EXTRAÇÃO DE CARACTERÍSTICAS

24

Segundo Gonzalez e Woods (2000), a abertura de um conjunto A por B é a combinação de uma erosão de A por B seguida de uma dilatação do resultado por B, conforme a Equação 6.

A ○ B = (A Ө B)

⊕

Fechamento

O fechamento de uma imagem é o resultado de uma dilatação seguida de uma erosão. Essa operação tem a finalidade de preencher espaços vazios do objeto, cujo grau e preenchimento depende do tamanho do elemento estruturante, quanto maior, mais efeito de preenchimento terá. O fechamento também pode ser utilizado para suavizar contornos de objetos que possam apresentar a aparência dente-de-serra em seus contornos (MIRANDA, 2006).

O fechamento de um conjunto A por B é a combinação de uma dilatação de A por B seguida de uma erosão do resultado por B, conforme a Equação 7 (GONZALEZ & WOODS, 2000) .

A ● B = (A

⊕

Equação 7

25

Para o trabalho foi definido que o sistema irá utilizar-se do número de pixels contido nos objetos (pedestres e veículos) obtendo assim sua área (descrição), ou seja, um descritor de região.

Na subseção a seguir será apresentada a técnica de rotular componentes conexos (labelling), fundamental para a descrição de objetos em uma imagem, para o reconhecimento e para a interpretação.

A Figura 17 ilustra a técnica utilizada na extração de características e sua relação com a Base de Conhecimento. Desta etapa resultam os objetos encontrados e seus respectivos valores (em pixels), os quais serão classificados na etapa seguinte.

A extração de características está relacionada com a Base de Informação porque necessita das coordenadas das áreas da imagem das quais serão rotulados os objetos encontrados.

Figura 17. Extração de Características

Fonte: Adaptado de Marques e Vieira (1999).

2.4.1 Rotulação de Componentes Conexos

Segundo Wangenheim (2011), métodos para rotular componentes conexos são utilizados para extrair os diferentes objetos de uma imagem de acordo com alguma característica,

26

normalmente a sua cor. Utiliza-se para determinar que parte da imagem pertence a qual objeto e para resolver ambiguidades quando diferentes objetos possuem atributos similares ou idênticos.

A rotulação de componentes conexos consiste em atribuir um valor único (label) a cada objeto da imagem, e essa habilidade é fundamental na análise. Informações importantes podem ser obtidas de um objeto através deste processo como: quantidade, tamanho da área, centro geométrico e pontos extremos (GONZALEZ & WOODS, 2000). Desta forma, fica evidente a importância da rotulação neste trabalho por estar diretamente relacionado com a descrição, classificação e o reconhecimento. A seguir é definido um componente conexo, com a finalidade de facilitar a compreensão do algoritmo de rotulação.

Componentes Conexos

O componente conexo em uma imagem é um subconjunto que, qualquer dois pontos deste subconjunto possam ser acessados por uma curva que pertença totalmente a esse subconjunto (GONZALEZ; WOODS, 2000).

A Figura 18 ilustra três objetos que podem ser chamados de subconjuntos. A partir de um pixel rotulado é possível chegar a qualquer outro elemento daquele subconjunto com uma curva interna. Em resumo, a partir de um pixel é possível chegar a qualquer outro pixel do mesmo objeto desde que sejam conexos.

Observa-se na Figura 18 que o número diferente de rótulo (labels) é igual à soma dos objetos (três).

Figura 18. Rotulação de Pixels

27 Algoritmo de rotulação

Para extrair os componentes conexos de uma região considera-se que a imagem seja percorrida pixel por pixel, da esquerda para a direita e de cima para baixo (sequencial). Seja p o pixel em qualquer passo no processo de varredura e r e t , respectivamente, os vizinhos superior e esquerdo.

Consideram-se, ainda, as seguintes situações durante a varredura: (1) primeira linha e (2) primeiro elemento (GONZALEZ & WOODS, 2000). A partir deste conceito são executadas duas varreduras completas na imagem. Para a primeira varredura são seguidos os seguintes procedimentos (componentes conectados-de-4):

 Primeiro elemento da primeira linha:

- Se p = 0, mova para a próxima posição;

- Se p = 1, atribuir um rótulo a p.

 Demais elementos da primeira linha:

- Se p = 0, mova para a próxima posição;

- Se p = 1, examinar t. Se t = 0, atribuir novo rótulo a p. Se t = 1, atribuir o rotulo de t a p, mova para próxima posição.

 Se não for a primeira linha e for o primeiro elemento:

- Se p = 0, mova para próximo elemento;

- Se p = 1, examinar r. Se r = 0, atribuir um novo rótulo a p. Se r = 1, atribuir seu rótulo a p.

 Demais elementos:

- Se p = 0, mova para próximo elemento;

- Se p = 1, examinar r e t.

- Se r = 0 e t = 0, atribuir um novo rótulo a p.

28

- Se apenas um dos vizinhos for igual a 1, atribua seu rótulo a p.

- Se r = 1 e t = 1 e possuem o mesmo rótulo, atribuir este rótulo a p.

- Se r = 1 e t = 1 e possuem rótulos diferentes, atribuir um dos valores a p e anotar que os dois rótulos são equivalentes (r e t estão conectados por p).

Ao fim da varredura todos os pontos da imagem (pixels) com valor 1 terão sido rotulados (dado um valor), devendo-se ordenar todos os valores equivalentes em classes de equivalência.

Na segunda varredura da imagem serão tratados todos os elementos equivalentes, dando um mesmo rótulo para elementos conectados por diferentes rótulos.

2.4.2 Descritores regionais

Um descritor regional que define o tamanho da área, número de pixels, dos objetos foi escolhido para o projeto. O descritor retorna o tamanho do objeto encontrado que em seguida é classificado dentro de classes de objetos pela comparação dos dados da Base de Informação (tamanho de veículo e tamanho de pedestre).

A área e o perímetro também podem ser utilizados como descritores, geralmente em situações que o objeto não varie de tamanho. O uso mais frequente deste descritor é na medida da

“compacidade” de uma região, definida pela Equação 8. A compacidade é uma quantidade sem dimensões, invariante a mudanças de escala e invariante à orientação (GONZALEZ & WOODS, 2000). O perímetro é obtido pela soma dos pixels da borda e a área pela soma dos pixels internos do objeto.

Compacidade = (perímetro)²/ área Equação 8

Outra forma de extrair a característica de uma região é através do descritor topológico, quer seja pelos buracos dentro desta região ou pelo seu número de componentes conexos. As propriedades topológicas são úteis para descrição global de regiões no plano da imagem, e está relacionada às propriedades da figura que não são afetadas por deformações. Este tipo de descritor tem a vantagem de não ser afetado por rotação ou por “esticamento” da imagem. (GONZALEZ &

WOODS, 2000).

29

Um descritor topológico pode descrever os objetos da Figura 19 pelo número de objetos (13), pelos diferentes tamanhos (3) ou pelos objetos que possuem buracos (1) ou não (12).

Figura 19. Componente conexo com buracos em destaque