PROCESSAMENTO DE IMAGENS - AULA5

Prévia do material em texto

PROCESSAMENTO DE 
IMAGENS 
IMAGEM DIGITAL – PARTE 2 
 
PRÉ - PROCESSAMENTO 
Na aquisição da imagem, ela é capturada por 
um sensor. Os tipos de dispositivos utilizados 
são o charged coupled device (CCD) ou o 
complementary metal oxide semicondutor 
(CMOS). 
São dispositivos de estado sólido. Eles são circuitos 
integrados compostos de elementos que geram uma 
corrente elétrica quando a luz incide sobre eles. 
Existem diferenças na maneira como a energia 
luminosa é transformada em energia elétrica e em 
como o sinal é processado em cada um dos 
dispositivos. 
O CMOS tem a corrente elétrica amplificada em cada 
uma das células fotoelétricas, ao passo que o CCD 
realiza este processo cruzando os dados das linhas de 
células fotoelétricas. 
O sinal do CMOS é muito mais ruidoso que o do CCD, 
mas avanços tecnológicos recentes permitiram 
reduzir esse ruído e possibilitaram o surgimento de 
uma nova geração de câmeras e filmadoras. 
O CCD pode trabalhar em intensidade de luz muito 
mais baixa que a do CMOS. A descrição da imagem 
dependerá do tipo e do tamanho do dispositivo, da 
iluminação, do número de células fotoelétricas e do 
número de níveis de cinza ou de cores, dentre outros 
fatores. 
Os equipamentos de captura de imagem podem ter 
um ou três dispositivos do tipo CCD ou CMOS. 
Um conjunto de três prismas foi projetado para 
separar a luz em suas três componentes primárias e é 
chamado de prisma tricoico. Com ele, o verde, o 
vermelho ou o azul são enviados para direções 
diferentes. Toda a luz de cada uma das componentes 
de cor é capturada por cada um dos sensores. 
O sinal que sai de cada um dos CCD é analógico, pois 
se trata de uma corrente elétrica. Em seguida, a 
corrente é amplificada e filtrada, para reduzir o 
ruído. Somente depois disso o sinal analógico é 
convertido em sinal digital. 
Para um sensor apenas, a câmera utiliza um filtro na 
frente do dispositivo a fim de separar as cores. É uma 
malha de filtros verdes, azuis e vermelhos, em geral 
na proporção de 50%, 25% e 25%, respectivamente. 
Uma camada com lentes, na parte superior, associada 
à malha, completa o conjunto. 
Câmeras com apenas um dispositivo do tipo CMOS e 
filtro de Bayer têm sido utilizadas com sucesso. 
Oscars foram obtidos por produções que utilizaram 
esse tipo de captura de imagem como Avatar e As 
Aventuras de Pi. 
As câmeras de celular e as câmeras fotográficas 
digitais também utilizam essa estratégia, assim como 
os scanner. 
AMOSTRAGEM E QUANTIZAÇÃO 
Para ser representado digitalmente, o sinal da 
imagem gerado nos dispositivos é amostrado e 
quantizado. 
Na amostragem e na quantização, o sinal analógico 
tem de ser representado por bits. 
A amostragem é o processo de discretização do 
domínio de definição da imagem bidimensional, nas 
duas direções ortogonais, x e y, para gerar uma 
matriz de M x N amostras. Cada elemento dessa 
matriz é chamado de pixel. 
A quantização, por sua vez, é o número inteiro de 
níveis de cada componente de cor em uma imagem 
permitidos para cada pixel. Esse número inteiro de 
níveis é representado pelo número de bits. 
A aplicação de um conjunto ou outro de componentes 
depende do momento em que a imagem está sendo 
trabalhada e de sua finalização para exibição. 
A quantidade de combinações dessas componentes 
para gerar todas as cores possíveis é determinada 
pela quantidade de bits. 
Um bit permite a representação de duas cores; dois 
bits, quatro; três bits, oito; e, de forma geral, n bits 
permitem representar 2 cores. n 
A imagem representada por 8 bits por componente, 
que é a mais utilizada ainda hoje, conhecida como 
Truecolor, com 24 bits de valores de cor, ou 16,7 
milhões, será inevitavelmente substituída por essas 
novas profundidades de cor, devido ao aumento da 
capacidade de processamento e à melhora da 
qualidade visual da imagem. 
Para a Truecolor, com 8 bits por componente de cor, 
temos 256 valores de cor para o vermelho, 256 para o 
verde e 256 para o azul. A imagem resultante tem 
16,7 milhões valores diferentes de cor, ou 24 bits. 
Nos formatos de cinema digital mais utilizados, o 
número de cores possíveis para cada pixel tem 10 ou 
12 bits por componente de cor. 
RESOLUÇÃO ESPACIAL, PROFUNDIDADE DE COR 
E ALCANCE DINÂMICO 
A qualidade da imagem digital depende da 
resolução espacial e da profundidade de cor. 
A resolução espacial está relacionada com a 
densidade de pixels da imagem, ou seja, com a 
amostragem. 
A profundidade de cor está associada ao número de 
níveis de quantização da imagem que é uma potência 
de 2, dependendo do número de bits. 
Para cada canal de cor, ela é igual a 8 para a 
televisão digital de definição padrão (SDTV) e 8 ou 10 
para a televisão digital de alta definição (HDTV). O 
cinema digital tem oferecido a possibilidade de se 
trabalhar com 12 bits por canal de cor. 
Além do aumento da resolução e da profundidade de 
cor, a forma como os valores de luminosidade são 
distribuídos também afeta a experiência visual. 
A faixa ou alcance dinâmico consiste na diferença 
entre o valor mais alto e o valor mais baixo. A 
distribuição da percepção da luminosidade na visão 
humana não é linear; ela distingue mais nuances nas 
cores mais escuras do que em cores mais brilhantes. 
O comportamento é semelhante às películas, 
seguindo aproximadamente uma curva logarítmica. 
Os sensores de estado sólido utilizados para capturar 
a imagem digital tem um comportamento linear. 
A solução, em todos esses métodos de captura de 
imagem, é aumentar a profundidade de cor em bits e 
distribuir esses valores em uma curva logarítmica, 
com maior número de valores na região das sombras 
do que na região de alto brilho. 
A adoção dessa estratégia, com as cores sendo 
representadas com 10 bits ou mais e com resolução 
cada vez maior em sensores com área útil maior, tem 
permitido aproximar a experiência visual da imagem 
digital da qualidade visual da película. 
Além desses conceitos, existe a razão de aspecto, ou 
fator de forma, da imagem, que é a razão entre sua 
largura e sua altura. 
PROFUNDIDADE DE CAMPO E TAMANHO 
DOS SENSORES 
A profundidade de campo é a região em torno 
do plano focal que ainda apresenta nitidez da 
imagem. 
A visão deixa em foco uma área próxima à fóvea, que 
é o ponto da retina que cruza o eixo óptico. 
A profundidade de campo em uma câmera é 
determinada pela lente, a abertura da íris e o 
tamanho do dispositivo que captura a imagem. 
Quanto menor o dispositivo que captura a luz, seja o 
fotograma ou o sensor de estado sólido, maior será a 
profundidade de campo, devido ao tipo de lente que 
deverá ser usada para imprimir a imagem na área do 
dispositivo. 
Essa diferença pode ser percebida comparando-se a 
imagem capturada por câmeras de cinema de 35 mm 
e câmeras de vídeo com sensores de ¾ de polegada 
ou menos, como eram as câmeras de televisão antes 
da HDTV. 
A profundidade de campo nas imagens das câmeras 
de 35 mm se aproxima da profundidade de campo 
que enxergamos no mundo real. 
Sensores de estado sólido atingiram dimensões físicas 
equivalentes ao fotograma da película, permitindo a 
fabricação de câmeras de cinema com esses 
sensores. As câmeras digitais, então, utilizam o 
mesmo conjunto de lentes das câmeras com película. 
O aumento da área útil dos sensores, o aumento do 
número de fotocélulas, a diminuição do seu tamanho 
e a representação de um maior número de cores 
impulsionou o seu uso em câmeras de cinema. 
CADÊNCIA DAS IMAGENS 
A imagem em movimento possui uma cadência 
de exibição de quadros por segundo (FPS ou 
Frame Rate) 
O cinema trabalha com 24 quadrospor segundo; a 
televisão e o vídeo analógicos, com 25 ou 30, em dois 
tipos de quadro. 
No caso do vídeo entrelaçado, cada quadro (frame) 
pode ser dividido em dois campos (field). 
Cada campo faz a varredura das linhas horizontais 
pares ou ímpares, as quais são exibidas no formato 
entrelaçado (interlaced), para o vídeo analógico. Os 
dois campos formam o quadro, ou frame, da imagem. 
A imagem pode também ser exibida com o quadro 
sem divisão por campos, no caso do vídeo 
progressivo. É o que ocorre no cinema digital, na 
exibição nos monitores de computador e na HDTV. 
O vídeo digital pode utilizar quadros entrelaçados (i) 
ou progressivos (p), nas cadências 24p, 25p, 30p, 50i 
ou 60i. 
As imagens entrelaçadas exibem um “fantasma” 
quando são paradas, isto é, quando se exibe apenas 
um frame. Isso acontece porquê os dois fields estão 
sendo exibidos simultaneamente, mas, na verdade, 
eles são gravados em momentos diferentes. 
A inversão da ordem dos fields gera o efeito de 
serrilhamento das bordas da imagem. As câmeras e 
os equipamentos de pós-produção permitem 
configurar qual campo será gravado primeiro. 
Esse problema é muito comum nos comerciais de 
televisão ou nas vinhetas da programação de 
televisão. Esse defeito pode ser detectado 
visualmente. Se o problema está ocorrendo, os 
campos devem ser invertidos. 
O vídeo traz a informação da posição no tempo de 
cada quadro de imagem. Essa informação é chamada 
de timecode, ela é representada por uma sequência 
de números, com os dados de horas, minutos, 
segundos e frames. 
O timecode permite localizar precisamente qualquer 
quadro do vídeo. 
O vídeo na cadência de 30 quadros por segundo tem 
uma particularidade quanto a sua evolução 
tecnológica: Ele, na verdade, tem uma taxa de 29,97 
frames por segundo, e não 30. Sendo assim ocorre 
uma discrepância entre o número de frames e o 
timecode. 
A solução encontrada para igualar as duas contagens 
é chamada de drop frame ou non drop frame.Na 
primeira, a cada um minuto, são tirados dois quadros 
do timecode, exceto no décimo minuto. 
No segundo caso, para cada quadro do vídeo existe 
um timecode sequencialmente. Essas diferenças 
podem gerar problemas de sincronização entre o 
áudio e o vídeo; deve-se entender precisamente com 
qual tipo de vídeo se está trabalhando. 
PULLDOWN 
A televisão sempre exibiu filmes na sua 
programação. No entanto, as cadências do 
cinema e da televisão são diferentes. 
No caso do Brasil, deve-se transformar os 24 fps do 
cinema em 30 fps da televisão. Para a televisão 
entrelaçada, o problema é ainda maior, pois são 60 
campos de imagem. 
A solução para esse problema foi encontrada, após 
diversas outras propostas, por meio do telecine e o 
processo de pulldown. 
No pulldown, a velocidade do filme é reduzida de 
1/1000, o que é imperceptível para o espectador. 
Dessa maneira, a razão entre a cadência do filme, 
que fica em 24,976 fps, e do vídeo, que está a 29,97 
fps, é igual a 4/5. Assim, os frames do filme devem 
ser distribuídos pelos campos do vídeo. 
Para fazer isso utiliza-se um esquema: 
Nesse esquema, nota-se que existem quadros com 
frames “puros” do filme e quadros com frames 
misturados. 
Em um processo de montagem de cinema, o filme 
telecinado e editado offline em uma ilha não 
linea, gerando uma lista de corte com as 
marcações dos quadros originais do filme, apesar 
de ser cortado como vídeo. 
As filmadoras e câmeras de vídeo digitais também 
permitem gravar em diferentes cadências. Muitas 
vezes tem-se optado por gravar em 24 fps, para 
depois haver o processo para exibição na 
televisão. 
Isso gera uma série de artefatos quando o 
processo não é feito de forma cuidadosa e 
metódica. Nunca se viu tantos problemas com 
artefatos como atualmente na televisão 
brasileira, seja por problemas de sequenciamento 
dos fields, seja por problemas de pulldown ou de 
compressão de imagem. 
CODIFICAÇÃO E DECODIFICAÇÃO 
DA IMAGEM (CODEC) 
As técnicas de compressão de imagens foram 
criadas para se adequar, em cada época, ao 
espaço de armazenamentos em discos e fitas, à 
quantidade de processamento de dados e ao 
tempo de transmissão de imagens. 
Com isso, reduz-se a quantidade de pits para 
descrever a imagem e é possível transferir maior 
quantidade de informações relevantes com a 
mesma taxa de transferência de bits (bitrate). 
Os formatos de compressão e descompressão são 
chamados de codecs, conhecidos também como 
codificadores e decodificadores. Eles podem ser 
classificados em compressão com perda e sem 
perda. 
A compressão sem perdas baseia-se unicamente 
na redução de redundância estatística. A imagem 
resultante, após a descompressão, é exatamente 
igual a original. 
A compressão com perdas baseia-se na redução de 
redundância estatística e na eliminação de 
informações perceptivelmente pouco relevante. O 
sistema visual humano é mais sensível a variações 
de luminância que de cor (crominância). 
Dessa maneira, a luminância é representada de 
forma mais complexa que a crominância na 
compressão com perdas. 
Para manipular digitalmente uma imagem, deve-
se conhecer como ela está representada e 
codificada, ou comprimida. Trabalhar com a 
imagem digital envolve o processo de 
rapidamente decodificar a imagem, manipulá-la e 
codifica-la novamente. 
Os hardwares e softwares que lidam com a 
imagem em movimento oferecem a possibilidade 
de trabalhar com diferentes níveis de qualidade 
de imagem, dependendo de seus recursos 
intrínsecos. A maneira como o vídeo é descrito 
digitalmente também determina o que se pode 
fazer com ele. 
A compressão dos dados gerados pela imagem em 
movimento pode ser obtida por métodos baseados 
em softwares ou em uma combinação de software 
e hardware. 
Os métodos mais poderosos de compressão são 
obtidos pela combinação de hardware e software. 
Diversos formatos de imagem em movimento 
foram criados para lidar com isso. 
Dois sistemas importantes de compressão são 
apoiados em hardware e software: O Joint 
Photographic Experts Group (JPEG) e o Motion 
Pictures Experts Group (MPEG) 
A proposta do MPEG, diferentemente do JPEG, é 
ser utilizado apenas para imagens em movimento 
e áudio, e foi criado por um comitê de indústrias 
em 1988. Ele começou a definir formatos em 
1990, com base em largura de banda de 
transmissão. 
A proposta do MPEG, diferentemente do JPEG, é 
ser utilizado apenas para imagens em movimento 
e áudio, e foi criado por um comitê de indústrias 
em 1988. Ele começou a definir formatos em 
1990, com base em largura de banda de 
transmissão. 
FORMATOS DE IMAGENS DIGITAIS EM 
MOVIMENTO 
A imagem digital em movimento possui uma 
ampla gama de formatos, seja para a televisão, 
o cinema ou as novas mídias. 
Novos formatos têm se somado aos existentes nos 
últimos anos, como o HDV de 2003, e outros estão 
por ser estabelecidos definitivamente, como o 
intervalo 2k a 4k e o 8k para o cinema. 
Eles são definidos a partir de acordos da 
indústria, para padronizar a produção de 
equipamentos de aquisição, processamento e 
exibição de imagens, gerando a melhor relação 
custo/benefício. 
Cada formato baseia-se em uma definição de taxa 
de compressão, resolução espacial, razão de 
aspecto, amostragem, profundidade de cor e 
bitrate. 
Em 2006, o Brasil adotou o sistema de televisão 
digital japonês, o Integrated Services Digital 
Broadcasting (ISDB), no mundo existem também o 
sistema norte-americano chamado de ATSC e o 
europeu DVB 
O SDTV, para o NTSC e o PAL-M, tem resolução de 
640x480 pixels ou 720x480 pixels, com frames 
progressivos ou entrelaçados. Alguns formatos de 
vídeo SD são:O SDTV, para o NTSC e o PAL-M, tem resolução de 
640x480 pixels ou 720x480 pixels, com frames 
progressivos ou entrelaçados. Alguns formatos de 
vídeo SD são: 
- XDCAM (Sony) 
- DVCAM (Sony) 
- DVCPRO (Panasonic) 
- DVCPRO50 (Panasonic) 
- D-9 OU Digital-S (JVC) 
- DV e mini-DV 
O formato HD tem resolução de 1280 por 720 
pixels (720p) ou 1920x1080 (1080i ou 1080p) no 
HDTV full. Alguns formatos de vídeo HD são: 
O formato HD tem resolução de 1280 por 720 
pixels (720p) ou 1920x1080 (1080i ou 1080p) no 
HDTV full. Alguns formatos de vídeo HD são: 
- HDCAM e HDCAM SR (Sony) 
- DVCPro-HD/ DV100/ D7-HD (Panasonic) 
EXERCÍCIO!!! 
Pesquise sobre a qualidade atual das câmeras 
digitais comparada com a qualidade dos 
filmes analógicos e elabore um texto com o 
resultado da pesquisa destacando vantagens e 
desvantagens de ambos equipamentos. 
PROCESSAMENTO DE 
IMAGEM 
IMAGEM DIGITAL – PARTE 2 
 
Livro - Imagem Digital Aplicada 
Gomide, João Victor Boechat 
 
 
Paulo Lepletier-UNIP 2018