Matéria Visão Computacional 3

Prévia do material em texto

1
Prof. Leonardo Gomes
Visão Computacional
Aula 3
Conversa Inicial
Filtros lineares
Filtros não lineares
Detecção de bordas
Realce de bordas
Detector de bordas de Canny
Aula 
Filtros lineares
Filtros que atenuam ruídos
Suavizam diferenças na imagem
Borramento
16 14 9 7 11 3
3 19 4 2 6 4
15 3 13 15 8 15
6 4 13 9 11 14
4 16 7 2 16 10
11 9 10 3 18 2
-1 -1 -1
-1 8 -1
-1 -1 -1
35
Filtro
1 2
3 4
5 6
2
Filtros que realçam, passa-altas
Filtros que suavizam, passa-baixas
import cv2
img = cv2.imread("acaro.png")
resultado = cv2.blur(img, (7,7))
cv2.imshow("Resposta", resultado)
cv2.waitKey(0)
Filtro da média
Filtro da média 7x7
diy13/Shutterstock
Filtro gaussiano
0 0 1 2 1 0 0
0 3 13 22 13 3 0
1 13 59 97 59 13 1
2 22 97 159 97 22 2
1 13 59 97 59 13 1
0 3 13 22 13 3 0
0 0 1 2 1 0 0
1 4 7 4 1
4 16 26 16 4
7 26 41 26 7
4 16 26 16 4
1 4 7 4 1
1 2 1
2 4 2
1 2 1
import cv2
img = cv2.imread("acaro.png")
resultado = cv2.GaussianBlur(img, (7,7),5)
cv2.imshow("Resposta", resultado)
cv2.waitKey(0)
Filtro gaussiano
diy13/Shutterstock
7 8
9 10
11 12
3
Filtros não lineares
Filtros que atenuam ruídos
Reduzem efeito de suavização
Filtros não lineares
import cv2
img = cv2.imread("marioSalPimenta.png")
resultado = cv2.medianBlur(img,7)
cv2.imshow("Resposta", resultado)
cv2.waitKey(0)
Filtro da mediana
fonte: O autor, 2021
import cv2
img = cv2.imread("araraGaussiana.png")
resultado = cv2.bilateralFilter(img, 9, 75, 75)
cv2.imshow("Resposta", resultado)
cv2.waitKey(0)
Filtro bilateral Imagem com ruído de gaussiano
Goran Jakus/Shutterstock
13 14
15 16
17 18
4
Goran Jakus/Shutterstock
Imagem após filtro gaussiano
Goran Jakus/Shutterstock
Imagem após filtro bilateral
Detecção de bordas -1 0 +1
-2 0 +2
-1 0 +1
+1 +2 +1
0 0 0
-1 -2 -1
Filtro de Sobel
import cv2
img = cv2.imread("grade.png")
sobelH = cv2.Sobel(img, cv2.CV_8U, 1, 0, 
ksize = 3)
sobelV = cv2.Sobel(img, cv2.CV_8U, 0, 1, 
ksize = 3)
cv2.imshow("Horizontal", sobelH)
cv2.imshow("Vertical", sobelV)
cv2.waitKey(0)
owen1978/Shutterstock
19 20
21 22
23 24
5
owen1978/Shutterstock
0 1 0
1 -4 1
0 1 0
1 1 1
1 -8 1
1 1 1
Filtro de Laplace
import cv2
img = cv2.imread("grade.png")
resultado = cv2.Laplacian(img, cv2.CV_8U)
cv2.imshow("Resposta", resultado)
cv2.waitKey(0)
owen1978/Shutterstock
owen1978/Shutterstock
Realce de bordas
25 26
27 28
29 30
6
Realce com Laplace
import cv2
imgOrig = cv2.imread("moeda.png",0)
imgLaplace = cv2.Laplacian(imgOrig, 
cv2.CV_8U)
resultado = cv2.subtract(imgOrig, 
imgLaplace)
cv2.imshow("Laplace", imgLaplace)
cv2.imshow("Resultado", resultado)
cv2.waitKey(0)
OlegRi/Shutterstock
OlegRi/Shutterstock OlegRi/Shutterstock
import cv2
imgOrig = cv2.imread("raiox.png",0)
imgGaussiana =cv2.GaussianBlur(imgOrig, 
(13,13), 3)
imgRealce = 3 * cv2.subtract(imgOrig, 
imgGaussiana)
resultado = cv2.add(imgOrig, imgRealce)
cv2.imshow("Original", imgOrig)
cv2.imshow("Gaussiana", imgGaussiana)
cv2.imshow("Realce", imgRealce)
cv2.imshow("Resultado", resultado)
cv2.waitKey(0)
Realce com gaussiano
Lena Si/Shutterstock
31 32
33 34
35 36
7
Lena Si/Shutterstock
Detecção de bordas de Canny
Desenvolvido nos anos 1980
John F. Canny
Gaussiano, Sobel
Bordas com um único pixel de espessura
Canny
import cv2
imgOrig = cv2.imread("grade.png",0)
resultado = cv2.Canny(imgOrig, 50, 150)
cv2.imshow("Resultado", resultado)
cv2.waitKey(0)
owen1978/Shutterstock
37 38
39 40
41