bioinfo apre2011

(1)

Processamento Digital

de Imagens

Prof Dr. Luiz Antônio Pereira Neves

neves@ufpr.br

1

Apresentação de PDI na Bioinformática

(2)

Apresentação de PDI na Bioinformática 2

Contatos



Prof. Luiz Antônio Pereira Neves



E-mail:

neves@ufpr.br



www.profneves.net

(3)

Aulas



As aulas serão na sala de

aula, na sala de projeção e

no laboratório.



Verificar antes na homepage

do Professor a atividade da

próxima aula.

(4)

Chamada



A chamada é obrigatória e

pode ser feita a qualquer

momento da aula.

* Não há abono de faltas.

(5)

Lembretes



Celulares



Alimentos



Cigarro

19/8/2011

(6)

CONTRATO DIDÁTICO



Setor: Educação Professional e Tecnológica - SEPT



Curso: Mestrado da Bioinformática



Disciplina: Processamento Digital de Imagem



Ano: 2011



Carga Horária Total: 60

Nº de Créditos:

??



Carga Horária Semanal: 4



Aulas Teóricas: 2

Aulas Práticas: 2

(7)

Ementa

• Ementa:

– Conceitos de Reconhecimento Padrão, Processamento Digital

de Imagens e Imagem Digital

– Concepção e Percepção Visual

– Aquisição da Imagem

– Tipos de Imagens e conversões

– Sistemas de Cores

– Filtros de Imagens (realce, detecção de bordas, suavização)

– Extração das Características

– Morfologia Matemática

– Texturas

(8)

Programa de aprendizagem

• Aptidões:

– Conhecer os fundamentos de processamento de imagens/visão

computacional e suas aplicações em ambientes industriais,

científicos e comerciais.

– Identificar as ferramentas computacionais (softwares) para

resolução de problemas práticos de processamento de imagens.

– Compreender os problemas relacionados a qualidade da

imagem e aplicar as metodologias de correção/melhoria.

– Desenvolver algoritmos de segmentação e interpretação de

imagens digitais;

– Implementar estratégias de processamento digital de imagem

em um estudo de caso na bioinformática.

(9)

Temas a serem estudados

• Introdução ao PDI;

• Conceitos de Reconhecimento Padrão e PDI

• Sistemas de aquisição de imagens;

• Tipos de imagens;

• Conversão de tipos;

• Manipulação de imagens no C++;

• Imagens TrueColor, Indexadas, cinza e binárias;

• Formatos RGB e HSI;

• Imagens em níveis de cinza;

• Histograma;

• Equalização de Histograma;

• Filtros;

• Detecção de bordas;

• Transformada de Hough;

• Extração de Características;

• Morfologia Matemática:

– Erosão Binária;

– Dilatação Binária;

– Detecção de bordas;

– Abertura e Fechamento e

• Texturas.

19/8/2011

(10)

Metodologia

• Progressista: Aprender a Aprender

• Ações do Aluno:

– Providenciar a bibliografia sugerida;

– Estudar os textos conforme o estabelecido;

– Produzir síntese;

– Produzir textos, tabelas, gráficos, planilhas individual

e coletivamente, com as ferramentas;

– Participar de pesquisa de campo;

– Participar das apresentações.

(11)

Metodologia

• Aulas práticas em laboratório (teoria

expositiva, demonstração através de

exemplos) e exercícios em sala e

com entrega programada.

(12)

Progressista: Aprender a Aprender

Ações do Professor:



Dar aulas expositivas;



Apresentar trabalhos individuais e em

grupo;



Mostrar problemas e suas soluções.

Metodologia

(13)

Recursos Tecnológicos

Biblioteca

Laboratório de Informática

Datashow

Artigos e Apostilas

Ferramentas de

Manipulação de Imagens

Professores

Internet

19/8/2011

(14)

Ferramentas Tecnológicas

Linguagem de programação

C++

Compiladores:

Visual Studio 2008

DevC++

Biblioteca OpenCV

19/8/2011

(15)

Compilador C++

Ambiente Windows • DevC++ • Free

• Editor visual for windows • http://www.bloodshed.net/dev/

Ambiente Linux

 Compilador gcc

 Free

 Editor de texto como vi ou

xemacs

15 Apresentação de PDI na Bioinformática

(16)

Avaliação

Avaliações

Peso

Nota final

Implementação de algoritmos de filtragem ou

segmentação ou extração de características

30 %

0 - 10

Artigo Científico (leitura, implementação)

30 %

Apresentação e Relatório Técnico (completo)

40 %

(17)

Referências Bibliográficas

BIBLIOGRAFIA

Básica

• 1.R.G Gonzalez, R. Woods; Processamento de Imagens Digitais;

Editora Edgard Blücher LTDA, 2000.

• 2.JAIN, Ramesh; Kasturi, Rangachar; Schunk. Brian G.; Machine

Vision; McGraw-Hill, 1995.

Complementar

• 1.ROGERS, David F.; Adams, J. Alan; Mathematical Elements for

Computer Graphics; McGraw-Hill, 1976;

• 2.TRUCCO, E.; Verri, Alessandro; Introductory Techniques for 3-D

Computer Vision; Prentice Hall, 1998.

• 3.FORSYTH, David A.; Ponce, Jean; Computer Vision: A Modern

Approach; Prentice Hall, 2003.

• 4.GONZALEZ, Rafael C.; Woods, Richard E. ; Digital Image

Processing, 2/E; Prentice Hall, 2002.

• 5.CASTLEMAN, Kenneth R.; Digital Image Processing; Prentice

Hall, 1996.

• 6.Russ, J. C.; The Image Processing handbook; Third Edition;

IEEE Press, 1998.

• 7. Weeks, A. R.; Fundamentals of Eletronic Image Processing;

IEEE Press, 1996

(18)

Clássicos

(19)

Livros Atuais

Apresentação de PDI na Bioinformática 19 19/8/2011

(20)

Livros de OpenCV

(21)

Ferramentas de Estudo

•ImLab 2.3

• http://imlab.sourceforge.net/

Site do Professor:

www.profneves.net

19/8/2011

(22)

ImLab 2.3

(23)

Ferramentas de Estudo

•ImageTool

• http://ddsdx.uthscsa.edu/dig/itdesc.html

(24)

ImageTool

(25)

Editores de Imagem

•Irfanview

•Photofiltre

(26)

Visão Geral

(27)

Aplicações

(28)

Aplicações

(29)

Projetos Desenvolvidos

Interesses Científicos e Campos de Pesquisa:



Pattern Recognition.



Signal and Digital Image Processing.



Mathematical Morphology.

Na imagem de tomografia, a pesquisa

propõe a identificação automática da

inflamação no ouvido.

Análise de Raio-X

Dentário (Projeto com

LNCC)

(30)

Áreas de PDI



Interesses científicos

Pattern

Recognition

Signal and Digital

Image Processing

Aplicações:



Medical images.



Document images.



3D and 2D images.

Programação:



C++.



Pascal.



Builder C++.



DevC++.



Delphi.



Visual Basic.



MatLab.

Análise:



Signal data.



Document data.



Object data.



Real-time/Post-time.



Statistics.

Métodos:



Reconstruction.



Thresholding.



Mathematical

Morphology.



…

Ambientes:



Windows.



Linux.

19/8/2011

(31)

Estudos de Casos

• Projetos Finais

• Projetos de Iniciação

Científica

– Bolsistas

– Voluntários

• Nível de Graduação e

cursos seqüenciais

• Áreas:

– Informática,

– Ciência da Computação,

– Robótica,

– Matemática e Médica

19/8/2011

(32)

Projeto PIBIC na Matemática

PIBIC 2006/2007

XV Seminário de Iniciação Científica na PUCPR

Aluna de Licenciatura em Matemática da PUCPR:

Lucimara Lenita Nogas (1o. Período 2006)

(33)

Projeto PIBIC na Matemática

• Esta pesquisa propõe uma metodologia de identificação de falhas e redução em

formulários tipo tabelas.

• Redução de falhas dos documentos tabelas é o passo essencial para a correta

interpretação do documento.

• A Transformada Discreta de Fourier é aplicada para identificar e corrigir as falhas

das tabelas.

Falhas presentes

nesta estrutura

física

(34)

Resultados

• Experiments involving 100 miscellaneous imperfect table-form images.

• The proposed approach reached a success rate over than 80%.

• The main advantage of the proposed method is that it can be applied for most of the table-forms.

(35)

Produção Científica

DOIS ARTIGOS ACEITOS:

• Nogas, L. L.; Pellenz, M.; NEVES, L. A. P. A New Method for Failure Identification and Recovery in Table-form.In: Brazilian

Symposium on Computer Graphics and Image Processing, SIBGRAPI / WUW 2007, 2007, Belo Horizonte, Brazil. SBC Editor, 2007. (Qualis A Nacional)

• Nogas, L. L. ; Pellenz, M.; NEVES, L. A. P. Um Novo Método de Identificação e Recuperação de Falhas em Documentos Tabelas. II EPEC, Segundo Encontro Paranaense de Engenharia e Ciência, UNIOESTE, 20 à 24 de Agosto de 2007,Toledo, Brasil.

(36)

Projeto PIBIC no Bach. Sistemas

de Informação

Aluna do Bacharelado em Sistemas de Informação:

Rafaela Dandolini Felipe (1o. Período 2007)

PIBIC 2006/2007

XV Seminário de Iniciação Científica na PUCPR

(37)

Projeto PIBIC no Bach. Sistemas de

Informação

• Um novo enfoque para extrair a

estrutura da tabela, formulários

preenchidos à mão, com pouco

conhecimento prévio.

A metodologia proposta é identificar

os blocos de células, usando o

algoritmo Watershed.

• Para melhorar a segmentação,

usamos uma análise estatística

para a detecção e eliminação dos

blocos produzidos por pré-impressas

e manuscritas dados, e artefato.

• Identificar Objetos (ruídos) de

documentos tabelas .

• Extrair os ruídos.

• Desprezar pequenas inclinações da

imagem tabela.

• Obter como resultado final, apenas

as característica originais da estrutura

física do documento tabela.

(38)

Processo de Inundação

Imagem Original

Imagem limiarizada

invertida

Imagem dilatada

Imagem gradiente

_{Imagem Watershed}

invertida

(39)

Resultados da Imundação

Watershed Image

_{Image with eliminated noises}

Resulted Image

Compacteness Factor

FC = P² / 4*PI*S

For Statistical Analysis:

 Area

 Perimeter

 Compactness Fator

(40)

Produção Científica

TRÊS ARTIGOS ACEITOS:

• Felipe, R.D.; Facon, J.; NEVES, L. A. P. A New Segmentation for Table-form

Documents using Watershed.. In: Brazilian Symposium on Computer Graphics and Image Processing, SIBGRAPI / WUW 2007, 2007, Belo Horizonte, Brazil. SBC Editor, 2007. (Qualis A Nacional)

• Felipe, R.D.; Facon, J.; NEVES, L. A. P. Uso de Watershed na Segmentação de Documentos Formulários Tabela, II EPEC, Segundo Encontro Paranaense de Engenharia e Ciência, UNIOESTE, 20 à 24 de Agosto de 2007,Toledo, Brasil. NEVES, L. A. P.; Felipe, R. D. A Pre-printed and Hand-filled Table-Form Analysis aiming Cell Extraction In: The Eighth IAPR International Workshop on Document Analysis Systems, DAS2008 September 16-19, 2008, Nara, Japan, 2008.

(41)

Projetos de Pesquisa

• 2008 a 2013:

• Instituto Nacional de Ciência e Tecnologia / Medicina Assistida por

Computação Científica – MACC (Participante – Professor Visitante).

(42)

Projeto MACC

MACC – Medicina Assistida por Computação

Científica.

Área de Estudo: extração automática dos dentes

em imagens odontológicas de Raio-X.

(43)

Projeto MACC

(44)

Projeto MACC

(45)

(46)

X- Game

UDESC Vision Lab

Projeto PIC 1

Estudo de Aquisição e Segmentação

de Imagens de Futebol de Mesa

Robotizado

Aluna: Hemanuelle Lisboa da Silva

(47)

X- Game

UDESC Vision Lab

Projeto PIC 2

Estudo e Implementação de

Estratégias no Jogo de Futebol de

Mesa Robotizado, Usando C++

Aluno:

João Frederico Trott Filho

(48)

Bolsista Voluntário

Uma Proposta de Melhoria Automática

em Imagens Faciais

SOBIECKI, A. ; THOMAZ, C. E. ; NEVES, L. A. P. . Uma Proposta de Melhoria Automática em Imagens Faciais. In: V Workshop de Visão Computacional (WVC 2009), 2009, Sâo Paulo. V Workshop de Visão Computacional - 02 a 04 de Setembro de 2009. São Paulo : Universidade

Presbiteriana Mackenzie - Faculdade de Computação e Informática, 2009.

SOBIECKI, A. ; THOMAZ, C. E. ; NEVES, L. A. P. . Identificação e Eliminação Automática de Carimbos em ImagensFaciais (ACEITO). In: IX ERMAC-R6 Encontro Regional de Matemática Aplicada e Computacional, 2009, Petrópolis. IX ERMAC Encontro Regional de Matemática Aplicada e Computacional. Petrópolis : LNCC, 2009.

SOBIECKI, A. ; THOMAZ, C. E. ; NEVES, L. A. P. . To a Better Digitalization and Visualization of Frontal Face Photographs (ACEITO). In: IV European Conference on Computational Mechanics (ACEITO), 2010, Paris. IV European Conference on Computational Mechanics.

Paris : Computational Structural Mechanics Association, 2010.

(49)

Bolsista Voluntário

Uma Proposta de Melhoria Automática em

Imagens Faciais

SOBIECKI, A. ; THOMAZ, C. E. ; NEVES, L. A. P. . To a Better Digitalization and Visualization of Frontal Face Photographs (ACEITO). In: IV European Conference on Computational Mechanics (ACEITO), 2010, Paris. IV European Conference on Computational Mechanics.

Paris : Computational Structural Mechanics Association, 2010.

(50)

Projeto Final

• Maurício de Oliveira Souza. Extração

Automática de Dados em Imagens de

Raios-X Odontológicos. Início: 2009.

• Trabalho

de

Conclusão

de

Curso

(Graduação em Bacharel em Sistemas de

Informação)

-

Faculdade

Expoente.

(Orientador).

(51)

SBIM – Shared Biological Image

Manager

• Gerenciamento, compartilhamento e

manipulação de imagens na Internet

Gustavo Molitor

Porcides

PIBIC/CNPq AF

gustavomp00@gmail.com

(52)

PPAS – Projeto Biométrico

(53)