Академический Документы
Профессиональный Документы
Культура Документы
mais escuros que o fundo e que as bordas das bolsas na imagem. Dessa forma, foi possvel determinar intervalos para as imagens dos resduos em cada componente do modelo RGB. Para a componente vermelha (R), valores inferiores a 110; para a verde (G), valores inferiores a 90 e para a azul (B), valores inferiores a 49. Determinou-se, tambm, empiricamente, a faixa de tolerncia para a componente vermelha (R) at o valor de 125; para a Verde (G) at 100 e para a azul (B) at 70. A anlise das imagens de resduos forneceu informaes imprescindveis para a implementao computacional do modelo Fuzzy proposto por este trabalho. Como o universo de discurso das imagens est entre 0 e 255, pois so os nveis que cada componente do modelo RGB pode variar, ou seja, os 256 nveis de quantizao de cores, usados como variveis de entrada, para a componente vermelha (R), verde (G) e azul (B), foi definida a funo de pertinncia de cada componente do modelo RGB, obtendo-se os padres geomtricos para a componente vermelha (R), para a verde (G) e para a azul (B). Definidas as funes de pertinncia outro passo no projeto de um Sistema Fuzzy determinar o processo de inferncia e as regras Fuzzy. Para se obter um pixel preciso obter as trs componentes do modelo RGB, ou seja, sempre as trs funes de pertinncia estaro ativas cada vez que um pixel for examinado na imagem. O processo de inferncia utilizado foi o tipo Modus Ponens generalizado [4] e devido necessidade de se analisar as trs componentes, a nica regra fuzzy implementada como mostra o quadro abaixo:
Quadro 1- Regras Fuzzy
imagem e o percentual de resultados positivos, ou seja, onde a rotina reconheceu corretamente se h ou no resduo na imagem e o tempo mdio de execuo do algoritmo considerando o Hardware e Software utilizados. Considerando os resultados e todas as dificuldades existentes em todo o processo o Sistema Fuzzy proposto foi capaz de compens-los e fornecer um resultado extremamente preciso na identificao de todos os resduos.
Tabela 1- Resultados: Algoritmo proposto
Tabela de Resultados Tipo de Imagens Imagens com resduos Imagens com resduos, soluo anticoagulante e bolhas Imagens de bolsas perfeitas Imagens com soluo e sem resduos e com bolhas Total de Acertos na Classificao Tempo mdio de execuo
100% 1 minuto
Desse modo, o algoritmo proposto atingiu o objetivo principal, que o de identificar corretamente se existe ou no resduos. Referncias [1] Yao Min, J. Zhiwei, YI, W Zhao X. Application of generalized learning in Image recognition, IEEE Proceedings, 2005, p. 159-162. [2] Phung, S.L., Bouzerdoum A.; Chai, D. Skin Segmentation Using Color Pixel Classification Analysis and Comparison, IEEE Transactions 2005 Vol.27, p. 148-154. [3] Tembe, W., Ralescu A.,(2004) Fuzzy algorithm for context character Recognition Fuzz IEEE 2004, p 1733 1738. [4] Demirli, K. Turksen, I.B. Mobile robot navigation with generalized modus ponens type fuzzy reasoning, IEEE Intelligent Systems 1995, p. 3724-3729 Contatos Adilson Gonzaga Av. Trab. So-carlense, 400 So Carlos SP. e-mail: adilson@sel.eesc.usp.br Cssio Avelino Adorni Av. Trab. So-carlense, 400 So Carlos SP. e-mail: cassioaa@ig.com.br Ivan Nunes da Silva Av. Trab. So-carlense, 400 So Carlos SP. e-mail: insilva@sel.eesc.usp.br
Se (Vermelho (R) e Verde (G) e Azul (B)) ento (existe pixel) Foi aplicado o operador de composio do tipo Max-Min, e como operador de implicao o operador de Mandani. Definido todos os requisitos necessrios, foi desenvolvido o algoritmo utilizando o Matlab7.0 como ferramenta de desenvolvimento aplicando esta rotina em cada uma das imagens do banco de imagem. Discusses e Concluses Os resultados obtidos esto demonstrados na Tabela 1 onde so apresentados o tipo da