonas bordas dos objetos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Filtro da Mediana Adaptativo
Classifica pixels através de comparação de seus valores com osvalores dos demais em uma certa vizinhança. Pixels nãoalinhados estruturalmente são rotulados como ruído, poisdiferem da maioria de seus vizinhos;O tamanho da vizinhança é ajustável;Repetidas aplicações não erodem longas bordas ou pequenasestruturas da imagem;Lida melhor com ruídos impulsivos, a uma taxa maior que20%, do que o filtro mediano clássico;Preserva detalhes e suaviza outros tipos de ruído nãoimpulsivo;Reduz distorções como “thinning” ou “thickening” excessivonas bordas dos objetos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Filtro da Mediana Adaptativo
Classifica pixels através de comparação de seus valores com osvalores dos demais em uma certa vizinhança. Pixels nãoalinhados estruturalmente são rotulados como ruído, poisdiferem da maioria de seus vizinhos;O tamanho da vizinhança é ajustável;Repetidas aplicações não erodem longas bordas ou pequenasestruturas da imagem;Lida melhor com ruídos impulsivos, a uma taxa maior que20%, do que o filtro mediano clássico;Preserva detalhes e suaviza outros tipos de ruído nãoimpulsivo;Reduz distorções como “thinning” ou “thickening” excessivonas bordas dos objetos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Filtro da Mediana Adaptativo
Classifica pixels através de comparação de seus valores com osvalores dos demais em uma certa vizinhança. Pixels nãoalinhados estruturalmente são rotulados como ruído, poisdiferem da maioria de seus vizinhos;O tamanho da vizinhança é ajustável;Repetidas aplicações não erodem longas bordas ou pequenasestruturas da imagem;Lida melhor com ruídos impulsivos, a uma taxa maior que20%, do que o filtro mediano clássico;Preserva detalhes e suaviza outros tipos de ruído nãoimpulsivo;Reduz distorções como “thinning” ou “thickening” excessivonas bordas dos objetos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Filtro da Mediana Adaptativo
Classifica pixels através de comparação de seus valores com osvalores dos demais em uma certa vizinhança. Pixels nãoalinhados estruturalmente são rotulados como ruído, poisdiferem da maioria de seus vizinhos;O tamanho da vizinhança é ajustável;Repetidas aplicações não erodem longas bordas ou pequenasestruturas da imagem;Lida melhor com ruídos impulsivos, a uma taxa maior que20%, do que o filtro mediano clássico;Preserva detalhes e suaviza outros tipos de ruído nãoimpulsivo;Reduz distorções como “thinning” ou “thickening” excessivonas bordas dos objetos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Filtro da Mediana Adaptativo
Classifica pixels através de comparação de seus valores com osvalores dos demais em uma certa vizinhança. Pixels nãoalinhados estruturalmente são rotulados como ruído, poisdiferem da maioria de seus vizinhos;O tamanho da vizinhança é ajustável;Repetidas aplicações não erodem longas bordas ou pequenasestruturas da imagem;Lida melhor com ruídos impulsivos, a uma taxa maior que20%, do que o filtro mediano clássico;Preserva detalhes e suaviza outros tipos de ruído nãoimpulsivo;Reduz distorções como “thinning” ou “thickening” excessivonas bordas dos objetos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Filtro da Mediana Adaptativo
Classifica pixels através de comparação de seus valores com osvalores dos demais em uma certa vizinhança. Pixels nãoalinhados estruturalmente são rotulados como ruído, poisdiferem da maioria de seus vizinhos;O tamanho da vizinhança é ajustável;Repetidas aplicações não erodem longas bordas ou pequenasestruturas da imagem;Lida melhor com ruídos impulsivos, a uma taxa maior que20%, do que o filtro mediano clássico;Preserva detalhes e suaviza outros tipos de ruído nãoimpulsivo;Reduz distorções como “thinning” ou “thickening” excessivonas bordas dos objetos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados Obtidos
Filtro da Mediana Adaptativo
Figura: Imagem contaminada com ruído impulsivo e filtrada com janela 3x3.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Pseudo-Codificação
Pseudo-Codificação do Filtro Adaptativo.� �1 Enquanto <Imagem não chegar ao final> Execute :2 // N i v e l A3 Obtenha : Uma amostra Sxy de tamanho Ssize4 Obtenha : Zmin, Zmax , Zmed , Zxy5 Ava l i e : A1 = Zmed − Zmin e A2 = Zmed − Zmax6 Se (A1 > 0 E A2 < 0)7 Entao Vá para o Nível B8 I n i c i o9 // N i v e l B
10 Ava l i e : B1 = Zxy − Zmin e B2 = Zxy − Zmax11 Se (B1 > 0 E B2 < 0) Entao Esc r eva Zxy Senao Esc r eva Zmed12 Fim13 Senao14 I n i c i o15 Incremente o tamanho da janela de amostragem Sxy16 Se (Ssize < Smax ) Entao Repita o Nível A Senao Esc r eva Zxy17 Fim18 Fim .� �
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Pseudo-Codificação
Pseudo-Codificação do Filtro Adaptativo.� �1 Enquanto <Imagem não chegar ao final> Execute :2 // N i v e l A3 Obtenha : Uma amostra Sxy de tamanho Ssize4 Obtenha : Zmin, Zmax , Zmed , Zxy5 Ava l i e : A1 = Zmed − Zmin e A2 = Zmed − Zmax6 Se (A1 > 0 E A2 < 0)7 Entao Vá para o Nível B8 I n i c i o9 // N i v e l B
10 Ava l i e : B1 = Zxy − Zmin e B2 = Zxy − Zmax11 Se (B1 > 0 E B2 < 0) Entao Esc r eva Zxy Senao Esc r eva Zmed12 Fim13 Senao14 I n i c i o15 Incremente o tamanho da janela de amostragem Sxy16 Se (Ssize < Smax ) Entao Repita o Nível A Senao Esc r eva Zxy17 Fim18 Fim .� �
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Pseudo-Codificação
Pseudo-Codificação do Filtro Adaptativo.� �1 Enquanto <Imagem não chegar ao final> Execute :2 // N i v e l A3 Obtenha : Uma amostra Sxy de tamanho Ssize4 Obtenha : Zmin, Zmax , Zmed , Zxy5 Ava l i e : A1 = Zmed − Zmin e A2 = Zmed − Zmax6 Se (A1 > 0 E A2 < 0)7 Entao Vá para o Nível B8 I n i c i o9 // N i v e l B
10 Ava l i e : B1 = Zxy − Zmin e B2 = Zxy − Zmax11 Se (B1 > 0 E B2 < 0) Entao Esc r eva Zxy Senao Esc r eva Zmed12 Fim13 Senao14 I n i c i o15 Incremente o tamanho da janela de amostragem Sxy16 Se (Ssize < Smax ) Entao Repita o Nível A Senao Esc r eva Zxy17 Fim18 Fim .� �
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo em Ação
Filtro da Média, Mediana Clássico e MedianaAdaptativo
PLAY
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Decision Based Adaptive Median Filter
Decision Based AdaptiveMedian Filter
Princípios do Algoritmo Proposto
Classes de Degradação Tratadas
Blotches, Scratches, Streaks, Stripes,Impulsive Noise
Uma Observação...
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Decision Based Adaptive Median Filter
Decision Based AdaptiveMedian Filter
Princípios do Algoritmo Proposto
Classes de Degradação Tratadas
Blotches, Scratches, Streaks, Stripes,Impulsive Noise
Uma Observação...
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Decision Based Adaptive Median Filter
Decision Based AdaptiveMedian Filter
Princípios do Algoritmo Proposto
Classes de Degradação Tratadas
Blotches, Scratches, Streaks, Stripes,Impulsive Noise
Uma Observação...
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Decision Based Adaptive Median Filter
Decision Based AdaptiveMedian Filter
Princípios do Algoritmo Proposto
Classes de Degradação Tratadas
Blotches, Scratches, Streaks, Stripes,Impulsive Noise
Uma Observação...
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Decision Based Adaptive Median Filter
Decision Based AdaptiveMedian Filter
Princípios do Algoritmo Proposto
Classes de Degradação Tratadas
Blotches, Scratches, Streaks, Stripes,Impulsive Noise
Uma Observação...
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Decision Based Adaptive Median Filter
Decision Based Adaptive Median Filter toRemove Blotches, Scratches, Streaks, Stripes
and Impulsive Noise in Images.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Princípios do Algoritmo Proposto
Princípios do Algoritmo Proposto
É um algoritmo baseado em decisão;Possui dois estágios: detecção de ruído e filtragem;Detecção: executada através da métrica ROAD;Filtragem: através de um filtro mediano adaptativo.
Através da métrica ROAD obtemos uma imagembinária com a qual é feita a distinção entre pixels
corrompidos e não-corrompidos.
No estágio de correção, os pixels corrompidos sãosubstituídos pela mediana dos pixels não-corrompidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Princípios do Algoritmo Proposto
Princípios do Algoritmo Proposto
É um algoritmo baseado em decisão;Possui dois estágios: detecção de ruído e filtragem;Detecção: executada através da métrica ROAD;Filtragem: através de um filtro mediano adaptativo.
Através da métrica ROAD obtemos uma imagembinária com a qual é feita a distinção entre pixels
corrompidos e não-corrompidos.
No estágio de correção, os pixels corrompidos sãosubstituídos pela mediana dos pixels não-corrompidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Princípios do Algoritmo Proposto
Princípios do Algoritmo Proposto
É um algoritmo baseado em decisão;Possui dois estágios: detecção de ruído e filtragem;Detecção: executada através da métrica ROAD;Filtragem: através de um filtro mediano adaptativo.
Através da métrica ROAD obtemos uma imagembinária com a qual é feita a distinção entre pixels
corrompidos e não-corrompidos.
No estágio de correção, os pixels corrompidos sãosubstituídos pela mediana dos pixels não-corrompidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Princípios do Algoritmo Proposto
Princípios do Algoritmo Proposto
É um algoritmo baseado em decisão;Possui dois estágios: detecção de ruído e filtragem;Detecção: executada através da métrica ROAD;Filtragem: através de um filtro mediano adaptativo.
Através da métrica ROAD obtemos uma imagembinária com a qual é feita a distinção entre pixels
corrompidos e não-corrompidos.
No estágio de correção, os pixels corrompidos sãosubstituídos pela mediana dos pixels não-corrompidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Princípios do Algoritmo Proposto
Princípios do Algoritmo Proposto
É um algoritmo baseado em decisão;Possui dois estágios: detecção de ruído e filtragem;Detecção: executada através da métrica ROAD;Filtragem: através de um filtro mediano adaptativo.
Através da métrica ROAD obtemos uma imagembinária com a qual é feita a distinção entre pixels
corrompidos e não-corrompidos.
No estágio de correção, os pixels corrompidos sãosubstituídos pela mediana dos pixels não-corrompidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Princípios do Algoritmo Proposto
Princípios do Algoritmo Proposto
É um algoritmo baseado em decisão;Possui dois estágios: detecção de ruído e filtragem;Detecção: executada através da métrica ROAD;Filtragem: através de um filtro mediano adaptativo.
Através da métrica ROAD obtemos uma imagembinária com a qual é feita a distinção entre pixels
corrompidos e não-corrompidos.
No estágio de correção, os pixels corrompidos sãosubstituídos pela mediana dos pixels não-corrompidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Princípios do Algoritmo Proposto
Princípios do Algoritmo Proposto
É um algoritmo baseado em decisão;Possui dois estágios: detecção de ruído e filtragem;Detecção: executada através da métrica ROAD;Filtragem: através de um filtro mediano adaptativo.
Através da métrica ROAD obtemos uma imagembinária com a qual é feita a distinção entre pixels
corrompidos e não-corrompidos.
No estágio de correção, os pixels corrompidos sãosubstituídos pela mediana dos pixels não-corrompidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Classes de Degradação Tratadas
Classes de Degradação Tratadas Pelo Método
Blotches(“Manchas”);Scratches(“Arranhões”);Streaks(“Estrias”);Stripes(“Listras”);Impulsive Noise(Ruído Impulsivo).
Nos exemplos a seguir, nem todas as imagens exibidasapresentam apenas degradações. Algumas delas foramexpostas apenas para que possamos ter uma idéia dasclasses de distorção. Algumas degradações são usadas,
normalmente, para se alcançar efeitos estilísticos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Classes de Degradação Tratadas
Classes de Degradação Tratadas Pelo Método
Blotches(“Manchas”);Scratches(“Arranhões”);Streaks(“Estrias”);Stripes(“Listras”);Impulsive Noise(Ruído Impulsivo).
Nos exemplos a seguir, nem todas as imagens exibidasapresentam apenas degradações. Algumas delas foramexpostas apenas para que possamos ter uma idéia dasclasses de distorção. Algumas degradações são usadas,
normalmente, para se alcançar efeitos estilísticos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Classes de Degradação Tratadas
Classes de Degradação Tratadas Pelo Método
Blotches(“Manchas”);Scratches(“Arranhões”);Streaks(“Estrias”);Stripes(“Listras”);Impulsive Noise(Ruído Impulsivo).
Nos exemplos a seguir, nem todas as imagens exibidasapresentam apenas degradações. Algumas delas foramexpostas apenas para que possamos ter uma idéia dasclasses de distorção. Algumas degradações são usadas,
normalmente, para se alcançar efeitos estilísticos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Classes de Degradação Tratadas
Classes de Degradação Tratadas Pelo Método
Blotches(“Manchas”);Scratches(“Arranhões”);Streaks(“Estrias”);Stripes(“Listras”);Impulsive Noise(Ruído Impulsivo).
Nos exemplos a seguir, nem todas as imagens exibidasapresentam apenas degradações. Algumas delas foramexpostas apenas para que possamos ter uma idéia dasclasses de distorção. Algumas degradações são usadas,
normalmente, para se alcançar efeitos estilísticos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Classes de Degradação Tratadas
Classes de Degradação Tratadas Pelo Método
Blotches(“Manchas”);Scratches(“Arranhões”);Streaks(“Estrias”);Stripes(“Listras”);Impulsive Noise(Ruído Impulsivo).
Nos exemplos a seguir, nem todas as imagens exibidasapresentam apenas degradações. Algumas delas foramexpostas apenas para que possamos ter uma idéia dasclasses de distorção. Algumas degradações são usadas,
normalmente, para se alcançar efeitos estilísticos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Classes de Degradação Tratadas
Classes de Degradação Tratadas Pelo Método
Blotches(“Manchas”);Scratches(“Arranhões”);Streaks(“Estrias”);Stripes(“Listras”);Impulsive Noise(Ruído Impulsivo).
Nos exemplos a seguir, nem todas as imagens exibidasapresentam apenas degradações. Algumas delas foramexpostas apenas para que possamos ter uma idéia dasclasses de distorção. Algumas degradações são usadas,
normalmente, para se alcançar efeitos estilísticos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Classes de Degradação Tratadas
Classes de Degradação Tratadas Pelo Método
Blotches(“Manchas”);Scratches(“Arranhões”);Streaks(“Estrias”);Stripes(“Listras”);Impulsive Noise(Ruído Impulsivo).
Nos exemplos a seguir, nem todas as imagens exibidasapresentam apenas degradações. Algumas delas foramexpostas apenas para que possamos ter uma idéia dasclasses de distorção. Algumas degradações são usadas,
normalmente, para se alcançar efeitos estilísticos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Blotches
Imagens Contaminadas com Manchas
Figura: Manchas são regiões diferenciadas, usualmente com níveishomogêneos de cinza que podem ser modelados como mínimos ou
máximos locais. Distorções como manchas se assemelham a pequenasáreas de pixels coerentes com níveis de cinza muito similares.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Scratches
Imagens Contaminadas com “Arranhões”
Figura: Um defeito comum em filmes antigos são os “arranhões”.Apresentam-se como estreitas linhas visíveis, claras ou escuras, que
persistem por vários quadros. Os “arranhões” são formados pela películado material no momento da exibição em equipamentos de projeção.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Streaks
Imagens Contaminadas com “Estrias”
Figura: Uma “estria” pode ser qualquer sequência de pixels em umaimagem que foi substituída por valores aleatórios. Nesse caso uma linhainteira, ou uma coluna, da imagem é substituída por uma sequência
arbitrária de valores.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Stripes
Imagens Contaminadas com “Listras”
Figura: “Listras” são um modelo de linhas de interação com a imagem.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Impulsive Noise
Imagens Contaminadas com Ruído Impulsivo
Figura: Imagens contaminadas com 20% de ruído impulsivo. O ruídoimpulsivo é caracterizado pela substituição de uma porção de pixels daimagem por valores aleatórios, deixando inalterados os restantes. Aprincipal meta da remoção de ruídos é a supressão dessa degradação
enquanto são preservados os detalhes da imagem.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Uma Observação...
Filtros e Distorções
Vale ressaltar que muitas vezes os métodos voltadospara remoção de distorções confundem a informação detextura da imagem com alguma degradação e acabam
emitindo um resultado não satisfatório!Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Uma Observação...
Filtros e Distorções
Vale ressaltar que muitas vezes os métodos voltadospara remoção de distorções confundem a informação detextura da imagem com alguma degradação e acabam
emitindo um resultado não satisfatório!Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Um Algoritmo em Dois Estágios.
Algoritmo em Dois EstágiosFluxograma - Estágios do Algoritmo
Rank Ordered Absolute Difference (ROAD)
Estágio de Detecção do Ruído
Estágio de Filtragem do Ruído
Finalmente... Como Funciona o Algoritmo?
Ilustração do Algoritmo PropostoBacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Um Algoritmo em Dois Estágios.
Algoritmo em Dois EstágiosFluxograma - Estágios do Algoritmo
Rank Ordered Absolute Difference (ROAD)
Estágio de Detecção do Ruído
Estágio de Filtragem do Ruído
Finalmente... Como Funciona o Algoritmo?
Ilustração do Algoritmo PropostoBacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Um Algoritmo em Dois Estágios.
Algoritmo em Dois EstágiosFluxograma - Estágios do Algoritmo
Rank Ordered Absolute Difference (ROAD)
Estágio de Detecção do Ruído
Estágio de Filtragem do Ruído
Finalmente... Como Funciona o Algoritmo?
Ilustração do Algoritmo PropostoBacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Um Algoritmo em Dois Estágios.
Algoritmo em Dois EstágiosFluxograma - Estágios do Algoritmo
Rank Ordered Absolute Difference (ROAD)
Estágio de Detecção do Ruído
Estágio de Filtragem do Ruído
Finalmente... Como Funciona o Algoritmo?
Ilustração do Algoritmo PropostoBacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Um Algoritmo em Dois Estágios.
Algoritmo em Dois EstágiosFluxograma - Estágios do Algoritmo
Rank Ordered Absolute Difference (ROAD)
Estágio de Detecção do Ruído
Estágio de Filtragem do Ruído
Finalmente... Como Funciona o Algoritmo?
Ilustração do Algoritmo PropostoBacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Um Algoritmo em Dois Estágios.
Algoritmo em Dois EstágiosFluxograma - Estágios do Algoritmo
Rank Ordered Absolute Difference (ROAD)
Estágio de Detecção do Ruído
Estágio de Filtragem do Ruído
Finalmente... Como Funciona o Algoritmo?
Ilustração do Algoritmo PropostoBacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Um Algoritmo em Dois Estágios.
Algoritmo em Dois EstágiosFluxograma - Estágios do Algoritmo
Rank Ordered Absolute Difference (ROAD)
Estágio de Detecção do Ruído
Estágio de Filtragem do Ruído
Finalmente... Como Funciona o Algoritmo?
Ilustração do Algoritmo PropostoBacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Fluxograma - Estágios do Algoritmo
Estágios - Detecção de Ruído e Filtragem.
Figura: Fluxograma exibindo as duas fases do algoritmo proposto. Noprimeiro estágio os “noise candidates” são detectados através do uso de“rank ordered absolute difference”. No segundo, o pixel corrompido é
substituído pela mediana dos pixels não corrompidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Rank Ordered Absolute Difference (ROAD)
Rank Ordered Absolute Difference (ROAD)
Métrica apresentada no trabalho intitulado “A Universal NoiseRemoval Algorithm with an Impulse Detector”, de autoria de
Garnett, Huegerich, Chui e He.
Publicado na IEEE Transactions on Image Processing,Vol. 14, Nov. 2005, pp. 1747-1754.
Nesse trabalho os autores introduzem uma métricaestatística de efeito local para identificar pixels
comprometidos em imagens corrompidas por ruídoimpulsivo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Rank Ordered Absolute Difference (ROAD)
Rank Ordered Absolute Difference (ROAD)
Métrica apresentada no trabalho intitulado “A Universal NoiseRemoval Algorithm with an Impulse Detector”, de autoria de
Garnett, Huegerich, Chui e He.
Publicado na IEEE Transactions on Image Processing,Vol. 14, Nov. 2005, pp. 1747-1754.
Nesse trabalho os autores introduzem uma métricaestatística de efeito local para identificar pixels
comprometidos em imagens corrompidas por ruídoimpulsivo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Rank Ordered Absolute Difference (ROAD)
Rank Ordered Absolute Difference (ROAD)
Métrica apresentada no trabalho intitulado “A Universal NoiseRemoval Algorithm with an Impulse Detector”, de autoria de
Garnett, Huegerich, Chui e He.
Publicado na IEEE Transactions on Image Processing,Vol. 14, Nov. 2005, pp. 1747-1754.
Nesse trabalho os autores introduzem uma métricaestatística de efeito local para identificar pixels
comprometidos em imagens corrompidas por ruídoimpulsivo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Rank Ordered Absolute Difference (ROAD)
Rank Ordered Absolute Difference (ROAD)
Métrica apresentada no trabalho intitulado “A Universal NoiseRemoval Algorithm with an Impulse Detector”, de autoria de
Garnett, Huegerich, Chui e He.
Publicado na IEEE Transactions on Image Processing,Vol. 14, Nov. 2005, pp. 1747-1754.
Nesse trabalho os autores introduzem uma métricaestatística de efeito local para identificar pixels
comprometidos em imagens corrompidas por ruídoimpulsivo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Rank Ordered Absolute Difference (ROAD)
Rank Ordered Absolute Difference (ROAD)
A métrica provê uma medida de quão próximo o valorde um pixel está dos seus vizinhos.
Assumindo uma amostra de tamanho W = (2N + 1)× (2N + 1), uccomo valor central da amostra e uy o conjunto com os valores daamostra com y = {1, . . . , W }, definiremos o conjunto de diferençasabsolutas x como: x = dc,y = |uc − uy |. Além disso, definiremos umoperador r que ordena de forma crescente os valores do conjunto
x , assim teremos:
ROADm(x) =m∑
i=1ri(x), 2 6 m 6 7
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Rank Ordered Absolute Difference (ROAD)
Rank Ordered Absolute Difference (ROAD)
A métrica provê uma medida de quão próximo o valorde um pixel está dos seus vizinhos.
Assumindo uma amostra de tamanho W = (2N + 1)× (2N + 1), uccomo valor central da amostra e uy o conjunto com os valores daamostra com y = {1, . . . , W }, definiremos o conjunto de diferençasabsolutas x como: x = dc,y = |uc − uy |. Além disso, definiremos umoperador r que ordena de forma crescente os valores do conjunto
x , assim teremos:
ROADm(x) =m∑
i=1ri(x), 2 6 m 6 7
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Rank Ordered Absolute Difference (ROAD)
Rank Ordered Absolute Difference (ROAD)
A métrica provê uma medida de quão próximo o valorde um pixel está dos seus vizinhos.
Assumindo uma amostra de tamanho W = (2N + 1)× (2N + 1), uccomo valor central da amostra e uy o conjunto com os valores daamostra com y = {1, . . . , W }, definiremos o conjunto de diferençasabsolutas x como: x = dc,y = |uc − uy |. Além disso, definiremos umoperador r que ordena de forma crescente os valores do conjunto
x , assim teremos:
ROADm(x) =m∑
i=1ri(x), 2 6 m 6 7
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Rank Ordered Absolute Difference (ROAD)
Rank Ordered Absolute Difference (ROAD)
A métrica provê uma medida de quão próximo o valorde um pixel está dos seus vizinhos.
Assumindo uma amostra de tamanho W = (2N + 1)× (2N + 1), uccomo valor central da amostra e uy o conjunto com os valores daamostra com y = {1, . . . , W }, definiremos o conjunto de diferençasabsolutas x como: x = dc,y = |uc − uy |. Além disso, definiremos umoperador r que ordena de forma crescente os valores do conjunto
x , assim teremos:
ROADm(x) =m∑
i=1ri(x), 2 6 m 6 7
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Detecção do Ruído
Primeiro Estágio - Detecção do Ruído.
Seja X uma imagem corrompida de tamanho M × N eX (i , j) o nível de cinza na localidade (i , j)
Tomemos S como uma janela de detecção de tamanhoW ×W centralizada em X (i , j), onde W = 2LD + 1 e
inicialmente LD = 1.
Os pixels na janela de detecção serão definidos por:
S = X (i + k, j + l),−LD 6 k, l 6 LD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Detecção do Ruído
Primeiro Estágio - Detecção do Ruído.
Seja X uma imagem corrompida de tamanho M × N eX (i , j) o nível de cinza na localidade (i , j)
Tomemos S como uma janela de detecção de tamanhoW ×W centralizada em X (i , j), onde W = 2LD + 1 e
inicialmente LD = 1.
Os pixels na janela de detecção serão definidos por:
S = X (i + k, j + l),−LD 6 k, l 6 LD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Detecção do Ruído
Primeiro Estágio - Detecção do Ruído.
Seja X uma imagem corrompida de tamanho M × N eX (i , j) o nível de cinza na localidade (i , j)
Tomemos S como uma janela de detecção de tamanhoW ×W centralizada em X (i , j), onde W = 2LD + 1 e
inicialmente LD = 1.
Os pixels na janela de detecção serão definidos por:
S = X (i + k, j + l),−LD 6 k, l 6 LD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Detecção do Ruído
Primeiro Estágio - Detecção do Ruído.
Seja X uma imagem corrompida de tamanho M × N eX (i , j) o nível de cinza na localidade (i , j)
Tomemos S como uma janela de detecção de tamanhoW ×W centralizada em X (i , j), onde W = 2LD + 1 e
inicialmente LD = 1.
Os pixels na janela de detecção serão definidos por:
S = X (i + k, j + l),−LD 6 k, l 6 LD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Detecção do Ruído
Primeiro Estágio - Detecção do Ruído.
Seja X uma imagem corrompida de tamanho M × N eX (i , j) o nível de cinza na localidade (i , j)
Tomemos S como uma janela de detecção de tamanhoW ×W centralizada em X (i , j), onde W = 2LD + 1 e
inicialmente LD = 1.
Os pixels na janela de detecção serão definidos por:
S = X (i + k, j + l),−LD 6 k, l 6 LD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Fluxograma - Estágio de Detecção do Ruído
Primeiro Estágio - Detecção do Ruído.
Figura: Fluxograma da primeira fase do método proposto. Nesta faseocorre a obtenção do ROAD(Rank Ordered Absolute Difference) e da
imagem binária que será utilizada na segunda fase do algoritmo proposto.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Filtragem do Ruído
Segundo Estágio - Filtragem do Ruído.
Tomemos uma janela de correção de tamanho W ×W centralizadaem B(i , j), onde W = 2LC + 1 e inicialmente LC = 1.
Se B(i , j) = 0 então o segmento resultante R será obtido atravésda multiplicação do segmento binário pelo segmento
correspondente na imagem corrompida:
R = X (i + k , j + l) · B(i + k , j + l),−LC 6 k , l 6 LC
Se o número de pixels não-nulos em R for maior que 2 então X(i , j) teráseu valor substituído pela mediana dos valores não-nulos de R, caso
contrário LC será incrementado e os passos anteriores serão repetidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Filtragem do Ruído
Segundo Estágio - Filtragem do Ruído.
Tomemos uma janela de correção de tamanho W ×W centralizadaem B(i , j), onde W = 2LC + 1 e inicialmente LC = 1.
Se B(i , j) = 0 então o segmento resultante R será obtido atravésda multiplicação do segmento binário pelo segmento
correspondente na imagem corrompida:
R = X (i + k , j + l) · B(i + k , j + l),−LC 6 k , l 6 LC
Se o número de pixels não-nulos em R for maior que 2 então X(i , j) teráseu valor substituído pela mediana dos valores não-nulos de R, caso
contrário LC será incrementado e os passos anteriores serão repetidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Filtragem do Ruído
Segundo Estágio - Filtragem do Ruído.
Tomemos uma janela de correção de tamanho W ×W centralizadaem B(i , j), onde W = 2LC + 1 e inicialmente LC = 1.
Se B(i , j) = 0 então o segmento resultante R será obtido atravésda multiplicação do segmento binário pelo segmento
correspondente na imagem corrompida:
R = X (i + k , j + l) · B(i + k , j + l),−LC 6 k , l 6 LC
Se o número de pixels não-nulos em R for maior que 2 então X(i , j) teráseu valor substituído pela mediana dos valores não-nulos de R, caso
contrário LC será incrementado e os passos anteriores serão repetidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Filtragem do Ruído
Segundo Estágio - Filtragem do Ruído.
Tomemos uma janela de correção de tamanho W ×W centralizadaem B(i , j), onde W = 2LC + 1 e inicialmente LC = 1.
Se B(i , j) = 0 então o segmento resultante R será obtido atravésda multiplicação do segmento binário pelo segmento
correspondente na imagem corrompida:
R = X (i + k , j + l) · B(i + k , j + l),−LC 6 k , l 6 LC
Se o número de pixels não-nulos em R for maior que 2 então X(i , j) teráseu valor substituído pela mediana dos valores não-nulos de R, caso
contrário LC será incrementado e os passos anteriores serão repetidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Filtragem do Ruído
Segundo Estágio - Filtragem do Ruído.
Tomemos uma janela de correção de tamanho W ×W centralizadaem B(i , j), onde W = 2LC + 1 e inicialmente LC = 1.
Se B(i , j) = 0 então o segmento resultante R será obtido atravésda multiplicação do segmento binário pelo segmento
correspondente na imagem corrompida:
R = X (i + k , j + l) · B(i + k , j + l),−LC 6 k , l 6 LC
Se o número de pixels não-nulos em R for maior que 2 então X(i , j) teráseu valor substituído pela mediana dos valores não-nulos de R, caso
contrário LC será incrementado e os passos anteriores serão repetidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Fluxograma - Estágio de Filtragem do Ruído
Segundo Estágio - Filtragem do Ruído.
Figura: Fluxograma da segunda fase do método proposto. Nesta faseocorre a filtragem do ruído que foi previamente classificado.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Finalmente... Como Funciona o Algoritmo?
Usando a abordagem de janelas deslizantes!
Começamos pelo canto superior esquerdo da imagemcom uma janela deslizante de tamanho 3× 3.
Movemos a janela pixel a pixel, de maneira horizontal evertical através de todas as linhas e colunas da imagem
até alcançar o canto inferior da mesma.
A cada passo computamos as matrizes necessáriaslevando em consideração apenas os valores internos da
janela.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Finalmente... Como Funciona o Algoritmo?
Usando a abordagem de janelas deslizantes!
Começamos pelo canto superior esquerdo da imagemcom uma janela deslizante de tamanho 3× 3.
Movemos a janela pixel a pixel, de maneira horizontal evertical através de todas as linhas e colunas da imagem
até alcançar o canto inferior da mesma.
A cada passo computamos as matrizes necessáriaslevando em consideração apenas os valores internos da
janela.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Finalmente... Como Funciona o Algoritmo?
Usando a abordagem de janelas deslizantes!
Começamos pelo canto superior esquerdo da imagemcom uma janela deslizante de tamanho 3× 3.
Movemos a janela pixel a pixel, de maneira horizontal evertical através de todas as linhas e colunas da imagem
até alcançar o canto inferior da mesma.
A cada passo computamos as matrizes necessáriaslevando em consideração apenas os valores internos da
janela.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Finalmente... Como Funciona o Algoritmo?
Usando a abordagem de janelas deslizantes!
Começamos pelo canto superior esquerdo da imagemcom uma janela deslizante de tamanho 3× 3.
Movemos a janela pixel a pixel, de maneira horizontal evertical através de todas as linhas e colunas da imagem
até alcançar o canto inferior da mesma.
A cada passo computamos as matrizes necessáriaslevando em consideração apenas os valores internos da
janela.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Finalmente... Como Funciona o Algoritmo?
Usando a abordagem de janelas deslizantes!
Começamos pelo canto superior esquerdo da imagemcom uma janela deslizante de tamanho 3× 3.
Movemos a janela pixel a pixel, de maneira horizontal evertical através de todas as linhas e colunas da imagem
até alcançar o canto inferior da mesma.
A cada passo computamos as matrizes necessáriaslevando em consideração apenas os valores internos da
janela.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
Passo 1
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
Passo 2
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
Passo 3
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
Passo 20
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
Passo 21
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
N-ésimo Passo
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Para ilustrar o algoritmo proposto iremosutlizar um segmento 3x3 da imagem “Lena”,corrompido por 40% de ruído impulsivo.
Chamaremos o segmento original de P.
Chamaremos o segmento contaminado de X.
Chamaremos a Matriz de DiferençasAbsolutas de D.
Chamaremos a Matriz Binária de B.Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Para ilustrar o algoritmo proposto iremosutlizar um segmento 3x3 da imagem “Lena”,corrompido por 40% de ruído impulsivo.
Chamaremos o segmento original de P.
Chamaremos o segmento contaminado de X.
Chamaremos a Matriz de DiferençasAbsolutas de D.
Chamaremos a Matriz Binária de B.Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Para ilustrar o algoritmo proposto iremosutlizar um segmento 3x3 da imagem “Lena”,corrompido por 40% de ruído impulsivo.
Chamaremos o segmento original de P.
Chamaremos o segmento contaminado de X.
Chamaremos a Matriz de DiferençasAbsolutas de D.
Chamaremos a Matriz Binária de B.Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Para ilustrar o algoritmo proposto iremosutlizar um segmento 3x3 da imagem “Lena”,corrompido por 40% de ruído impulsivo.
Chamaremos o segmento original de P.
Chamaremos o segmento contaminado de X.
Chamaremos a Matriz de DiferençasAbsolutas de D.
Chamaremos a Matriz Binária de B.Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Para ilustrar o algoritmo proposto iremosutlizar um segmento 3x3 da imagem “Lena”,corrompido por 40% de ruído impulsivo.
Chamaremos o segmento original de P.
Chamaremos o segmento contaminado de X.
Chamaremos a Matriz de DiferençasAbsolutas de D.
Chamaremos a Matriz Binária de B.Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Matrizes que Compõem o Exemplo.
Segmento Original P 166 168 167163 173 157164 168 159
Diferenças Absolutas D 086 040 028
024 000 018049 012 020
Segmento Contaminado X 225 099 167163 139 157090 151 159
Segmento Binário B 000 000 001
001 000 001000 001 001
Como obter a Matriz de Diferenças Absolutas?Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Matrizes que Compõem o Exemplo.
Segmento Original P 166 168 167163 173 157164 168 159
Diferenças Absolutas D 086 040 028
024 000 018049 012 020
Segmento Contaminado X 225 099 167163 139 157090 151 159
Segmento Binário B 000 000 001
001 000 001000 001 001
Como obter a Matriz de Diferenças Absolutas?Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Matrizes que Compõem o Exemplo.
Segmento Original P 166 168 167163 173 157164 168 159
Diferenças Absolutas D 086 040 028
024 000 018049 012 020
Segmento Contaminado X 225 099 167163 139 157090 151 159
Segmento Binário B 000 000 001
001 000 001000 001 001
Através do valor do pixel central do segmento contaminado!
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Matrizes que Compõem o Exemplo.
Segmento Original P 166 168 167163 173 157164 168 159
Diferenças Absolutas D 086 040 028
024 000 018049 012 020
Segmento Contaminado X 225 099 167163 139 157090 151 159
Segmento Binário B 000 000 001
001 000 001000 001 001
Através do valor do pixel central do segmento contaminado!
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Cálculo da Matriz de Diferenças Absolutas.
225 099 167163 139 157090 151 159
− 139 =
086 040 028024 000 018049 012 020
Ordenando os valores da matriz D teremos:
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
De posse desses valores obteremos o ROAD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Cálculo da Matriz de Diferenças Absolutas.
225 099 167163 139 157090 151 159
− 139 =
086 040 028024 000 018049 012 020
Ordenando os valores da matriz D teremos:
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
De posse desses valores obteremos o ROAD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Cálculo da Matriz de Diferenças Absolutas.
225 099 167163 139 157090 151 159
− 139 =
086 040 028024 000 018049 012 020
Ordenando os valores da matriz D teremos:
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
De posse desses valores obteremos o ROAD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Cálculo da Matriz de Diferenças Absolutas.
225 099 167163 139 157090 151 159
− 139 =
086 040 028024 000 018049 012 020
Ordenando os valores da matriz D teremos:
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
De posse desses valores obteremos o ROAD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Cálculo da Matriz de Diferenças Absolutas.
225 099 167163 139 157090 151 159
− 139 =
086 040 028024 000 018049 012 020
Ordenando os valores da matriz D teremos:
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
De posse desses valores obteremos o ROAD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Rank Ordered Absolute Difference (ROAD)
Os 5 primeiros valores da lista ordenada são usadospara encontrar o valor do ROAD.
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
ROAD = 0 + 12 + 18 + 20 + 24 = 74
Como o valor do ROAD encontrado é maior que o valorde threshold predefinido (T = 40) então o pixel centralé considerado um “noisy candidate” e B(i,j) receberá 0.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Rank Ordered Absolute Difference (ROAD)
Os 5 primeiros valores da lista ordenada são usadospara encontrar o valor do ROAD.
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
ROAD = 0 + 12 + 18 + 20 + 24 = 74
Como o valor do ROAD encontrado é maior que o valorde threshold predefinido (T = 40) então o pixel centralé considerado um “noisy candidate” e B(i,j) receberá 0.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Rank Ordered Absolute Difference (ROAD)
Os 5 primeiros valores da lista ordenada são usadospara encontrar o valor do ROAD.
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
ROAD = 0 + 12 + 18 + 20 + 24 = 74
Como o valor do ROAD encontrado é maior que o valorde threshold predefinido (T = 40) então o pixel centralé considerado um “noisy candidate” e B(i,j) receberá 0.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Rank Ordered Absolute Difference (ROAD)
Os 5 primeiros valores da lista ordenada são usadospara encontrar o valor do ROAD.
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
ROAD = 0 + 12 + 18 + 20 + 24 = 74
Como o valor do ROAD encontrado é maior que o valorde threshold predefinido (T = 40) então o pixel centralé considerado um “noisy candidate” e B(i,j) receberá 0.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Rank Ordered Absolute Difference (ROAD)
Os 5 primeiros valores da lista ordenada são usadospara encontrar o valor do ROAD.
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
ROAD = 0 + 12 + 18 + 20 + 24 = 74
Como o valor do ROAD encontrado é maior que o valorde threshold predefinido (T = 40) então o pixel centralé considerado um “noisy candidate” e B(i,j) receberá 0.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
O Segmento Resultante R
O segmento resultante R é obtido através damultiplicação do segmento da imagem binária B pelo
segmento correspondente da imagem ruidosa X.
Segmento Contaminado X 225 099 167163 139 157090 151 159
Segmento Binário B 000 000 001
001 000 001000 001 001
R = X (i + k , j + l) · B(i + k , j + l),
−LC 6 k , l 6 LC
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
O Segmento Resultante R
O segmento resultante R é obtido através damultiplicação do segmento da imagem binária B pelo
segmento correspondente da imagem ruidosa X.
Segmento Contaminado X 225 099 167163 139 157090 151 159
Segmento Binário B 000 000 001
001 000 001000 001 001
R = X (i + k , j + l) · B(i + k , j + l),
−LC 6 k , l 6 LC
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
O Segmento Resultante R
O segmento resultante R é obtido através damultiplicação do segmento da imagem binária B pelo
segmento correspondente da imagem ruidosa X.
Segmento Contaminado X 225 099 167163 139 157090 151 159
Segmento Binário B 000 000 001
001 000 001000 001 001
R = X (i + k , j + l) · B(i + k , j + l),
−LC 6 k , l 6 LC
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
O Segmento Resultante R
O segmento resultante R é obtido através damultiplicação do segmento da imagem binária B pelo
segmento correspondente da imagem ruidosa X.
Segmento Contaminado X 225 099 167163 139 157090 151 159
Segmento Binário B 000 000 001
001 000 001000 001 001
R = X (i + k , j + l) · B(i + k , j + l),
−LC 6 k , l 6 LC
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
O Segmento Resultante R
R =
225 099 167163 139 157090 151 159
· 000 000 001
001 000 001000 001 001
R =
000 000 167163 000 157000 151 159
Como o pixel central do segmento B é nulo e o número de pixels
não corrompidos em R é maior que 2 então esse pixel serásubstituído pelo valor mediano dos pixels não nulos contidos em R,X (i , j) = Median(NotNull(R)) = Median(167, 163, 157, 151, 159) = 159
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
O Segmento Resultante R
R =
225 099 167163 139 157090 151 159
· 000 000 001
001 000 001000 001 001
R =
000 000 167163 000 157000 151 159
Como o pixel central do segmento B é nulo e o número de pixels
não corrompidos em R é maior que 2 então esse pixel serásubstituído pelo valor mediano dos pixels não nulos contidos em R,X (i , j) = Median(NotNull(R)) = Median(167, 163, 157, 151, 159) = 159
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
O Segmento Resultante R
R =
225 099 167163 139 157090 151 159
· 000 000 001
001 000 001000 001 001
R =
000 000 167163 000 157000 151 159
Como o pixel central do segmento B é nulo e o número de pixels
não corrompidos em R é maior que 2 então esse pixel serásubstituído pelo valor mediano dos pixels não nulos contidos em R,X (i , j) = Median(NotNull(R)) = Median(167, 163, 157, 151, 159) = 159
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
O Segmento Resultante R
R =
225 099 167163 139 157090 151 159
· 000 000 001
001 000 001000 001 001
R =
000 000 167163 000 157000 151 159
Como o pixel central do segmento B é nulo e o número de pixels
não corrompidos em R é maior que 2 então esse pixel serásubstituído pelo valor mediano dos pixels não nulos contidos em R,X (i , j) = Median(NotNull(R)) = Median(167, 163, 157, 151, 159) = 159
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Imagens RGB
E Como Trataremos Imagens Coloridas?
Para imagens coloridas o mesmo algoritmo deve seraplicado aos três canais que a compõem. Após a
aplicação do algoritmo os canais devem serrecombinados.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Imagens RGB
E Como Trataremos Imagens Coloridas?
Para imagens coloridas o mesmo algoritmo deve seraplicado aos três canais que a compõem. Após a
aplicação do algoritmo os canais devem serrecombinados.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Resultados, Discussão eConclusões
Blotches, Scratches, Streaks, Stripes,Impulsive Noise
Performance Quantitativa: PSNR e MAE
Tempo de Processamento
Conclusão
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Resultados, Discussão eConclusões
Blotches, Scratches, Streaks, Stripes,Impulsive Noise
Performance Quantitativa: PSNR e MAE
Tempo de Processamento
Conclusão
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Resultados, Discussão eConclusões
Blotches, Scratches, Streaks, Stripes,Impulsive Noise
Performance Quantitativa: PSNR e MAE
Tempo de Processamento
Conclusão
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Resultados, Discussão eConclusões
Blotches, Scratches, Streaks, Stripes,Impulsive Noise
Performance Quantitativa: PSNR e MAE
Tempo de Processamento
Conclusão
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Resultados, Discussão eConclusões
Blotches, Scratches, Streaks, Stripes,Impulsive Noise
Performance Quantitativa: PSNR e MAE
Tempo de Processamento
Conclusão
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Resultados & Discussão
Observaremos os resultados e a performance doalgoritmo proposto para imagens em tons de cinza ecoloridas, todas com 512x512. A análise será feitajunto a outros algoritmos levando em consideração
diferentes tipos de degradação.
Os Algoritmos Testados Foram:
SMF - Standard Median Filter
AMF - Adaptive Median Filter
TMF - Tri-State Median Filter
Trilateral Median Filter
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Resultados & Discussão
Observaremos os resultados e a performance doalgoritmo proposto para imagens em tons de cinza ecoloridas, todas com 512x512. A análise será feitajunto a outros algoritmos levando em consideração
diferentes tipos de degradação.
Os Algoritmos Testados Foram:
SMF - Standard Median Filter
AMF - Adaptive Median Filter
TMF - Tri-State Median Filter
Trilateral Median Filter
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Resultados & Discussão
Observaremos os resultados e a performance doalgoritmo proposto para imagens em tons de cinza ecoloridas, todas com 512x512. A análise será feitajunto a outros algoritmos levando em consideração
diferentes tipos de degradação.
Os Algoritmos Testados Foram:
SMF - Standard Median Filter
AMF - Adaptive Median Filter
TMF - Tri-State Median Filter
Trilateral Median Filter
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Resultados & Discussão
Observaremos os resultados e a performance doalgoritmo proposto para imagens em tons de cinza ecoloridas, todas com 512x512. A análise será feitajunto a outros algoritmos levando em consideração
diferentes tipos de degradação.
Os Algoritmos Testados Foram:
SMF - Standard Median Filter
AMF - Adaptive Median Filter
TMF - Tri-State Median Filter
Trilateral Median Filter
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Resultados & Discussão
Observaremos os resultados e a performance doalgoritmo proposto para imagens em tons de cinza ecoloridas, todas com 512x512. A análise será feitajunto a outros algoritmos levando em consideração
diferentes tipos de degradação.
Os Algoritmos Testados Foram:
SMF - Standard Median Filter
AMF - Adaptive Median Filter
TMF - Tri-State Median Filter
Trilateral Median Filter
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Resultados & Discussão
Observaremos os resultados e a performance doalgoritmo proposto para imagens em tons de cinza ecoloridas, todas com 512x512. A análise será feitajunto a outros algoritmos levando em consideração
diferentes tipos de degradação.
Os Algoritmos Testados Foram:
SMF - Standard Median Filter
AMF - Adaptive Median Filter
TMF - Tri-State Median Filter
Trilateral Median Filter
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Resultados & Discussão
Observaremos os resultados e a performance doalgoritmo proposto para imagens em tons de cinza ecoloridas, todas com 512x512. A análise será feitajunto a outros algoritmos levando em consideração
diferentes tipos de degradação.
Os Algoritmos Testados Foram:
SMF - Standard Median Filter
AMF - Adaptive Median Filter
TMF - Tri-State Median Filter
Trilateral Median Filter
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Blotches
Figura: Original, Blotches, SMF, AMF, Trilateral e Proposto.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Scratches
Figura: Original, Scratches, SMF, AMF, Trilateral e Proposto.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Streaks
Figura: Original, Streaks, SMF, AMF, Trilateral e Proposto.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Stripes
Figura: Original, Stripes, SMF, AMF, Trilateral e Proposto.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Impulsive Noise
Figura: Original, Noise 40%, TMF, AMF, Trilateral e Proposto.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Performance Quantitativa
A performance quantitativa em relação aos outrosalgoritmos é comparada em termos de PSNR e MAE.
Peak Signal to Noise Ratio.
Mean Absolute Error.
As tabelas exibidas a seguir apresentam resultados decomparação em termos de PSNR e MAE, bem comotempo de processamento estimado. Para a análise, foi
utilizada a imagem “Lena”, 512x512, 8bits/pixel.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Performance Quantitativa
A performance quantitativa em relação aos outrosalgoritmos é comparada em termos de PSNR e MAE.
Peak Signal to Noise Ratio.
Mean Absolute Error.
As tabelas exibidas a seguir apresentam resultados decomparação em termos de PSNR e MAE, bem comotempo de processamento estimado. Para a análise, foi
utilizada a imagem “Lena”, 512x512, 8bits/pixel.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Performance Quantitativa
A performance quantitativa em relação aos outrosalgoritmos é comparada em termos de PSNR e MAE.
Peak Signal to Noise Ratio.
Mean Absolute Error.
As tabelas exibidas a seguir apresentam resultados decomparação em termos de PSNR e MAE, bem comotempo de processamento estimado. Para a análise, foi
utilizada a imagem “Lena”, 512x512, 8bits/pixel.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Performance Quantitativa
A performance quantitativa em relação aos outrosalgoritmos é comparada em termos de PSNR e MAE.
Peak Signal to Noise Ratio.
Mean Absolute Error.
As tabelas exibidas a seguir apresentam resultados decomparação em termos de PSNR e MAE, bem comotempo de processamento estimado. Para a análise, foi
utilizada a imagem “Lena”, 512x512, 8bits/pixel.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Performance Quantitativa
A performance quantitativa em relação aos outrosalgoritmos é comparada em termos de PSNR e MAE.
Peak Signal to Noise Ratio.
Mean Absolute Error.
As tabelas exibidas a seguir apresentam resultados decomparação em termos de PSNR e MAE, bem comotempo de processamento estimado. Para a análise, foi
utilizada a imagem “Lena”, 512x512, 8bits/pixel.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Comparação em Termos de PSNR
Noise Density SMF CWMF ACWMF Trilateral PA10% 33.72 35.06 36.04 31.66 37.0220% 31.56 30.49 30.84 30.91 33.1530% 28.16 26.05 26.81 29.98 31.4740% 24.80 22.34 23.12 28.57 29.5350% 21.67 19.57 20.05 26.05 27.8360% 18.98 17.38 17.40 22.42 24.7170% 16.86 15.55 15.45 18.60 22.2480% 15.08 14.09 13.73 15.17 18.8190% 13.62 12.09 12.35 12.56 14.52
Tabela: Quadro comparativo fornecido pelo artigo utilizando o índicePSNR de vários filtros para a imagem “Lena”, 512x512, 8bits/pixel.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Comparação em Termos de PSNR
Noise Density SMF CWMF ACWMF Trilateral PA10% 33.72 35.06 36.04 31.66 37.0220% 31.56 30.49 30.84 30.91 33.1530% 28.16 26.05 26.81 29.98 31.4740% 24.80 22.34 23.12 28.57 29.5350% 21.67 19.57 20.05 26.05 27.8360% 18.98 17.38 17.40 22.42 24.7170% 16.86 15.55 15.45 18.60 22.2480% 15.08 14.09 13.73 15.17 18.8190% 13.62 12.09 12.35 12.56 14.52
Tabela: Quadro comparativo fornecido pelo artigo utilizando o índicePSNR de vários filtros para a imagem “Lena”, 512x512, 8bits/pixel.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Comparação em Termos de MAE
Noise Density SMF CWMF ACWMF Trilateral PA10% 02.79 01.73 00.71 04.06 01.5620% 03.39 02.61 01.82 04.32 02.0130% 04.52 04.42 03.52 04.68 02.5640% 06.57 07.59 06.45 05.29 03.3850% 09.98 12.21 10.88 06.59 04.4160% 15.28 18.19 17.48 09.72 07.2170% 22.03 25.54 25.17 16.42 09.1080% 30.24 34.07 34.86 28.05 15.3890% 39.55 42.92 45.53 43.75 31.34
Tabela: Quadro comparativo fornecido pelo artigo utilizando o índiceMAE de vários filtros para a imagem “Lena”, 512x512, 8bits/pixel.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Comparação em Termos de MAE
Noise Density SMF CWMF ACWMF Trilateral PA10% 02.79 01.73 00.71 04.06 01.5620% 03.39 02.61 01.82 04.32 02.0130% 04.52 04.42 03.52 04.68 02.5640% 06.57 07.59 06.45 05.29 03.3850% 09.98 12.21 10.88 06.59 04.4160% 15.28 18.19 17.48 09.72 07.2170% 22.03 25.54 25.17 16.42 09.1080% 30.24 34.07 34.86 28.05 15.3890% 39.55 42.92 45.53 43.75 31.34
Tabela: Quadro comparativo fornecido pelo artigo utilizando o índiceMAE de vários filtros para a imagem “Lena”, 512x512, 8bits/pixel.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Tempo de Processamento
Algoritmo Noise Density 30% Noise Density 60%Adaptive Median Filter 33.91s 42.27sTristate Median Filter 24.12s 24.36sTrilateral Median Filter 34.31s 34.41sProposto 15.69s 22.45s
Tabela: Quadro comparativo fornecido pelo artigo em relação ao tempode processamento para diferentes algoritmos utilizando a imagem “Lena”,512x512, 8bits/pixel. Todos os algoritmos foram simulados na plataformaMATLAB em um Pentium Dual Core com 2GB de RAM. Para isso aimagem “Lena” foi contaminada com 30% e 60% de ruído impulsivo.Podemos observar que o algoritmo proposto necessita de muito menostempo comparado aos demais. O tempo de processamento é fornecido
em segundos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Tempo de Processamento
Algoritmo Noise Density 30% Noise Density 60%Adaptive Median Filter 33.91s 42.27sTristate Median Filter 24.12s 24.36sTrilateral Median Filter 34.31s 34.41sProposto 15.69s 22.45s
Tabela: Quadro comparativo fornecido pelo artigo em relação ao tempode processamento para diferentes algoritmos utilizando a imagem “Lena”,512x512, 8bits/pixel. Todos os algoritmos foram simulados na plataformaMATLAB em um Pentium Dual Core com 2GB de RAM. Para isso aimagem “Lena” foi contaminada com 30% e 60% de ruído impulsivo.Podemos observar que o algoritmo proposto necessita de muito menostempo comparado aos demais. O tempo de processamento é fornecido
em segundos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Conclusão
O trabalho de Vijaykumar & Jothibasu apresenta umanova escolha de filtro da mediana baseado na métrica
rank ordered absolute difference.
O filtro proposto apresenta uma performance estável ealém disso pode ser empregado para remover diferentestipos de degradação(como manchas, arranhões, estriase listras) e além disso é muito efetivo na remoção de
valores aleatórios oriundos de ruído impulsivo.
Sua principal vantagem é a facilidade deimplementação e o baixo tempo de execução.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Conclusão
O trabalho de Vijaykumar & Jothibasu apresenta umanova escolha de filtro da mediana baseado na métrica
rank ordered absolute difference.
O filtro proposto apresenta uma performance estável ealém disso pode ser empregado para remover diferentestipos de degradação(como manchas, arranhões, estriase listras) e além disso é muito efetivo na remoção de
valores aleatórios oriundos de ruído impulsivo.
Sua principal vantagem é a facilidade deimplementação e o baixo tempo de execução.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Conclusão
O trabalho de Vijaykumar & Jothibasu apresenta umanova escolha de filtro da mediana baseado na métrica
rank ordered absolute difference.
O filtro proposto apresenta uma performance estável ealém disso pode ser empregado para remover diferentestipos de degradação(como manchas, arranhões, estriase listras) e além disso é muito efetivo na remoção de
valores aleatórios oriundos de ruído impulsivo.
Sua principal vantagem é a facilidade deimplementação e o baixo tempo de execução.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados, Discussão e Conclusões.
Conclusão
O trabalho de Vijaykumar & Jothibasu apresenta umanova escolha de filtro da mediana baseado na métrica
rank ordered absolute difference.
O filtro proposto apresenta uma performance estável ealém disso pode ser empregado para remover diferentestipos de degradação(como manchas, arranhões, estriase listras) e além disso é muito efetivo na remoção de
valores aleatórios oriundos de ruído impulsivo.
Sua principal vantagem é a facilidade deimplementação e o baixo tempo de execução.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Isso é Tudo Pessoal!
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Agradecimentos
Grato Pela Atenção!
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Referências Bibliográficas
R. Garnett, T. Huegerich, C. Chui, and W. He.A universal noise removal algorithm with an impulse detector.IEEE Transactions on Image Processing, 14:1747–1754,November 2005.R. C. González and R. E. Woods.Digital Image Processing.Pearson/Prentice-Hall, 2008.ISBN 013168728X.V. R. Vijaykumar and P. Jothibasu.Decision based adaptive median filter to remove blotches,scratches, streaks, stripes and impulsive noise in images.In Proceedings of the IEEE 17th International Conference onImage Processing, pages 117–120. IEEE, Sept. 2010.September 26-29, 2010, Hong Kong.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
Recommended