Apresentação visão computacional

Edvaldo Araújo | Sistemas de Informação - IFAL





Introdução
Visão Humana
Visão Computacional
 Conceitos

 Etapas de um Sistema de Visão Computacional
 Aplicações
 OpenCV
 Exemplos
 Dificuldades







Há muito tempo a Inteligência Artificial busca entender o
funcionamento do cérebro humano e suas diversas funções,
entre elas a visão.
Visão é o processo de descoberta do quê está presente no
mundo real e onde através do olhar.
A visão computacional é um ramo complexo que tem como
objetivo desenvolver sistemas para extrair informações úteis
em um cenário.





A visão é um processo complexo;
A capacidade do cérebro processar e interpretar a imagem é
que nos permite a movimentação em ambientes, encontrar
objetos, etc.

Cenário

Olhos

Aquisição da Imagem

Imagem

Cérebro

Percepção

Interpretação da Imagem

Representação do sistema de visão humana






É a ciência que desenvolve as bases teóricas e algorítmicas
pelas quais informações úteis são automaticamente
extraídas de imagens por meio de computadores.
Um sistema dotado de visão computacional é um sistema
capaz de adquirir, processar e interpretar imagens.
Cenário

Câmera

Aquisição da Imagem

Imagem

Computador

Percepção

Interpretação da Imagem

Representação do sistema de visão computacional




Principais Etapas
 Aquisição de Imagens
 Pré-processamento

 Extração de Características
 Segmentação
 Reconhecimento de padrões




Uma imagem é uma representação espacial de um objeto;



Uma imagem digital é produzida por um ou mais sensores;



Um pixel é o menor componente de uma imagem digital;



Os valores dos pixels da imagem normalmente representam
a intensidade de luz em uma ou em várias faixas de cor, mas
também podem indicar valores físicos como profundidade e
absorção ou reflexão das ondas eletromagnéticas;


Exemplos de sensores para aquisição de imagens

Celulares e Smartphones

Imagens de Satélite

Câmeras e Filmadoras Digitais

Imagens microscópicas


Aparelhos de Ultrassonografia/Raio X

Aparelhos de Tomografia



Antes de um método de visão computacional ser aplicado
em uma imagem para extrair informação, é geralmente
necessário processar a imagem para assegurar-se que ela
satisfaça determinadas condições. Por exemplo:
 Redução de ruídos: Para assegurar que as informações sejam

mais realísticas;
 Expansão de contraste: Para assegurar que as informações
relevantes sejam detectadas;


Redução de ruído


Expansão de Contraste





Uso de algoritmos para detectar e isolar porções desejadas
ou formas de uma imagem digitalizada ou vídeo.
Rodenacker e Bengtsson (2003) publicaram um estudo
sobre técnicas de extração de características que, embora
tenha sido motivado pela pesquisa em citologia, serve como
referência para quaisquer aplicações de análise de imagens.
Eles classificaram as características em quatro grupos:
 Características Morfológicas. Ex.: Área, circularidade, largura;
 Características Cromáticas. Ex.: Medidas estatísticas das

intensidades como média, mediana, desvio-padrão, etc;
 Características Texturais;
 Características Estruturais ou Contextuais. Ex.: Posição relativa
de um elemento em relação a outro.



O processo de segmentação consiste em particionar uma
imagem em regiões, ou objetos distintos. Este processo
normalmente é guiado por características do objeto ou
região, como por exemplo cor ou proximidade.



Permite agrupar os pixels de uma imagem em regiões
homogêneas de acordo com o valor de uma determinada
característica.


Exemplos de Segmentação








Reconhecer implica num processo onde existe algum
conhecimento prévio e algum tipo de armazenamento do
conhecimento sobre o objeto a ser reconhecido;
Para realizar este reconhecimento um sistema de visão
necessita de uma base de conhecimento dos objetos a serem
reconhecidos ;
A base de conhecimento pode ser implementada
diretamente no código, através, por exemplo, de um sistema
baseado em regras, ou esta base de conhecimento pode ser
aprendida a partir de um conjunto de amostras dos objetos a
serem reconhecidos utilizando técnicas de aprendizado de
máquina.






Biblioteca desenvolvida pela Intel;
Seu objetivo é tornar a visão computacional acessível a
usuários e desenvolvedores;
Utiliza conceitos de visão computacional e processamento
de imagens;
Possui cinco grupos de funções:
 Processamento de Imagens;

 Análise Estrutural;
 Análise de Movimento e Rastreamento de Objetos;
 Reconhecimento de Padrões;
 Calibração de câmera e reconstrução 3D.



Suporte a várias linguagens:
 C;
 C++;
 Python;
 Java.

Compatível com Windows, Linux, Mac, Android e iOS;
 Vasto material na internet (Tutoriais, exemplos);
 Milhões de usuários no mundo inteiro;
 Free!



Exemplo de código
#include <opencv/highgui.h>
#include <opencv/cv.h>
int main(int argc, char **argv) {
IplImage *originalImg = NULL;
// Carrega imagem em escala de cinza
originalImg = cvLoadImage("filename.jpg", 0);
cvNamedWindow("Original", 0);
cvShowImage("Original", originalImg);
return 0;
}

Onde começa um e termina o outro?


O que segmentar?




Reconhecimento de ...???




Muitos objetos


Apresentação visão computacional

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

En vedette

En vedette (9)

Similaire à Apresentação visão computacional

Similaire à Apresentação visão computacional (20)

Apresentação visão computacional