Processamento Digital De Imagens 1p4r15

Centro de Estudos Fundação São Lucas

Processamento Digital de Imagens - PDI

Prof. Elisandro Andrade


Centro de Estudos – Fundação São Lucas

Centro de Estudos – Fundação São Lucas Curso Técnico de Radiologia Médica



Página 2



Apresentação

Competências 

Distinguir as características básicas da formação da imagem digital, empregando os conceitos e princípios dos diferentes algoritmos de processamento, de forma a obter imagens para a interpretação e o diagnóstico;



Identificar

equipamentos

e

reconhecer

procedimentos

utilizados

no

processamento de imagens digitais; 

Reconhecer protocolos de processamento em radiodiagnóstico;

Habilidades 

Aplicar técnicas para processamento de imagens digitais através da operação adequada de equipamentos de radiodiagnóstico;



Executar a manipulação da imagem através de algoritmos que permitam a variação de brilho e contraste de modo a assegurar a clareza da mesma;



Proceder ao processamento e revelação das imagens digitais;

Bases Tecnológicas 

Informática aplicada ao diagnóstico por imagem;



Processamento digital de imagens: ajustes para a qualidade das imagens;



Equipamentos utilizados no processamento de imagens digitais;



Técnicas de trabalho na produção de imagens digitais;



Protocolos de operação de equipamentos de aquisição de imagem;



Bases físicas que fundamentam o radiodiagnóstico.


Página 3



Sumário

1

– Radiologia Digital ..................................................................................................................... 6 1.1 – Histórico ................................................................................................................................ 6 1.2 – Limites de Sistemas Analógicos ............................................................................................. 7 1.3 – Vantagens do sistema Digital com relação ao Convencional (Analógico) ............................. 8 1.4 – Composição da imagem digital ............................................................................................. 9 1.5 – Reconstrução das imagens .................................................................................................. 12 1.6 – Confecção da matriz da imagem ......................................................................................... 13 1.7 – Sistemas de gerenciamento das imagens radiográficas digitais ......................................... 14 1.8 – Etapas no processo de formação da imagem digital........................................................... 14

2 – Processamento Digital de Imagens ............................................................................................ 17 2.1 – Introdução ao Processamento de Imagens Digitais ............................................................ 17 2.1.1 – Introdução .................................................................................................................... 17 2.1.2 – Outras áreas de aplicações do PDI ............................................................................... 19 2.1.3 – Representação de Imagens Digitais ............................................................................. 19 2.1.4 – os Fundamentais do Processamento de Imagens ................................................. 20 2.1.5 – Conceito de Imagem digital.......................................................................................... 22 2.1.6 – Imagem Matricial ......................................................................................................... 23 2.1.7 – Aquisição e Digitalização de Imagens........................................................................... 23 2.1.8 – Cor ................................................................................................................................ 23 2.1.9 – Reprodução de Cores ................................................................................................... 24 2.1.10 – Tipos de Imagem ........................................................................................................ 25 2.2 – Operações Geométricas ...................................................................................................... 25 2.2.1 – Espelhamento ............................................................................................................... 26 2.2.2 – Rotação......................................................................................................................... 26 2.2.3 – Zoom Digital ................................................................................................................. 26 2.2.4 – Interpolação Bilinear (pela média) ............................................................................... 30 2.3 – Histograma de uma Imagem ............................................................................................... 31 2.3.1 – Definição - Histograma ................................................................................................. 31 2.3.2 - Equalização do Histograma ........................................................................................... 32


Página 4



2.4 – Segmentação de Imagens ................................................................................................... 32 2. 5 – Ruído em Imagens Digitais ................................................................................................. 37 2. 6 – Realce de imagens .............................................................................................................. 38 2.7 – Operações Aritméticas com Imagens .................................................................................. 39 2.7.1 – Soma de Imagens ......................................................................................................... 39 2.7.2 – Subtração de Imagens .................................................................................................. 39 2.7.3 – Multiplicação de Imagens ............................................................................................ 40 2.7.4 – Divisão de Imagens ....................................................................................................... 40 2.8 – Filtragem.............................................................................................................................. 40 2.8.1 – Filtros Espaciais “a-Baixa” ..................................................................................... 41 2.8.2 - Filtros Espaciais a-Altas .......................................................................................... 41 3 - Formação da imagem ....................................................................... Erro! Indicador não definido. 3.1 – Componentes de um equipamento de Radiografia Digital ................................................. 42 3.2 – Detectores CCD e CMOS ...................................................................................................... 43 3.3 – PSP (Photostimulable phosphor)......................................................................................... 43 3.4 – Comparações entre os sensores ......................................................................................... 44 4 - Exercícios ..................................................................................................................................... 45 Lista de exercícios – Capítulo 1 .................................................................................................... 45 Lista de exercícios – Capítulo 2 .................................................................................................... 47 Lista de exercícios – Capítulo 3 .................................................................................................... 47 5 - Bibliografia .................................................................................................................................. 50


Página 5



1 – Radiologia Digital 1.1 – Histórico O início das atividades de Radiologia data do final do século XIX, quando o alemão Wilhelm Roentgen descobriu os raios-x ao ver a mão da sua esposa projetada numa tela, enquanto trabalhava com radiações. A partir daí, a evolução dos equipamentos trouxe novos métodos, entre eles a tomografia computadorizada (CT, do inglês, Computed Tomography), que alargou o horizonte de visualização de algumas afecções de quatro para quase mil condições de densidades diferentes. Depois, veio a Ressonância Magnética, que permite que muitas condições sejam visualizadas, identificadas e diagnosticadas. Foi no início dos anos 80 que a Siemens introduziu o Angiotron como primeiro equipamento de radiologia digital. Em contraste aos pesados armários de componentes eletrônicos que apresentavam os equipamentos radiológicos digitais, a Siemens lançou o Siremobil no meado dos anos 80. Já no início dos anos 90 a Siemens Lançou o Fluorospot H Digital Imager. Este sistema foi vendido com as funções de radiografia e fluoroscopia. Um item em comum apresentado em todos estes sistemas digitais é que a imagem poderia ser representada em modo de subtração de imagens e mostrando as imagens em subtração é possível “apagar” backgrounds anatômicos e representar apenas veias e artérias cheias de meios de contraste, por exemplo.

Fig. 1.1: Imagens digitais e operação de subtração.


Página 6



1.2 – Limites de Sistemas Analógicos  Filme possui latitude limitada, problemas devido a mudanças à exposição de raiosx através do plano da imagem;  O filme atua como detector, armazenador e display (exibidor da imagem); na radiologia digital, os processos de aquisição da imagem (detecção), demonstração e armazenamento são separados, o que leva à otimização de cada uma dessas etapas.  Desenvolvimento e processamento;  Muitos os envolvidos, perda na informação da imagem;  Ruído analógico.

Fig. 1.2: Imagem digital em comparação com imagem analógica.


Página 7



1.3 – Vantagens do sistema digital com relação ao convencional (analógico) Existem várias vantagens do sistema digital com relação ao convencional (analógico):  A Imagem radiológica é vista instantaneamente pelo médico, e ao mesmo tempo ela está sendo armazenada na memória do Sistema;

 A imagem é gravada em uma memória digital, isto é, pode ser reproduzida várias vezes sem nenhuma deteriorização na imagem;  Imagens podem ser subtraídas umas das outras, evidenciando apenas as diferenças entre ambas;

 As imagens podem ser adquiridas tão rápido quanto o gerador de raios-x pode controlar o tempo de exposição;


Página 8



 O único espaço necessário para armazenar as imagens são os discos rígidos (HD’s). Por lei, as imagens devem permanecer arquivadas por anos, o que requer grandes volumes de arquivos, quando tratam-se de filmes. Além disso, com a Imagem digital o médico dispõe da possibilidade de armazenamento das imagens em CD ROM;  Hoje em dia os Hospitais têm se preocupado com os gastos com produtos químicos para o processamento dos filmes. O armazenamento destas substâncias, a recuperação da prata e o descarte do químico são itens importantes para o meio ambiente e geram gastos;  Cada imagem é vista no sistema de TV através de um Intensificador de Imagens.

1.4 – Composição da imagem digital Para entendermos melhor como é gerada uma imagem digital, primeiro temos que entender como o computador trabalha com a imagem. A imagem que é apresentada ao técnico ou ao radiologista, seja no monitor ou no filme, é formada pela diferente coloração em níveis de cinza de milhares de pontos. Assim, como ocorre no televisor, a imagem obtida do corte da anatomia é na realidade um conjunto de pontos com tons diferentes. É como se a imagem fosse dividida em uma matriz de N x N pontos. Atualmente, a imagem tomográfica é gerada com matrizes a partir de 256 x 256 pontos, ando por 320 x 320 até 512 x 512 pontos. Equipamentos mais modernos chegam a trabalhar com matrizes de 1024 x 1024 pontos, o que significa dividir a imagem em mais de 1 milhão de pontos. E o trabalho do equipamento de imagem, juntamente com o computador, é justamente definir, indiretamente, o valor da densidade daquela pequena porção de tecido humano que cada um destes pontos está representando. Se houver uma mínima diferença de densidades entre dois pontos consecutivos, então o computador atribuirá um tom de cinza diferente para cada um dos pontos, resultando no contraste que levará ao diagnóstico médico.


Página 9



A menor unidade de dimensão ou de imagem é o ponto fotográfico, conhecido em inglês por pixel (picture element), conforme demos uma idéia acima. O pixel não tem uma dimensão ou comprimento definido, pois depende do tamanho do campo de visão e da matriz de imagem. Assim, a escolha dos dois pelo técnico irá determinar que o pixel represente uma certa porção da área transversal ou corte realizado no paciente. O campo de visão (FOV, do inglês, field of view), ou ainda scan diameter, é um valor fornecido pelo técnico operador quando da realização de cada exame. Este valor está diretamente relacionado com a região do exame: para crânio, o campo de visão é da ordem de 24 cm, para tórax/abdômen utiliza-se 35 cm ou 42 cm (paciente obeso). Os valores permitidos para o FOV podem ser fixos (3 ou 4 valores) nos equipamentos mais antigos, ou ajustáveis de 1 em 1 cm nos tomógrafos mais modernos. A definição desta mediada pelo técnico permitirá a visualização da imagem com a melhor resolução possível dentro dos limites do equipamento. Por isso, quando o equipamento permitir a definição exata do campo de visão, o técnico deverá utilizar o espessômetro para medir o paciente e com isso informar ao computador a medida exata.

Fig. 1.3: Ilustração representativa do pixel e do voxel.

Porém, devemos lembrar que a imagem apresentada na tela, não representa apenas um corte que separou a anatomia do paciente em duas partes, superior e inferior, ou direita e esquerda. Na realidade, o corte realizado no paciente possui uma espessura de alguns milímetros. Logo, a densidade apresentada através do tom de cinza pelo pixel na tela estará representando na realidade, não uma área, mas sim a densidade de um pequeno volume do corpo do paciente, conforme ilustra a figura 2.2. Conhecido como voxel, este elemento, ou esta quantidade, deve ser do entendimento principalmente do radiologista, pois de acordo com os parâmetros utilizados, o tamanho do voxel irá definir o menor tamanho de patologia a ser identificada. Assim, sabendo-se o valor do campo de visão e a matriz escolhida, podemos calcular o quanto representa, ou qual a dimensão de cada pixel. Vejamos os exemplos: a) campo de visão de 24 cm divido por uma matriz de 256 x 256 pixels → 1 pixel = 240 mm / 256 = 0,9375 mm


Página 10



b) campo de visão de 35 cm divido por uma matriz de 256 x 256 pixels → 1 pixel = 350 mm / 256 = 1,3671 mm c) campo de visão de 35 cm divido por uma matriz de 512 x 512 pixels → 1 pixel = 350 mm / 512 = 0,6835 mm d) campo de visão de 45 cm divido por uma matriz de 512 x 512 pixels → 1 pixel = 450 mm / 512 = 0,8789 mm Como podemos ver, o ponto colorido na tela pode representar uma área no paciente de 0,6835 mm. A composição da imagem digital é semelhante à forma como os computadores convencionais armazenam dados, por meio de informações simples chamadas bits Computadores utilizam um sistema binário de dados. Um bit (binary digit) somente pode assumir um de valores possíveis. Pode ser “0” (zero, low, baixo) ou “1” (um, high, alto). 2 tons de cinza (1 bit) 4 tons de cinza (2 bits) 8 tons de cinza (3 bits) 16 tons de cinza (4 bits) 32 tons de cinza (5 bits)


Página 11



Desta forma então um bit pode representar duas tonalidades de cinza, que no caso corresponderia ao branco e ao preto. 8 bits por sua vez correspondem à 1 Byte. Cada imagem digital gerada é formada também por uma matriz composta de elementos chamado pixels. Pixel é o menor ponto de uma imagem.

8 Pixels

12 Pixels O número total de pixels em uma imagem é o produto do número de pixels existentes na vertical pelo número de pixels existentes na horizontal. O número de pixels em uma imagem é chamado de tamanho da matriz.

1.5 – Reconstrução das imagens A imagem, embora pareça ser a representação quase perfeita das anatomias do paciente em exame, na realidade é um conjunto de números, transformados em tons de cinza, que informam a densidade de cada ponto da anatomia. Como as partes anatômicas possuem densidades distintas, dependendo das células que a compõem, a informação das densidades acabam formando imagens que, na tela, desenham as várias anatomias do corpo humano. Para descobrir o valor de densidade de cada ponto interior ao corpo humano, o aparelho realiza a medição da atenuação de radiação que o corpo humano provoca quando atravessado por um feixe de raios X. Como esta atenuação é realizada por todo o corpo, é necessário que se façam várias exposições em diferentes ângulos. Assim, se obtém uma grande quantidade de dados para que o computador possa definir ponto a ponto da imagem qual seu valor de atenuação, ou de densidade. A transformação desses valores nos vários níveis de cinza análogos cria uma imagem visual da seção transversal da área varrida. Os valores de atenuação para cada conjunto de projeção são registrados no computador e a imagem computadorizada é reconstruída através de um processamento computacional complexo.


Página 12



O número finito de valores de atenuação correspondente ao objeto varrido é organizado na forma de uma matriz ou tabela. Devido a suas capacidades de absorção diferentes, estruturas internas diferentes serão identificáveis na imagem fotográfica. O tamanho da matriz da imagem, ou seja, o número de pontos fotográficos calculados, irá implicar no número de projeções individuais. O tamanho da matriz, ou tabela, contudo, também influencia na qualidade da resolução da imagem. Matrizes maiores significam mais pontos e pixel de menor área, o que resulta em mais detalhes. No entanto, implica num esforço computacional maior pelo computador.

Fig. 2.4: Ilustração representativa da atenuação através da matéria.

1.6 – Confecção da matriz da imagem Uma vez que o computador obtenha uma lista de valores com todas as atenuações medidas pelos sensores, começa um complexo processo computacional matemático para que se identifique o valor da densidade ou da atenuação em cada pixel da imagem a ser gerada. Para cada elemento de volume é dado um valor numérico, ou seja um valor de atenuação, que corresponde a quantidade média de absorção de radiação daquele tecido representado no pixel. A densidade na tomografia computadorizada é diretamente proporcional (relação linear) com o coeficiente de atenuação, uma constante do tecido influenciado por muitos fatores. O coeficiente de atenuação quantifica a absorção da radiação X. Após a calibração interna do tomógrafo, a densidade do tomograma computadorizado da água é ajustada para 0, e a densidade do ar para -1.000 unidades Hounsfield (Hounsfield units ou simplesmente HU).

A


B HounsfieldCunits ou simplesmente D Fig. 2.4: HU.E

Página 13



1.7 – Sistemas de gerenciamento das imagens radiográficas digitais Após a geração da imagem radiográfíca digital, ela deve ser gerenciada (exibição, transmissão, armazenamento e gravação) por meio de sistemas informatizados. Atualmente os principais são:  PACS (Picture Archiving and Communications System) — Sistema de comunicação e arquivamento de imagens;  RIS (Radiology Information System) — Sistema de informações em Radiologia;  HIS (Hospital Itijormatiou System) —Sistema de informações hospitalares;  DICOM 3.0 — protocolo padrão (atual) de comunicação da imagem digital. O PACS, responsável pelo armazenamento e distribuição eletrônica das imagens digitais, integra-se com as modalidades geradoras de imagens digitais, o RIS e o HIS, proporcionando o tráfego de imagens associado à informações. A integração dos sistemas de Informação em Radiologia (RIS - Radiology Information System) e de Sistema de comunicação e arquivamento de imagens (PACS Picture Archiving and Communications System) possibilitam a consulta remota de laudos e de imagens associadas. A integração RIS/PAC é feita em tempo real, no momento da consulta, utilizando tecnologias “web” e técnicas de programação para “internet/intranet”. A aplicação “web” permite a consulta pela “intranet” do hospital laudos e exames associadas através de nome, sobrenome, número de registro hospitalar dos pacientes ou por modalidade, dentro de um determinado período. O visulaizador permite que o usuário navegue pelas iamgens, podendo realizar funções básicas como “zoom”, controle de brilho e contraste e visualização de imagens lado a lado. A integração RIS/PACS diminui o risco de inconsistências, através da redução do número de interfaces entre bases de dados com grande redundância de informaçõe, proporcionando um ambiente de trabalho rápido e seguro para consultas de laudos radiológicos e visualização de imagens associadas.

1.8 – Etapas no processo de formação da imagem digital A imagem radiográfica digital é obtida pela conversão do feixe de radiação (após interação com o objeto) em sinais elétricos. Essa conversão pode ser feita por detectores acoplados ao aparelho de raios X em aparelhos digitais, ou pelo escaneamento de um écran de fósforo de armazenamento, utilizado com aparelhos convencionais. Para gerar uma imagem radiográfica digital com aparelho convencional é usado um sistema baseado em écran de fósforo de armazenamento, e a imagem digital gerada é denominada radiografia computadorizada (RC). Esse sistema é uma alternativa para a aquisição de imagens radiográficas digitais utilizando aparelhos de raios X convencionais (não digitais). Nele um chassi equipado com um écran de armazenamento de fósforo é usado em substituição ao chassi convencional (filme radiográfico).


Página 14



A imagem latente contida no écran de fósforo, após exposição aos raios X, é digitalizada através de um escaneamento a laser (digitalização). E importante saber que a imagem latente presente no écran de fósforo se degrada com o tempo, portanto embora ela possa ser mantida por até 24 horas, o seu escaneamento (digitalização) deve ser feito em até 1 hora após a exposição. Os écrans de armazenamento de fósforo são montados em chassis de tamanho padrão e podem ser lidos, apagados (zerados) e reutilizados inúmeras vezes. Esse sistema (écran de fósforo de armazenamento) mantém o mesmo tempo de aquisição da imagem de um filme radiográfico, pois a imagem latente gerada no écran de fósforo é primeiramente processada (escaneada/digitalizada) e depois distribuída. Os écrans de fósforo devem ser limpos após 500 exposições, a cada 30 dias, ou quando surgirem arte-fatos. É necessário muito cuidado ao limpá-los, pois são bem menos resistentes à abrasão do que os écrans intensifícadores convencionais (radiográfícos/radios-cópicos). Atualmete os equipamentos digitais arquivam seus dados em um foram conhecida como protocolo DICOM 3.0

Fig. 2.6: Logomarca DICOM.

DICOM especificamente é um protocolo de comunicação padrão, projetado para a troca de informações através de imagem digital e serviços entre equipamentos em um ambiente de radiológico. Nos anos 70, os primeiros Scanner’s de CT foram introduzidos em hospitais pelo mundo inteiro. Eles foram seguidos logo por Scanner’s de Ressonância Magnética e outras imagens digitais produzidas por sistemas no início dos anos 80. Nos início cada Scanner tinha a sua própria máquina fotográfica laser onde as imagens digitais eram documentadas em filme. Logo foi percebido que seria desejável se vários Scanner’s pudessem compartilhar uma única máquina laser. Diversos Fabricantes desenvolveram protocolos próprios para possibilitar este compartilhamento das câmeras laser. Em aspectos adicionais, outros de benefícios com imagens digitais foi achado logo. Uma imagem digital pode ser processada, pode ser armazenada em um sistema de computador ou pode ser transmitida a outros sistemas. O nome PACS (Picture Archiving and Communication System) foi criado e a primeira conferência de PACS aconteceu em 1982.


Página 15



Ao mesmo tempo, os fabricantes e profissionais médicos perceberam que os hospitais e fabricantes enfrentariam problemas principalmente, se as imagens digitais criadas por diferentes vendedores não fossem compatíveis entre si. Assim este fabricantes chegaram a conclusão que a implementação do software deveria estar baseada em um padrão comum. Os órgãos: ACR/NEMA (Faculdade de Radiologia americana e Associação de Fabricantes Elétrica Nacional) começaram a trabalhar em um tal padrão em 1982. O resultado deste projeto junto com a participação dos principais vendedores de equipamentos foi o Padrão ACR/NEMA 1.0, foi publicado em 1985. ACR/NEMA 1.0 definiu um formato de arquivo mas não era usado em networking. Em 1988, uma segunda edição (ACR/NEMA 2.0) foi publicado que incluiu um hardware para comunicação Ponto-para-ponto. Era óbvio que ACR/NEMA 1.0 e 2.0 tiveram algumas limitações essenciais. Em 1985, Philips e Siemens começaram um projeto em comum para desenvolver uma interface de rede baseado no formato ACR/NEMA. Este era depois o começo do DICOM e em quatro anos foram publicadas as primeiras partes de DICOM 3.0 e foram demonstradas no RSNA em 1992. DICOM define formatos de imagem para Radiografia Computadorizada, Tomografia Computadorizada, Ressonância Magnética, Medicina Nuclear, Ultra-som, Angiografia, Radiofluoroscopia, Radioterapia e PET, DICOM se propõe a Registrar a documentação de exames,o agendamento de Pacientes e istração dos Resultados. Mesmo com tantos benefícios, essa nova tecnologia ainda tem seus inconvenientes. “As imagens demoram a surgir na tela e, eventualmente, nem aparecem. Outro problema é que se gasta mais tempo no novo método do que no convencional para a conclusão do mesmo número de laudos. Em quatro horas de trabalho, por exemplo, um médico não consegue analisar 40 exames.


Página 16



2 – Processamento Digital de Imagens 2.1 – Introdução ao Processamento de Imagens Digitais 2.1.1 – Introdução

O interesse em métodos de processamento de imagens digitais decorre de duas áreas principais de aplicação:  

Melhoria da informação visual para a interpretação humana. Processamento de dados de cenas para percepção automática através de máquinas.

O objetivo do uso do processamento digital de imagens consiste em melhorar o aspecto visual de certas feições estruturais para o analista humano e fornecer outros subsídios para a sua interpretação, inclusive gerando produtos que possam ser posteriormente submetidos a outros processamentos. A área de processamento digital de imagens tem atraído grande interesse nas últimas duas décadas. A evolução da tecnologia de computação digital, bem como o desenvolvimento de novos algoritmos para lidar com sinais bidimensionais está permitindo uma gama de aplicações cada vez maior. Como resultado dessa evolução, a tecnologia de processamento digital de imagens vem ampliando seus domínios, que incluem as mais diversas áreas, como por exemplo:  análise de recursos naturais e meteorologia por meio de imagens de satélites;  transmissão digital de sinais de televisão ou facsímile;  análise de imagens biomédicas, incluindo a contagem automática de células e exame de cromossomos;  análise de imagens metalográficas e de fibras vegetais;  obtenção de imagens médicas por ultrassom, radiação nuclear ou técnicas de tomografia computadorizada;  aplicações em automação industrial envolvendo o uso de sensores visuais em robôs, etc.


Página 17



Atualização Cartográfica Baseada em Imagens Digitais

O interesse em métodos de Processamento Digital de Imagens surgiu, principalmente, da necessidade de melhorar a qualidade da informação pictorial para interpretação humana. Uma das primeiras aplicações das técnicas de PDI foi a melhoria de ilustrações de jornais enviados por cabo submarino entre Londres e New York por volta de 1920. Mas as técnicas de processamento digital de imagens evoluíram em meados dos anos 60 com o advento de computadores digitais e com o programa espacial norte-americano. Em 1964 as imagens da lua transmitidas pela sonda Ranger 7 foram processadas por um computador para corrigir vários tipos de distorções inerentes à câmara de televisão à bordo. As técnicas de processamento usadas nesta época serviram de base para o realce e restauração de imagens de outros programas espaciais posteriores, como as expedições tripuladas da série Apollo para a lua, por exemplo. O uso de imagens multiespectrais coletadas por satélites tais como, Landsat, SPOT ou similares, tem se mostrado como uma valiosa ferramenta para a extração dos dados


Página 18



destinados às várias aplicações de pesquisa de recursos naturais. A obtenção das informações espectrais registradas pelos sistemas nas diferentes partes do espectro eletromagnético, visando a identificação e discriminação dos alvos de interesse, depende principalmente da qualidade da representação dos dados contidos nas imagens. As técnicas de processamento digital de imagens, além de permitirem analisar uma cena nas várias regiões do espectro eletromagnético, também possibilitam a integração de vários tipos de dados, os quais devem estar devidamente registrados. 2.1.2 – Outras áreas de aplicações do PDI

As principais áreas de aplicações do PDI geralmente requerem métodos capazes de realçar as informações contidas nas imagens para a posterior interpretação e análise humana. Algumas destas aplicações são: Análise de recursos Naturais:    

Geologia - estudo da composição e estrutura da superfície, detecção de minerais, óleo e outros recursos naturais. Agricultura - previsão de safras e determinação do tipo de plantação nas áreas de agricultura. Floresta - determinação do tipo de cobertura florestal. Cartografia - mapeamento da superfície terrestre. Análise ambiental:

 

Monitoramento da poluição. Planejamento urbano. Meteorologia:



Análise de clima e temperatura. Biomédica:



Contagem automática de células.

2.1.3 – Representação de Imagens Digitais

O termo imagem monocromática, ou simplesmente imagem, refere-se à função bidimensional de intensidade da luz f(x,y), onde x e y denotam as coordenadas espaciais e o valor f em qualquer ponto (x, y) é proporcional ao brilho (ou níveis de cinza) da imagem naquele ponto. Às vezes se torna útil a visualização da função da imagem em perspectiva com um terceiro eixo representando o brilho. Neste caso, a Figura 3.1 apareceria como uma série de picos em regiões com numerosas modificações do nível de brilho e regiões planas ou platôs em que os níveis de brilho variam pouco ou são constantes.


Página 19



Usando-se esta convenção para atribuir proporcionalmente valores mais altos para áreas de maior brilho obtém-se a altura dos componentes da figura proporcional ao brilho correspondente na imagem. Uma imagem digital é uma imagem f(x, y) discretizada tanto em coordenadas espaciais quanto em brilho. Uma imagem digital pode ser considerada como sendo uma matriz cujos índices de linhas e de colunas identificam um ponto na imagem, e o correspondente valor do elemento da matriz identifica o nível de cinza naquele ponto. Os elementos dessa matriz digital são chamados de elementos da imagem, elementos da figura, "pixels" ou "pels", estes dois últimos, abreviações de "picture elements" (elementos de figura). Quanto mais pixels uma imagem tiver melhor é a sua resolução e qualidade.

Fig. 3.1: Convenção dos eixos para representação de imagens digitais A Convenção dos eixos para representação de imagens digitais no Processamento de Imagens é diferente da convenção usada na Computação Gráfica. 2.1.4 – os Fundamentais do Processamento de Imagens

Um exemplo de aplicação, que é bastante fácil de ser definida sem qualquer conhecimento prévio de conceitos de imageamento, é o uso de técnicas de processamento de imagens para leitura automática de endereços em correspondências. A figura 3.2 mostra que o objetivo global é produzir um resultado a partir do domínio do problema por meio de processamento de imagens. Nesse exemplo, o domínio do problema consiste em correspondências e o objetivo é ler o endereço em cada uma delas. Assim, a saída desejada nesse caso é uma seqüência de caracteres alfanuméricos.


Página 20



Fig. 3.2: os fundamentais em processamento de imagens digitais O primeiro o no processo é a aquisição da imagem isto é, adquirir uma imagem digital. Para fazer isso, necessitamos de um sensor para imageamento e a capacidade de digitalizar o sinal produzido pelo sensor. O sensor poderia ser uma câmera de TV monocromática ou colorida, o sensor de imageamento poderia também ser uma câmera de varredura por linha que produza uma única linha de imagem por vez. Nesse caso, o movimento do objeto ao longo do varredor de linhas produz uma imagem bidimensional. Se a saída da câmera ou outro sensor de imageamento não se encontrar na forma digital, um conversor analógico-digital realiza a digitalização. A natureza do sensor e da imagem que ele produz são determinadas pela aplicação. No caso das aplicações para leitura de correspondências baseiam-se grandemente em câmeras por varredura de linhas. Após a obtenção de uma imagem digital, o próximo o trata de pré-processar aquela imagem. A função chave no pré-processamento é melhorar a imagem de forma a aumentar as chances para o sucesso dos processos seguintes. Nesse exemplo, o préprocessamento tipicamente envolve técnicas para o realce de contrastes, remoção de ruído e isolamento de regiões cuja textura indique a probabilidade de informação alfanumérica. O próximo estágio trata da segmentação que divide uma imagem de entrada em partes ou objetos constituintes. Em geral, a segmentação automática é uma das tarefas mais difíceis no processamento de imagens digitais. Por um lado, um procedimento de segmentação robusto favorece substancialmente a solução bem sucedida de um problema de imageamento. Por outro lado, algoritmos de segmentação fracos ou erráticos quase sempre asseveram falha no processamento. No caso de reconhecimento de caracteres, o papel básico da segmentação é extrair caracteres individuais e palavras do fundo da imagem. A saída do estágio de segmentação é constituída tipicamente por dados em forma de pixels, correspondendo tanto à fronteira de uma região como a todos os pontos dentro da mesma. Em ambos os casos é necessário converter os dados para uma forma


Página 21



adequada ao processamento computacional. A primeira decisão que precisa ser feita é se os dados devem ser representados como fronteiras ou como regiões completas. A representação por fronteira é adequada quando o interesse se concentra nas características da forma externa, tais como cantos ou pontos de inflexão. A representação por região é adequada quando o interesse se concentra em propriedades internas, tais como textura ou a forma do esqueleto. Em algumas aplicações, entretanto, essas representações coexistem. Essa situação acontece em aplicações de reconhecimento de caracteres, que freqüentemente requer algoritmos baseados na forma da borda, bem como também esqueletos e outras propriedades internas. A escolha de uma representação é apenas parte da solução para transformar os dados iniciais numa forma adequada para o subseqüente processamento computacional. Um método para descrever os dados também deve ser especificado, de forma que as características de interesse sejam enfatizadas. O processo de descrição, também chamado seleção de características, procura extrair características que resultem em alguma informação quantitativa de interesse ou que sejam básicas para discriminação entre classes de objetos. Em se tratando de reconhecimento de caracteres, descritores tais como buracos e concavidades são características poderosas que auxiliam na diferenciação entre uma parte do alfabeto e outra. O último estágio envolve reconhecimento e interpretação. Reconhecimento é o processo que atribui um rótulo a um objeto, baseado na informação fornecida pelo seu descritor. A interpretação envolve a atribuição de significado a um conjunto de objetos reconhecidos. Por exemplo, a identificação de um caracter, digamos c, requer a associação dos descritores para aquele caracter com o rótulo c. A interpretação procura atribuir significado a um conjunto de entidades rotuladas. Por exemplo, uma cadeia de cinco números ou de cinco números seguidos por um hífen mais quatro números pode ser interpretada como um código de endereçamento postal. 2.1.5 – Conceito de Imagem digital

A imagem pode ser vista como um sinal capturado, por exemplo, pela retina humana, por uma câmera de TV, por um sensor CCD. As imagens podem ser modeladas por uma função contínua de duas ou três variáveis. Neste caso, esta função pode representar as coordenadas (x, y) no plano, ou o tempo (t), quando as imagens variam no tempo, como por exemplo, no caso dos vídeos. Além disso, os valores da função imagem correspondem ao brilho em cada um dos pontos (x, y). Os valores da função imagem normalmente são representativos de quantidades físicas. Caso as imagens sejam obtidas por câmeras na região do espectro visível, estes valores representam a intensidade luminosa. Por sua vez, se as imagens forem obtidas por raios-X, no caso de radiografias, isto faz como que as regiões com maior opacidade sejam mais escuras, e os valores da função am a representar a absorção de raios-X. Em outra situação, se as imagens são obtidas na região do infravermelho, como no caso de regiões mais quentes, que apresentam brilho maior, os valores representam a temperatura. E se as imagens forem obtidas por um processo de triangulação, caso seja Prof. Elisandro Andrade

Página 22



utilizado, por exemplo, um dispositivo do tipo laser scan, utilizados na prototipagem rápida, os valores da função imagem am a representar a distância do observador. 2.1.6 – Imagem Matricial

A imagem matricial, ou imagem raster, é mais conhecida como bitmap ou mapas de bits (BMP). É constituída de uma matriz com linhas e colunas (dimensão da imagem). Cada elemento desta matriz digital é chamado de elemento da imagem, originário da língua inglesa pixel ou pel que é a abreviação de picture element.

Fig. 3.3: Mapa de bits. MicrosoftTM Paint. 2.1.7 – Aquisição e Digitalização de Imagens

As imagens, isto é, sinais contínuos, são discretizadas e representadas por estruturas de dados, como por exemplo, matrizes, para então serem processadas pelos computadores. Então, a função imagem f(x, y) pode ser amostrada em uma matriz de M linhas por N colunas, caracterizando o que podemos denominar como amostragem da imagem. Por sua vez, cada amostra da função contínua f(x, y) é representada por um valor inteiro de brilho, caracterizando o que podemos denominar como quantização da imagem. Neste caso, a gama de valores de f(x, y) é particionada em K intervalos. 2.1.8 – Cor

A cor é uma sensação produzida pela presença de luz no ambiente, podendo inclusive ser descrita como uma quantidade psicofísica. Por sua vez, a luz corresponde à porção visível do espectro eletromagnético. O espectro visível inclui as cores violeta, verde, amarelo, laranja e vermelho. Abaixo do espectro visível, encontra-se o ultravioleta, e acima o infravermelho e as ondas de rádio. A luz branca acromática aparece como uma energia basicamente uniforme para cada comprimento de onda, enquanto que a luz colorida apresenta picos de energia em determinadas regiões de comprimento de onda, caracterizando uma concentração de energia em bandas, produzindo os matizes e a pureza das cores.


Página 23



2.1.9 – Reprodução de Cores

No processo aditivo, as cores são obtidas pela adição de primárias de luz nas cores vermelho (R), verde (G) e azul (B). Por sua vez, a soma de todas as cores resulta na cor branca. Como exemplo de processo aditivo, pode-se citar o caso dos sistemas com luz emitida, como no caso dos monitores de vídeo.


Página 24



2.1.10 – Tipos de Imagem

A imagem binária é definida quando a escala de quantização se apresenta em dois tons (branco e preto). Por sua vez, a imagem em tons de cinza é definida por uma escala variável dentro de um intervalo (Lmin, Lmax). Em outra situação, a imagem colorida surge quando a escala variável se apresenta em três dimensões, como no caso de uma imagem no espaço RGB com oito bits por canal de cor. Quanto aos formatos das imagens digitais, tem-se os bitmap, com ou sem compressão, em arquivos com header, tabelas de cores e dados de imagem, caracterizando formatos como JPEG, BMP, TIFF, MPEG, PNG, GIF, ...

2.2 – Operações Geométricas Principais operações geométricas com imagens: Translação; Rotação; Escala; Deslizamento; Espelhamento; Alinhamento; Zoom


Página 25



2.2.1 – Espelhamento

Fig. 3.4: Espalhamento. 2.2.2 – Rotação

Fig. 3.5: Rotação. 2.2.3 – Zoom Digital

Capacidade de Resolução da Imagem: Os sensores de imagens contêm uma teia (ou grade) de fotocélulas, cada uma delas representando um pixel na imagem final - assim a resolução de uma câmera digital é determinada pela quantidade de fotocélulas que existem na superfície de seu sensor. Por exemplo, uma câmera com um sensor no qual cabem 1600 (largura) x 1200 (altura) fotocélulas é capaz de gerar uma imagem de 1600 x 1200 pixels. Então, para efeito de terminologia e definição da capacidade de uma câmera, dizemos simplesmente que ela tem uma resolução de 1600 x 1200 pixels, ou 1,92 megapixels.


Página 26



Atualmente as câmeras mais simples geram arquivos de 640 x 480 pixels, enquanto câmeras de capacidade média estão por volta de 1600 x 1200 pixels, e câmeras de ponta produzem imagens de 2.360 x 1.920 pixels (perto de 3 megapixels). Importante notar que isto se refere às câmeras amadoras, pois algumas profissionais já produzem mais de seis milhões de pixels. Quanto maior a capacidade de resolução, geralmente maior também o preço. Outro detalhe importante é que quanto maior a imagem em pixel, maior o tamanho do arquivo resultante. Por isso, normalmente as câmeras digitais possuem uma regulagem para o tamanho do arquivo, dando a opção para o fotógrafo de escolher o modo de resolução. Assim, se alguém vai capturar imagens para a WEB e possui uma câmera de 3.3 megapixels, pode regulá-la para gerar imagens de apenas 640 x 480 pixels, bem mais fáceis de armazenar e lidar. Por exemplo, uma câmera de alta resolução de 2048 x 1560 pixels, gera uma imagem média em arquivo JPEG (depende das tonalidades e intensidade de luz retratadas) de aproximadamente 1,2 MB (megabytes). Já na resolução de 640 x 480 pixels, no mesmo formato JPEG, gerará um arquivo de apenas 220 Kb (kilobytes), ou seja, menos de 1/5 do tamanho. Além da preocupação com espaço de armazenamento e rapidez em transmissão pela Internet, em termos práticos deve-se levar em conta o tamanho com o qual se pretende imprimir a imagem. Ainda seguindo os exemplos acima, a imagem de 2048 x 1560 pixels (3.3 MB) pode ser impressa, sem qualquer perda, em alta resolução (300 dpi), no tamanho de 17,34 x 13 cms, enquanto a imagem de 640 x 480 pixels permite apenas uma boa imagem impressa no tamanho 5,42 x 4,06 cms. Como se calcula o tamanho em termos de resolução é assunto que trataremos mais adiante neste curso, quando abordarmos a impressão. Apesar de quanto maior o número de fotocélulas num sensor melhores imagens serem produzidas, acrescentar simplesmente fotocélulas à um sensor nem sempre é fácil e pode resultar em problemas. Por exemplo, para se colocar mais fotocélulas num sensor de imagem, o sensor precisaria ser maior ou as fotocélulas menores. Chips maiores com mais fotocélulas aumentam as dificuldades de construção e os custos para o fabricante. Fotocélulas menores, por outro lado, serão menos sensíveis e irão capturar menos luz que as de um chip normal. Concluindo, colocar mais fotocélulas num sensor, além de sua complexidade e alto custo, acaba resultando em arquivos maiores, de difícil armazenamento. Por isso a constante corrida tecnológica entre os fabricantes na busca de sensores de maior resolução, com qualidade e preço competitivo. Efeito visual de “blocos”, “pixelização” Quanto mais fotocélulas e conseqüentemente mais pixels, melhores serão os detalhes gravados, e mais nítidas serão as imagens. Se alguém ampliar e continuar ampliando qualquer imagem digital, simplesmente por replicação de pixels (Figura 3.6), chegará um momento em que os pixels vão começar a aparecerem multifacetados (Figuras 3.10 e 3.11). Esse efeito se chama pixelização. Portanto, quanto mais pixels existirem em uma imagem, mais ela aceitará ampliações com qualidade; quanto menos pixels, menor a ampliação possível.


Página 27



Fig. 3.6: Replicação de um pixel (zoom = 2x).

Fig. 3.7: Imagem original.

Fig. 3.8: Seleção da região a ser ampliada (zoom-in).


Página 28



Fig. 3.9: Imagem recortada.

Fig. 3.10: Imagem ampliada, por replicação de pixels,

com introdução do efeito de pixelização (zoom = 2x).


Página 29



Fig. 3.11: Imagem ampliada, por replicação de pixels, com aumento do

efeito de pixelização (zoom = 4x). 2.2.4 – Interpolação Bilinear (pela média)

Exemplo: Considere a seguinte imagem (representada pelas intensidades de cinza). 50

40

60

20

30

20

10

20

10

Então, a imagem resultante, após a aplicação do método de zoom por interpolação bilinear, para um grau de ampliação igual a 2x: 50


45

40

50

60

Página 30



35

35

35

38

40

20

25

30

25

20

15

20

25

20

15

10

15

20

15

10

2.3 – Histograma de uma Imagem 2.3.1 – Definição - Histograma

O histograma de uma imagem fornece informação útil para fazer realce e análise da imagem. O histograma de uma imagem revela a distribuição dos níveis de cinza da imagem. É representado por um gráfico que dá o número de pixels na imagem para cada nível de cinza. A Figura 3.13 mostra o histograma obtido para a imagem exibida na Figura 3.12.

Fig. 3.12: Imagem

Fig. 3.13: Histograma da imagem 3.12.


Página 31



2.3.2 - Equalização do Histograma

Na equalização de histograma o mapeamento tem por finalidade produzir uma imagem cujo histograma tenha um formato desejado. A equalização modifica o histograma da imagem original de tal forma que a imagem transformada tenha um histograma uniforme, ou seja, todos os níveis de cinza devem aparecer na imagem com a mesma freqüência.

Fig. 3.14: Imagem original e seu histograma.

Fig. 3.15: Imagem equalizada e seu histograma

2.4 – Segmentação de Imagens O primeiro o na análise de imagens é a segmentação, que consiste em usar o computador para definir na imagem, recortes automáticos ao redor de objetos de interesse. A segmentação subdivide uma imagem em suas partes ou objetos constituintes. O nível até o qual essa subdivisão deve ser realizada, assim como a técnica utilizada, depende do problema que está sendo resolvido. Algoritmos de segmentação permitem achar diferenças entre dois ou mais objetos, e distinguir as partículas umas das outras e do fundo. Esta distinção permitirá ao programa interpretar pixels contíguos e agrupá-los em regiões. Os algoritmos de segmentação para imagens monocromáticas são geralmente baseados em uma das seguintes propriedades básicas de valores de níveis de cinza: descontinuidade e similaridade.


Página 32



Na descontinuidade a abordagem é particionar a imagem baseado em mudanças bruscas nos níveis de cinza. As principais áreas de interesse são a detecção de pontos isolados, detecção de linhas e bordas na imagem. Na similaridade as principais abordagens baseiam-se em limiarização e crescimento de regiões. A limiarização é uma das mais importantes abordagens para a segmentação de imagens. Na limiarização analisamos a similaridade dos níveis de cinza da imagem extraindo os objetos de interesse através da seleção de um limiar T que separa os agrupamentos de níveis de cinza. Uma imagem limiarizada g(x,y) é definida como:

onde f(x,y) corresponde ao nível de cinza do ponto, os pixels rotulados com 1 correspondem aos objetos e os pixels rotulados com 0 correspondem ao fundo e T é um valor de tom de cinza predefinido denominado limiar.

Fig. 3.20: Histograma particionado por um limiar.

Fig. 3.21: Histograma particionado por dois limiares.

Limiarização Global Simples A mais simples de todas as técnicas de limiarização é a do particionamento do histograma da imagem por um limiar único T, como ilustrado na Figura 3.20. A segmentação é então efetuada, varrendo-se a imagem, pixel por pixel, e rotulando-se cada pixel como sendo do objeto ou do fundo, dependendo se o nível de cinza daquele pixel for maior ou menor que T. O sucesso desse método depende inteiramente de quão bem o histograma pode ser particionado.


Página 33



Teste de Limiarização A Figura 3.22 mostra um exemplo de limiarização global simples. No primeiro teste foi aplicado um limiar 10 (Figura 3.22) depois um limiar 30, (Figura 3.23) e por último um limiar 70 (Figura 3.24).

Fig. 3.22: Imagem original


Página 34



Fig. 3.23: Imagem obtida para T = 10.



Na Tomografia Computadorizada do crânio foi feita a segmentação das partes ósseas por limiarização de tons de cinza (Figuras 3.26 e 3.27).


Página 35



Fig. 3.26: Imagem original.

Fig. 3.27: Partes ósseas detectadas pela segmentação.


Página 36



2. 5 – Ruído em Imagens Digitais As imagens reais são freqüentemente degradas por erros aleatórios de captura, transmissão ou processamento. Estes erros produzem o que podemos denominar de ruídos. Os ruídos podem ser dependentes ou independentes do conteúdo da imagem, e são geralmente descritos através das suas propriedades estatísticas. Assim, surge o denominado ruído branco, que é aquele em que a intensidade é independente da freqüência do sinal (ruído com potência constante). Por sua vez, o ruído Gaussiano, é um tipo de ruído branco que apresenta distribuição de intensidades descrita por uma Gaussiana. Em outro caso, o ruído impulsivo surge quando a imagem apresenta-se corrompida por pixels ruidosos com brilho muito diferente dos pixels vizinhos, como no caso das interferências eletromagnéticas. O ruído salt-and-pepper é um tipo de ruído impulsivo saturado, como no caso dos pixels ruidosos brancos ou pretos que corrompem as imagens binárias, e que podem ser produzidos por aparelhos elétricos. Com relação aos ruídos aditivos, estes ocorrem independentemente do sinal, durante a transmissão do sinal em um canal, como nas imagens obtidas pelas antigas câmeras vidicom. Por sua vez, os ruídos multiplicativos são gerados quando a magnitude do ruído depende da magnitude do sinal, como ocorre na degradação da TV segundo a varredura (maior nas linhas), ou devido ao tamanho físico dos grãos em filmes fotográficos, que aparecem mais onde o sinal é mais intenso.


Página 37



2. 6 – Realce de imagens O objetivo principal das técnicas de realce é processar uma imagem, de modo que o resultado seja mais apropriado para uma aplicação específica do que a imagem original. As Técnicas de realce podem ser baseadas em processamento ponto-a-ponto, que modifica o nível de cinza de um pixel independentemente da natureza de seus vizinhos, ou pelo processo de filtragem, onde o novo valor depende também dos valores dos pontos vizinhos do ponto a ser processado. Realce por Contraste A manipulação do contraste de uma imagem tem como objetivo melhorar a sua qualidade visual sob critérios subjetivos ao olho humano. Esse processo não aumenta a quantidade de informação contida na imagem, mas torna mais fácil a sua percepção. É normalmente utilizada como uma etapa de pré-processamento. Tipicamente, os sensores são capazes de discretizar os valores recebidos da cena em um intervalo máximo que vai de 0 até 255 (8 bits = 256 possíveis valores). Devido à má iluminação, defeitos do sensor ou mesmo às características da cena, o intervalo de valores de intensidade ocupados pelos pixels presentes em uma imagem, pode ser muito menor que esse intervalo máximo. Diz-se então que a imagem possui baixo contraste, o que torna difícil a sua visualização ou interpretação por um intérprete humano ou um sistema de processamento digital. O contraste de uma imagem pode ser avaliado observando-se o seu histograma. Uma imagem com bom contraste possui um histograma cujas barras são razoavelmente espalhadas ao longo de todo o intervalo da escala. Por exemplo, a imagem da Figura 3.28 (Mercado Público - Pelotas/RS) e seu histograma (Figura 3.29). Já o histograma mostrado na Figura 3.31 tem uma forma estreita que indica uma escala dinâmica pequena, isto porque corresponde a uma imagem de baixo contraste (Figura 3.30).

Fig. 3.28: Imagem com contraste alto


Fig. 3.29: Histograma da Fig. 3.28

Página 38


Fig. 3.30: Imagem com contraste baixo


Fig. 3.31: Histograma da Fig. 3.30

Um destes métodos é a equalização de histograma.

Fig. 3.32: Imagem após a equalização do histograma.

2.7 – Operações Aritméticas com Imagens As principais operações aritméticas são: Soma; Subtração; Multiplicação; Divisão; Combinação linear; Fusão pela técnica Chromakey 2.7.1 – Soma de Imagens

Consiste na adição pixel a pixel, de duas imagens, com o objetivo de compor uma outra imagem. 2.7.2 – Subtração de Imagens


Página 39



Neste caso, realiza-se uma subtração pixel a pixel, de duas imagens, com o objetivo de compor uma outra imagem.

Fig. 3.33: Imagens após subtração. 2.7.3 – Multiplicação de Imagens

Neste caso, realiza-se uma multiplicação pixel a pixel, em geral de uma imagem por ela mesma, compondo outra. Isto pode ser feito, por exemplo, com o objetivo de destacar níveis de intensidade de interesse (imagem apresenta poucos pixels visíveis em uma determinada região), aumento de contraste ou mesmo a redução de ruídos.

Fig. 3.34: Imagens após multiplicação. 2.7.4 – Divisão de Imagens

Neste caso, realiza-se uma divisão pixel a pixel, em geral de uma imagem por ela mesma, compondo outra.

2.8 – Filtragem Na prática, para realizarmos uma operação de filtragem espacial, devemos escolher uma matriz de dimensão n x n com valores que dependem do filtro que Prof. Elisandro Andrade

Página 40



queremos usar, seja ele a baixa (filtrando as altas freqüências), a faixa (filtrando uma região específica de freqüências espaciais) ou a alta (filtrando as baixas freqüências). Em uma imagem, as altas freqüências correspondem as modificações abruptas dos níveis de cinza, i.e., as bordas dos objetos. As baixas freqüências correspondem as variações suaves dos níveis de cinza. Logo quando queremos evidenciar os contornos de um determinado objeto podemos usar filtros do tipo a-alta. Em outros casos podemos estar interessado na forma da iluminação de fundo, onde devemos usar filtros a-baixa para eliminarmos todas as altas freqüências correspondendo a borda dos objetos, e chegar a iluminação de fundo.

2.8.1 – Filtros Espaciais “a-Baixa”

Os filtros espaciais “a-baixa” atenuam as altas freqüências da imagem, isto é, as regiões que apresentam variações rápidas de intensidade. São utilizados para a remoção / atenuação de ruídos, e também para a suavização de imagens. O efeito colateral produzido é a introdução do borramento.

Fig. 3.35: Imagem original (com ruído “salt-and-pepper”). 2.8.2 - Filtros Espaciais a-Altas

O realce de imagens pode ser obtido pela aplicação de filtros espaciais aaltas. Estes filtros amplificam a altas freqüências, podendo eliminar as baixas freqüências. Isso faz com que os detalhes da imagem sejam acentuados, produzindo o realce, de forma que as transições de nível rápidas tornem-se mais brilhantes, e as transições de nível lentas tornem-se mais escuras. Apesar disso, existe um efeito colateral, que consiste na amplificação do ruído existente na imagem.


Página 41



3 – Formação da imagem 3.1 – Componentes de um equipamento de Radiografia Digital     

Máquina de raios X; Sensores: CCD (Charged Coupled Device), CMOS (Complimentary Metal Oxide Semiconductor), PSP (Photo-Stimulable Phosphor); Scanner Laser scanner (PSP somente); Computador com monitor e modem ou cabo de rede de alta velocidade; Impressora;

Alguns equipamentos obtêm a imagem de forma e outros de forma direta:  

Sistema digital de aquisição direta: Sensor conectado diretamente ao computador  CCD: Charged Coupled Device (Dispositivo de Cargas Acopladas)  CMOS: Complimentary Metal Oxide Semiconductor Sistema digital de aquisição indireta: Requer escaneamento laser do sensor.  PSP: Photo-Stimulable Phosphor


Página 42



Fig. 4.1: Sistemas PSP, CCD e CMOS.

3.2 – Detectores CCD e CMOS Estes sensores digitais são compostos de chip puro de silício dividido em vetor de pixels (elementos de imagem). Quando os raios X atingem a superfície do sensor, a energia é armazenada no pixel; a quantidade de energia armazenada é determinada intensidade do raios X que bate em um pixel particular. Devido à incidência de raios x no detector são geradas cargas elétricas. As cargas são então eletronicamente removidas, e na seqüência, criam um sinal de uma voltagem proporcional à energia armazenada em cada pixel. Estes sinais produzem a imagem digital vista no monitor. Os sistemas CCD e CMOS produzem uma imagem "instantânea" e podem ser útil para emergências. O sensor é muito grosso e rígido e pode ser mais difícil de colocar na boca. Os sensores custam milhares de dólares para comprar ou substituir. Sistemas Pan/ceph são muito mais caros.

3.3 – PSP (Photostimulable phosphor) Estes fósforos absorvem a energia do raio X até certo ponto semelhante aos fósforos usados em telas intensificadoras. Raios X atingem o fósforo e excitam elétrons nos átomos, alguns dos quais produzem luz; mas a maioria dos elétrons ficam armadilhados (presos) dentro do fósforo. Quando o sensor é escaneado com um laser de rubi, os elétrons armadilhados são libertados, enquanto causando emissão de luz de curto-comprimento de onda na região azul do espectro eletromagnético. Quanto mais raios X absorvidos pelo fósforo, mais luminosa será a luz. A luz emitida é detectada por um tubo fotomultiplicador e a informação é digitalizada para formar a imagem.


Página 43



Fig. 4.2: Tubo fotomultiplicador

Sistemas PSP requerem laser que façam o escaneamento dos sensores que levam muitos minutos (tempo para carregar o filme no scanner e escanear).

Fig. 4.3: Princípios utilizados na Leitora, Armazenamento e Apagamento das Placas de Fósforo.

3.4 – Comparações entre os sensores Os sensores estão atualmente mais finos que os filmes convencionais de radiografia e são mais confortável para o paciente. Sensores intra-orais valeram aproximadamente $35; você precisaria ter bastante sensores para pelo menos duas séries cheias para funcionarem efetivamente. Sensores de Pan/ceph custam em torno de $800900. O custo inicial do sistema de PSP é mais alto que CCD ou sistemas de CMOS por causa do custo do escâner de laser. (Isto só assume você tem um sensor de CCD/CMOS). Prof. Elisandro Andrade

Página 44



Foram desenvolvidos sensores sem fios (wireless) que produzirá uma imagem "imediata" como faz os sensores com fios. Porém, o sensor sem fios é muito mais grosso e mais caro. Vários sistemas usam computadores do tipo laptop (computadores portáteis) para aquisição das imagens. Isto permite fácil portabilidade entre operadores. Todos os sistemas diferem ligeiramente no software, mas todos lhe permitem mudar brilho e contraste, inverter preto e branco, colorir, medir, etc.. Escolhendo um sistema, avalie o tamanho de sensor, número de sensor tamanho disponível, custo global do sistema, validade garantia estendida, e técnico, etc.

4 – Exercícios

Lista de exercícios – Capítulo 1 1 – Quais os primeiros equipamentos de Radiologia Digital? Quem lançou e quando? Quais avanços eles trouxeram? 2 – Quais os limites dos Sistemas Analógicos? 3 – Cite cinco vantagens do sistema Digital com relação ao Convencional (Analógico). 4 – Defina pixel. 5 – Com base na figura abaixo responda.


Página 45


a)

Qual o número de pixel da imagem?

b)

Qual o tamanho da matriz?

c)

Qual a resolução da figura?


6 – Defina Bit. 7 – Para o Computador, o que é a imagem radiográfica digital? 8 – Como o aparelho detecta o valor da densidade de cada ponto interior ao corpo humano? 9 – Como o tamanho da matriz de pontos pode influenciar na qualidade da imagem? 10 – O que significa o gerenciamento das imagens radiográficas digitais? 11 – Cite os principais sistemas de gerenciamento. 12 – Descreva a função do PACS. 13 – Descreva a função do RIS e HIS. 14 – Cite algumas das vantagens quando há integração do RIS/PACS. 15 – Explique como é obtida a conversão dos feixes de RX em sinais elétricos. 16 – O que é DICOM?


Página 46



17 – Quais tipos de técnicas de imagem utilizam o DICOM? 18 – Quais os inconvenientes desta nova tecnologia?

Lista de exercícios – Capítulo 2

1 – Quais os componentes de um equipamento de Radiografia Digital? 2 – Diferencie Sistema digital de aquisição direta de Sistema digital de aquisição indireta. Quais os sensores utilizados em cada um deles? 3 – Explique como funcionam os detectores CCD e CMOS. 4 – Explique como funciona o detector PSP.

Lista de exercícios – Capítulo 3 1 – Qual é o objetivo do processamento digital de imagens (PDI)? 2 – Cite outras áreas de aplicações do PDI? 3 – Explique como a imagem monocromática é representada como função da intensidade da luz como imagem digital. 4 – Explique como uma imagem é discretizada. 5 – Quais os os fundamentais do PDI? 6 – Em que consiste a aquisição da imagem?


Página 47



7 – Quais dispositivos são necessários para a aquisição das imagens? Dê exemplos. 8 – O que é pré-processamento? 9 – O que é segmentação? 10 – O que os valores da função imagem normalmente são representativos? E se as imagens obtidas forem de raios X? 11 – Defina Imagem matricial. 12 – Como ocorre o processo de digitalização da imagem, ou seja, os sinais contínuos são discretizados? 13 – Quais os três principais tipos de imagem? 14 – Defina imagem binária. 15 – Defina imagem em tons de cinza. 16 – Defina imagem colorida 17 – Classifique as seguintes imagens. a)

Binária.

b)

Tons de Cinza

c)

Colorida

------------------------- ---------------------- -------------------------


Página 48



18 – Quais as principais operações geométricas com imagens? 19 – Que tipo de operação geométrica foi realizada na imagem A para obtermos B?

A

B

20 – Que tipo de operação geométrica foi realizada na imagem C para obtermos D?

C

D

21 – O que é um histograma de uma imagem? O que ele revela? Como ele é representado? 22 – O que é a equalização de um histograma? 23 – O que é limiarização?


Página 49



5 – Bibliografia

[1] GONZALEZ, Rafael C.; Woods, Richard E. Processamento de Imagens Digitais. Edgard Blücher Ltda, 2000. [2] BALLARD, D.; Brown, C. Computer Vision. Prentice Hall, 1982.BOVIK, Al. Handbook of Image and Video Processing. Academic Press, San Diego, 2000. [3] CASTLEMAN, Kenneth R. Digital Image Processing. Prentice-Hall, 1995. [4] EFFORD, U. Digital Image Processing. A practical introduction using Java. Addison Wessley, 2000. [5] FUKUNAGA, K. Introduction to Statistical Pattern Recognition. Academic Press, 1990. [6] HARALICK, R. M.; Shapiro, L. G. Computer and Robot Vision. Addison Wesley, 1992. [7] JAIN, A. K. Fundamentals of Digital Image Processing. Prentice-Hall, 1988. [8] JAIN, R.; Kasturi, R.; Schunck, B. G. Machine Vision. McGraw-Hill, 1995. [9] PITAS, I. Digital Image Processing Algorithms. Prentice Hall, 1993. [10] PRATT, W. K. Digital Image Processing. John Wiley & Sons, 1991. [11] SONKA, M.; Hlavac, V.; Boyle, R. Image Processing Analysis and Machine Vision. Chapman & Hall, 1993.


Página 50

Processamento Digital De Imagens 1p4r15

Overview 5o1f4z

More details 6z3438

Related Documents c2h70

Processamento Digital De Imagens 1p4r15

Processamento De Imagens Digitais - Gonzalez 293db

Processamento Digital De Sinal.pdf 516c3u

Processamento De Carnes-1 1r161v

Processamento De Sucos 3i5n2u

Processamento De Chocolate n61

More Documents from "adalberto" 81s1o

Black Hat Python Para Hackers E Pentesters.pdf c4t26

Vono-receitas 5d5552

Python 3 - Los Fundamentos Del Lenguaje 6v2r2x

44 Vw Caddy Airbag t1g3t

Processamento Digital De Imagens 1p4r15

Manual Jetta 3r1r6m