CONCEITOS E TÉCNICAS DE PROCESSAMENTO DIGITAL DE

IMAGENS COMO SUBSÍDIO PARA A CRIAÇÃO DE SISTEMAS DE

VISÃO COMPUTACIONAL COM RECONHECIMENTO DE PADRÕES

Alexandre TORREZAM¹; Ricardo Freire HACK²

Resumo: Este trabalho teve como objetivo entender que técnicas de processamento digital de imagens
estão envolvidas num sistema de visão computacional que dentre outras funcionalidades, permita
projetar um sistema com capacidade de reconhecer padrões. Foi utilizada a metodologia de pesquisa
bibliográfica. Através das pesquisas feitas, faz-nos compreender que para que seja possível a criação
de uma aplicação de reconhecimento de padrões, é fundamental a preparação da imagem e que
através destas transformações, criamos novas versões das mesmas, passiveis de detecção de
elementos e a efetiva criação de um sistema de visão computacional.

1. INTRODUÇÃO

Este trabalho foi desenvolvido com a intenção de retratar os principais aspectos sobre
imagens, manipulação e exploração de suas informações. Abordar assuntos que transpassam
processamento digital de imagens e técnicas de visão computacional. Este projeto, de forma
mais específica, visa a exploração do conhecimento relacionado às técnicas de
reconhecimento de padrões para que possamos, num projeto futuro, ser capazes de
desenvolver algoritmos de visão computacional aplicando tais técnicas.
Com isso posto, temos a questão: quais técnicas de processamento digital de imagens
estão envolvidas num sistema de visão computacional que dentre outras funcionalidades,
permita projetar um sistema com capacidade de reconhecer padrões?

2. PROCESSAMENTO DIGITAL DE IMAGEM

O processamento digital de imagens tem gerado grande interesse na área computacional,

principalmente pelas possibilidades criadas pelo computador na extração de informações do
arquivo digital, bem como processamento automático dessas informações permitindo dentre
outras atividades o reconhecimento de padrões. Avanços nas áreas de Medicina, Geografia,
Biologia e até mesmo em Arqueologia, ocorrem devido ao reconhecimento de padrões,
permitindo maior velocidade e precisão nos resultados, possibilitando restauração de
fragmentos através das análises das imagens digitais. (FILHO; NETO, 1999, p.1).

2.1. Fundamentos de Imagens Digitais

De acordo com Filho e Neto (1999, p.18), uma imagem monocromática pode ser
matematicamente descrita pela função f(x,y), que nas coordenadas (x,y) tem seu valor de
acordo com a luminosidade, sendo proporcional ao brilho ou nível de cinza, naquele ponto da
imagem.
Scuri (2002, p.11), afirma que Processamento de Imagens, é um conjunto de operações
realizadas sobre imagens que resultam em novas imagens. Oshiro e Goldschmitdt (2008, p.1),
afirmam que a imagem pode ser representada por uma matriz N x M; os pixels podem assumir

¹Docente alexandre.torrezam@svc.ifmt.edu.br; ²Discente

valores de 0 e 1 para imagens em preto e branco e para imagens em escala de cinza, esse valor
varia de 0 a 255. Ainda afirmam que para imagem colorida, também variam de 0 a 255,
contudo, para as três cores primárias aditivas (Vermelho, Verde e Azul) que são representados
por três valores para cada pixel. As possibilidades descritas são representadas nos três
exemplos na imagem abaixo:

Fig. 1: Imagens e suas respectivas representações digitais: (a) imagem binária, (b) imagem em
níveis de cinza e (c) imagem colorida onde cada pixel é composto por uma tupla do sistema de cores
R.G.B. (OSHIRO e GOLDSCHMIDT, 2008, p.2).

2.2. Técnicas de modificação de histograma

Técnicas de modificação de histograma são também conhecidas como técnicas ponto a

ponto, uma vez que depende do valor original do pixel para que, após o processamento,
resulte num novo valor de tom de pixel. (FILHO; NETO, 1999, p.59).
O histograma é uma função h(l) que produz a soma de ocorrências para cada nível de
cinza 0 ≤ I ≤ 2b - 1 de uma imagem cinza Î, que segundo Falcão (2005, p.1), quando dividimos
h(I) pelo número N x M de pixels da imagem o histograma é normalizado em [0,1].
Filho e Neto (1999, p.55), afirmam que é pela visualização do histograma da imagem que
obteremos a indicação de sua qualidade de contraste e brilho médio, ou seja, se sua
predominância é clara ou escura.

2.3. Filtragem, realce e suavização de imagem

Segundo Filho e Neto, “as técnicas de filtragem no domínio espacial são aquelas que
atuam diretamente sobre a matriz de pixels que é a imagem digitalizada" (FILHO; NETO,
1999, p.83).
Falcão (2005, p.24) afirma que filtros de suavização são aplicados para reduzir ruídos de
alta frequência, apesar de borrar as bordas da imagem.
Filtros tipo passa-alta são utilizados para realçar bordas ou regiões de interesse com
transições abruptas de intensidade. O problema deste tipo de filtro é que também realça ruídos
do processo de obtenção da imagem (MARENGONI; STRINGHINI, 2009, p.135).
"O realce de contraste visa o melhoramento da qualidade das imagens sob o ponto de
vista subjetivo do olho humano, sendo usualmente empregada como uma etapa de pré-
processamento em aplicações de reconhecimento de padrões" (QUEIROZ; GOMES, 2001,
p.15).
2.4. Vizinhança de pixels

Vários pontos são importantes sobre pixel de uma imagem digital. A imagem digital é
denotada por f(x,y), e pixel é representado por q e p, o pixel é um elemento de dimensões
finitas na representação de uma imagem digital, sob a forma de uma matriz. O pixel nas
coordenadas (x,y) tem dois vizinhos na horizontal e dois vizinhos na vertical, chamado
vizinhança N4(p), onde cada pixel tem uma unidade de distancia de (x,y) (MATURANA,
2010, p.26).

3. VISÃO COMPUTACIONAL

Atualmente está bem caracterizada a abrangência das áreas relacionadas a sistemas de

imagens digitais, como processamento de imagem, síntese de imagens, análise de imagens,
reconhecimento de padrões e visão computacional, que fazem uso e obtêm dados de imagens.
(CONCI; AZEVEDO; LETA, 2008, p.4)
Relacionada ao processamento de imagens ficou caracterizado o processo de baixo nível,
mais precisamente a eliminação de ruídos e melhorias no contraste das imagens e isso nos
leva aos os processos relacionados com a visão computacional (MARENGONI;
STRINGHINI, 2009, p.138).

3.1. Segmentação
As operações de segmentação procuram isolar regiões que pertencem a objetos para
poder extrair atributos depois, e cálculos de parâmetros descritivos. (CONCI; AZEVEDO;
LETA, 2008, p.55).
Dentre as operações de segmentação, a mais comum é a limiarização por um tom de
corte, onde tudo que esta abaixo deste tom vira preto e tudo que esta acima deste tom vira
branco, podendo ser obtido diversas informações, como área, perímetro, centro de gravidade,
largura máxima e mínima (SCURI, 2002, p.81).
Limiarização é uma abordagem para a segmentação fundamentada na análise da
similaridade de níveis de cinza, de modo a extrair objetos de interesse mediante a definição de
um limiar T que separa os agrupamentos de níveis de cinza da imagem (QUEIROZ; GOMES,
2001, p.25).

3.2. Reconhecimento de padrões

No contexto de análise de imagem, visão computacional e inteligência artificial, o termo

padrão se refere a qualquer aspecto que pode ser padronizado em uma estrutura armazenável,
como um banco de dados de características, por exemplo. O reconhecimento de padrão está
ligado a procura por métodos informatizados e automatizados para tarefas humanas
repetitivas, exaustivas e muito sujeitas a falhas. (CONCI; AZEVEDO; LETA, 2008, p.260).
Normalmente a abordagem para a classificação de padrões são divididas em duas
categorias: abordagem sintática e abordagem estatística. A abordagem sintática baseia-se na
relação existente entre primitivas que compõem as amostras, já a abordagem estatística
considera que as amostras são obtidas de maneira independente a partir de uma distribuição
de probabilidades fixa, porém desconhecida. (PEDRINI; SCHWARTZ, 2008, p.399).
3.3 Rastreamento

Rastreamento é um processo de reconhecer um padrão em uma sequência. A busca em

cada imagem de uma sequência sem o uso de qualquer reconhecimento específico é
relativamente lenta, então atrela-se um conhecimento sobre o movimento do objeto que está
sendo rastreado para minimizar a busca entre as imagens em uma sequência. Estes processos
de rastreamento podem ser utilizados em diversas áreas, de sistemas de segurança ou
vigilância, até o uso em sistemas de interface humano-computador(MARENGONI;
STRINGHINI, 2009, p.146).

4. CONSIDERAÇÕES FINAIS

Diante do que este trabalho apresenta, partir-se-á do ponto em que se obtém a imagem, a
qual deverá ser explorada. Tendo uma imagem em escala de cinza, seu histograma é gerado,
permitindo obter dados que indicam se a imagem tem um alto contraste ou baixo contraste.
Para aprimorar a imagem, podemos fazer uso de técnicas de suavização de serrilhado ou
filtros, que eliminam ou amenizam ruídos da imagem mas tem como efeito colateral o
desfoque na imagem.
Em visão computacional, podemos explorar a área de segmentação, utilizado para isolar
regiões de objetos para extração de informações de interesse na aplicação. Explorando, as
técnicas de reconhecimento de padrões, podemos reconhecer na imagem, padrões pré-
estabelecidos de objetos tanto de imagens estáticas como em busca por padrões em imagens
sequenciais.
Com isso posto, compreendemos que para que seja possível a criação de uma aplicação
de reconhecimento de padrões, é fundamental a preparação da imagem e que através destas
transformações, criamos novas versões das mesmas, passiveis de detecção de elementos e a
efetiva criação de um sistema de visão computacional.

Agradecimentos
Agradecimentos à Instituição Federal do Mato Grosso pelas condições de pesquisa e
capacitação para desenvolvimento deste trabalho, estrutura e equipe.

REFERÊNCIAS BIBLIOGRÁFICAS

CONCI, Aura; AZEVEDO, Eduardo; LETA, Fabiana. Computação Gráfica Teoria e Prática
vol 2., Rio de Janeiro: Elsevier Editora Ltda, 2008.

FALCÃO, A. X. Introdução ao Processamento de Imagem Digital. Disponível em:

<http://www.ic.unicamp.br/~aFALCÃO/mo443/todas-aulas.pdf> Acessado em: 03/04/15.

FILHO, Ogê Marques; NETO, Hugo Vieira. Processamento Digital de Imagens, Rio de
Janeiro: Brasport, 1999.

MARENGONI, M.; STRINGHINI, D. Tutorial: Introdução à Visão Computacional usando

OpenCV. Disponível em: <http://seer.ufrgs.br/rita/article/viewFile/rita_v16_n1_p125/7289>
Acessado em: 03/04/15.

MATURANA, P. S. Algoritmos de Detecção de Bordas Implementados em FPGA.

Disponível em: <www.feis.unesp.br/Home/departamentos/engenhariaeletrica/pos-
graduacao/273-dissertacao_patricia.pdf> Acessado em: 18/05/2015.
PEDRINI, Hélio; SCHWARTZ, William Robson. Análise de Imagens Digitais, Princípios,
Algoritmos e aplicações, São Paulo: Thomson Learning, 2008.

QUEIROZ, J. E.; GOMES, H. M. Introdução ao Processamento Digital de Imagens.

Disponível: <http://dsc.ufcg.edu.br/~hmg/disciplinas/graduacao/vc-2011.2/Rita-Tutorial-
PDI.pdf> Acessado em: 06 Abril 2015.

SCURI, A. E. Fundamentos da Imagem Digital. Disponível em:

<http://webserver2.tecgraf.puc-rio.br/~scuri/download/fid.pdf> Acessado em: 03 Abril 2015.