Nesta seção são apresentados os resultados obtidos com as técnicas de filtragem de difusão anisotrópica, de non-local means, do Gaussiano e de passa-banda ideal das fatias tomográficas obtidas para sementes agrícolas oleaginosas. Neste contexto, as fatias tomográficas passaram por um processo de adição de ruído do tipo Gaussiano para as análises da qualidade dos filtros, tendo em vista que as fatias tomográficas foram obtidas utilizando a tomografia de raios-X.
O primeiro filtro utilizado nesta etapa de análise é o de difusão anisotrópica. Sendo assim, os parâmetros utilizados para esse processo de filtragem se encontram descritos na Tabela2.
Tabela 2 – Valores aplicados para cada parâmetro do filtro de difusão anisotrópica.
Parâmetro Valor
κ 90
Γ 0,15
NumIterações 40
ção do pseudocódigo 1gerando uma fatia tomográfica suavizada com as bordas preservadas, conforme ilustrado na Figura 26. Exemplos desses resultados se encontram apresentados no ApêndiceB.
Figura 26 – Exemplo do resultado da aplicação do filtro de difusão anisotrópica aplicado sobre o ruído Gaussiano referente à fatia tomográfica da semente de girassol (26a), à fatia tomográfica após adição de ruído Gaussiano (26b), ao ROI da fatia tomográfica ruidosa (26c) e à fatia tomográfica após a aplicação do filtro (26d).
(a) (b)
(c) (d)
O segundo filtro utilizado nesta etapa de análise é o filtro non-local means. Sendo assim, os parâmetros utilizados para esse processo de filtragem se encontram descritos na Tabela3.
Tabela 3 – Valores aplicados para cada parâmetro do filtro non-local means.
Parâmetro Valor tamanho patche 7 distância patche 21
O resultado final da avaliação do filtro non-local means foi obtido com a execução do pseudocódigo 4, considerando o tamanho e a distância do patche, o que resultou em fatias tomográficas suavizadas, conforme ilustrado na Figura 27. Exemplos desses resultados se encontram apresentados no ApêndiceB.
Figura 27 – Exemplo do resultado da aplicação do filtro non-local means aplicado sobre o ruído Gaussiano referente à fatia tomográfica da semente de girassol (27a), à fatia tomográfica após adição de ruído Gaussiano (27b), ao ROI da fatia tomográfica ruidosa (27c) e à fatia tomográfica após a aplicação do filtro (27d).
(a) (b)
(c) (d)
A terceira filtragem utilizada nesta etapa de análise é baseada na aplicação do filtro Gaussiano. A Tabela4ilustra os parâmetros utilizados para este processo de filtragem.
Tabela 4 – Valores aplicados para cada parâmetro do filtro Gaussiano.
Parâmetro Valor tamanho kernel (5,5)
O resultado final do filtro Gaussiano foi obtido com a execução do pseudocódigo 3, ilustrado pela Figura28, por uma fatia tomográfica suavizada com a eliminação de altas frequên- cias provocando perdas nas informações de bordas. Exemplos desses resultados se encontram apresentados no ApêndiceB.
Figura 28 – Exemplo do resultado da aplicação do filtro Gaussiano aplicado sobre o ruído Gaus- siano referente à fatia tomográfica da semente de girassol (28a), à fatia tomográfica após adição de ruído Gaussiano (28b), ao ROI da fatia tomográfica ruidosa (28c) e à fatia tomográfica após a aplicação do filtro (28d).
(a) (b)
(c) (d)
O quarto filtro utilizado nesta etapa de análise é o passa-banda ideal cujo resultado apresenta uma suavização da fatia tomográfica e o borramento das bordas nas fatias tomográficas das sementes analisadas.
O resultado final avaliado para essa modalidade de filtro, passa-banda ideal, foi executado pelo pseudocódigo2com a devida adequação dessa modalidade de filtro conforme foi ilustrado na Figura29. Exemplos desses resultados se encontram apresentados no ApêndiceB.
Deste modo, a qualidade das fatias tomográficas decorrentes da aplicação dos filtros é avaliada no conjunto das bases de fatias tomográficas utilizando as métricas MSE, PSNR e SSIM. Nesse contexto, o MSE possibilitou calcular o erro médio quadrático da diferença entre os valores de pixels da fatia tomográfica de referência e da sua fatia tomográfica filtrada. O resultado desse índice comparando as duas fatias tomográficas se aproximou do valor 0, isso indica que há maior similaridade entre as duas fatias tomográficas.
Figura 29 – Exemplo do resultado da aplicação do filtro passa-banda ideal aplicado sobre o ruído Gaussiano referente à fatia tomográfica da semente de girassol (29a), à fatia tomográfica após adição de ruído Gaussiano (29b), ao ROI da fatia tomográfica ruidosa (29c) e à fatia tomográfica após a aplicação do filtro (29d).
(a) (b)
(c) (d)
Em relação à aplicação da métrica PSNR, foi possível avaliar o pico máximo na relação Sinal/Ruído entre uma fatia tomográfica de referência e sua fatia tomográfica filtrada. Quanto maior for o valor resultante desse índice, melhor será o resultado do filtro aplicado.
Adicionalmente, a aplicação da métrica SSIM possibilitou avaliar a semelhança estrutural entre uma fatia tomográfica de referência e sua fatia tomográfica filtrada a partir dos elementos de média, de covariância e de variância. Sendo assim, quanto maior for o valor resultante desse índice, melhor será o resultado do filtro aplicado.
As Figuras30,31,32,33,34,35,36,37e38apresentam respectivamente as avaliações realizadas utilizando a ferramenta estatística boxplot para as métricas MSE, PSNR e SSIM para 812 fatias tomográficas das sementes de girassol, de pinhão-manso, de soja e de imagem composta, considerando para cada um dos filtros de difusão anisotrópica, o non-local means, o Gaussiano e o passa-banda ideal.
Figura 30 – Resultados obtidos pela métrica MSE ao aplicar em fatias tomográficas de sementes de girassol após a adição do ruído Gaussiano.
Figura 31 – Resultados obtidos pela métrica PSNR ao aplicar em fatias tomográficas de sementes de girassol após a adição do ruído Gaussiano.
Figura 32 – Resultados obtidos pela métrica SSIM ao aplicar em fatias tomográficas de sementes de girassol após a adição do ruído Gaussiano.
Figura 33 – Resultados obtidos pela métrica MSE ao aplicar em fatias tomográficas de sementes de pinhão-manso após a adição do ruído Gaussiano.
Figura 34 – Resultados obtidos pela métrica PSNR ao aplicar em fatias tomográficas de sementes de pinhão-manso após a adição do ruído Gaussiano.
Figura 35 – Resultados obtidos pela métrica SSIM ao aplicar em fatias tomográficas de sementes de pinhão-manso após a adição do ruído Gaussiano.
Figura 36 – Resultados obtidos pela métrica MSE ao aplicar em fatias tomográficas de sementes de soja após a adição do ruído Gaussiano.
Figura 37 – Resultados obtidos pela métrica PSNR ao aplicar em fatias tomográficas de sementes de soja após a adição do ruído Gaussiano.
Figura 38 – Resultados obtidos pela métrica SSIM ao aplicar em fatias tomográficas de sementes de soja após a adição do ruído Gaussiano.
Analisando os resultados apresentados com base no uso da ferramenta estatística boxplot (Figuras30,31,32,33,34,35,36,36,37e38) é possível observar que tanto para as métricas MSE e PSNR quanto para métrica SSIM, que o filtro non-local means apresentou o melhor resultado quando foi aplicação o ruído Gaussiano.