In this work, a novel decision based adaptive median filter to remove blotches, scratches, streaks, stripes and random valued impulse noise in images is presented. The proposed method is a two stage algorithm. In the first stage the noise candidates are detected using rank ordered absolute difference (ROAD) value. In the second stage the replacement is done by median of uncorrupted pixels in the filtering window. The filtering window is varied adaptively based on the number of uncorrupted pixels in the window. The visual and quantitative results show the proposed filter outperforms many of the standard filters in terms of different artifact removal with edge preservation.
1. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Decision Based Adaptive Median Filter
Processamento Digital de Imagens
A. Felix :: M. Alves :: W. Machado
Centro de Pesquisa em Matemática Computacional
Universidade Federal de Alagoas, Campus A. C. Simões
Tabuleiro do Martins - Maceió - AL, CEP: 57072-970
Docente Responsável: Prof. Dr. Alejandro C. Frery
{afdlf2,michel.mas,wylken.ufal}@gmail.com
07 de Dezembro 2010
Bacharelado em Ciência da Computação Processamento Digital de Imagens
2. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.
2 O Filtro da Mediana.
3 O Filtro da Mediana Adaptativo.
4 Decision Based Adaptive Median Filter.
5 Um Algoritmo em Dois Estágios.
6 Primeiro Estágio - Detecção de Ruído.
7 Segundo Estágio - Filtragem.
8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
3. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.
2 O Filtro da Mediana.
3 O Filtro da Mediana Adaptativo.
4 Decision Based Adaptive Median Filter.
5 Um Algoritmo em Dois Estágios.
6 Primeiro Estágio - Detecção de Ruído.
7 Segundo Estágio - Filtragem.
8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
4. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.
2 O Filtro da Mediana.
3 O Filtro da Mediana Adaptativo.
4 Decision Based Adaptive Median Filter.
5 Um Algoritmo em Dois Estágios.
6 Primeiro Estágio - Detecção de Ruído.
7 Segundo Estágio - Filtragem.
8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
5. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.
2 O Filtro da Mediana.
3 O Filtro da Mediana Adaptativo.
4 Decision Based Adaptive Median Filter.
5 Um Algoritmo em Dois Estágios.
6 Primeiro Estágio - Detecção de Ruído.
7 Segundo Estágio - Filtragem.
8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
6. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.
2 O Filtro da Mediana.
3 O Filtro da Mediana Adaptativo.
4 Decision Based Adaptive Median Filter.
5 Um Algoritmo em Dois Estágios.
6 Primeiro Estágio - Detecção de Ruído.
7 Segundo Estágio - Filtragem.
8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
7. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.
2 O Filtro da Mediana.
3 O Filtro da Mediana Adaptativo.
4 Decision Based Adaptive Median Filter.
5 Um Algoritmo em Dois Estágios.
6 Primeiro Estágio - Detecção de Ruído.
7 Segundo Estágio - Filtragem.
8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
8. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.
2 O Filtro da Mediana.
3 O Filtro da Mediana Adaptativo.
4 Decision Based Adaptive Median Filter.
5 Um Algoritmo em Dois Estágios.
6 Primeiro Estágio - Detecção de Ruído.
7 Segundo Estágio - Filtragem.
8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
9. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.
2 O Filtro da Mediana.
3 O Filtro da Mediana Adaptativo.
4 Decision Based Adaptive Median Filter.
5 Um Algoritmo em Dois Estágios.
6 Primeiro Estágio - Detecção de Ruído.
7 Segundo Estágio - Filtragem.
8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
10. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Sumário
Tópicos Centrais da Explanação
1 Introdução.
2 O Filtro da Mediana.
3 O Filtro da Mediana Adaptativo.
4 Decision Based Adaptive Median Filter.
5 Um Algoritmo em Dois Estágios.
6 Primeiro Estágio - Detecção de Ruído.
7 Segundo Estágio - Filtragem.
8 Resultados, Discussão e Conclusões.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
11. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Introdução
Introdução
Motivação
O Trabalho Escolhido
O Que é Ruído Impulsivo?
Imagens Degradadas com Ruído
Bacharelado em Ciência da Computação Processamento Digital de Imagens
12. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Introdução
Introdução
Motivação
O Trabalho Escolhido
O Que é Ruído Impulsivo?
Imagens Degradadas com Ruído
Bacharelado em Ciência da Computação Processamento Digital de Imagens
13. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Introdução
Introdução
Motivação
O Trabalho Escolhido
O Que é Ruído Impulsivo?
Imagens Degradadas com Ruído
Bacharelado em Ciência da Computação Processamento Digital de Imagens
14. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Introdução
Introdução
Motivação
O Trabalho Escolhido
O Que é Ruído Impulsivo?
Imagens Degradadas com Ruído
Bacharelado em Ciência da Computação Processamento Digital de Imagens
15. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Introdução
Introdução
Motivação
O Trabalho Escolhido
O Que é Ruído Impulsivo?
Imagens Degradadas com Ruído
Bacharelado em Ciência da Computação Processamento Digital de Imagens
16. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Motivação
Muitas vezes o processo de aquisição de
imagens pode apresentar falhas.
Essas falhas possuem diversas origens:
Erros de transmissão;
Mal funcionamento dos sensores do aparelho;
Falhas na alocação de memória do aparelho;
Erros de “timing” na conversão analógico-digital;
Entre outras.
O processo de aquisição pode ser caro e repetí-lo pode
não ser vantajoso devido ao custo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
17. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Motivação
Muitas vezes o processo de aquisição de
imagens pode apresentar falhas.
Essas falhas possuem diversas origens:
Erros de transmissão;
Mal funcionamento dos sensores do aparelho;
Falhas na alocação de memória do aparelho;
Erros de “timing” na conversão analógico-digital;
Entre outras.
O processo de aquisição pode ser caro e repetí-lo pode
não ser vantajoso devido ao custo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
18. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Motivação
Muitas vezes o processo de aquisição de
imagens pode apresentar falhas.
Essas falhas possuem diversas origens:
Erros de transmissão;
Mal funcionamento dos sensores do aparelho;
Falhas na alocação de memória do aparelho;
Erros de “timing” na conversão analógico-digital;
Entre outras.
O processo de aquisição pode ser caro e repetí-lo pode
não ser vantajoso devido ao custo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
19. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Motivação
Muitas vezes o processo de aquisição de
imagens pode apresentar falhas.
Essas falhas possuem diversas origens:
Erros de transmissão;
Mal funcionamento dos sensores do aparelho;
Falhas na alocação de memória do aparelho;
Erros de “timing” na conversão analógico-digital;
Entre outras.
O processo de aquisição pode ser caro e repetí-lo pode
não ser vantajoso devido ao custo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
20. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Motivação
Muitas vezes o processo de aquisição de
imagens pode apresentar falhas.
Essas falhas possuem diversas origens:
Erros de transmissão;
Mal funcionamento dos sensores do aparelho;
Falhas na alocação de memória do aparelho;
Erros de “timing” na conversão analógico-digital;
Entre outras.
O processo de aquisição pode ser caro e repetí-lo pode
não ser vantajoso devido ao custo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
21. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Motivação
Muitas vezes o processo de aquisição de
imagens pode apresentar falhas.
Essas falhas possuem diversas origens:
Erros de transmissão;
Mal funcionamento dos sensores do aparelho;
Falhas na alocação de memória do aparelho;
Erros de “timing” na conversão analógico-digital;
Entre outras.
O processo de aquisição pode ser caro e repetí-lo pode
não ser vantajoso devido ao custo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
22. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Motivação
Muitas vezes o processo de aquisição de
imagens pode apresentar falhas.
Essas falhas possuem diversas origens:
Erros de transmissão;
Mal funcionamento dos sensores do aparelho;
Falhas na alocação de memória do aparelho;
Erros de “timing” na conversão analógico-digital;
Entre outras.
O processo de aquisição pode ser caro e repetí-lo pode
não ser vantajoso devido ao custo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
23. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Motivação
Muitas vezes o processo de aquisição de
imagens pode apresentar falhas.
Essas falhas possuem diversas origens:
Erros de transmissão;
Mal funcionamento dos sensores do aparelho;
Falhas na alocação de memória do aparelho;
Erros de “timing” na conversão analógico-digital;
Entre outras.
O processo de aquisição pode ser caro e repetí-lo pode
não ser vantajoso devido ao custo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
24. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Trabalho Escolhido
Nesta apresentação iremos exibir e discutir os
resultados do trabalho intitulado:
Decision Based Adaptive Median Filter to
Remove Blotches, Scratches, Streaks, Stripes
and Impulsive Noise in Images.
IEEE 17th International Conference on Image
Processing.
V. R. Vijaykumar, P. Jothibasu, Departament of ECE,
Anna University Coimbatore, Coimbatore, TamilNadu,
India.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
25. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Trabalho Escolhido
Nesta apresentação iremos exibir e discutir os
resultados do trabalho intitulado:
Decision Based Adaptive Median Filter to
Remove Blotches, Scratches, Streaks, Stripes
and Impulsive Noise in Images.
IEEE 17th International Conference on Image
Processing.
V. R. Vijaykumar, P. Jothibasu, Departament of ECE,
Anna University Coimbatore, Coimbatore, TamilNadu,
India.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
26. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Trabalho Escolhido
Nesta apresentação iremos exibir e discutir os
resultados do trabalho intitulado:
Decision Based Adaptive Median Filter to
Remove Blotches, Scratches, Streaks, Stripes
and Impulsive Noise in Images.
IEEE 17th International Conference on Image
Processing.
V. R. Vijaykumar, P. Jothibasu, Departament of ECE,
Anna University Coimbatore, Coimbatore, TamilNadu,
India.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
27. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Trabalho Escolhido
Nesta apresentação iremos exibir e discutir os
resultados do trabalho intitulado:
Decision Based Adaptive Median Filter to
Remove Blotches, Scratches, Streaks, Stripes
and Impulsive Noise in Images.
IEEE 17th International Conference on Image
Processing.
V. R. Vijaykumar, P. Jothibasu, Departament of ECE,
Anna University Coimbatore, Coimbatore, TamilNadu,
India.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
28. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Localização
Anna University Coimbatore
Bacharelado em Ciência da Computação Processamento Digital de Imagens
29. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Interpretação Física de Ruído
Vamos Deixar Claros Alguns Conceitos
O Que é Ruído?
No âmbito das telecomunicações e do dispositivos
eletrônicos, em geral, considera-se ruído a todas as
perturbações elétricas que interferem sobre os sinais
transmitidos ou processados.
As origens do ruído são múltiplas:
tempestades elétricas com relâmpagos e raios, manchas
solares, radiação produzida por microondas, etc.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
30. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Interpretação Física de Ruído
Vamos Deixar Claros Alguns Conceitos
O Que é Ruído?
No âmbito das telecomunicações e do dispositivos
eletrônicos, em geral, considera-se ruído a todas as
perturbações elétricas que interferem sobre os sinais
transmitidos ou processados.
As origens do ruído são múltiplas:
tempestades elétricas com relâmpagos e raios, manchas
solares, radiação produzida por microondas, etc.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
31. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Interpretação Física de Ruído
Vamos Deixar Claros Alguns Conceitos
O Que é Ruído?
No âmbito das telecomunicações e do dispositivos
eletrônicos, em geral, considera-se ruído a todas as
perturbações elétricas que interferem sobre os sinais
transmitidos ou processados.
As origens do ruído são múltiplas:
tempestades elétricas com relâmpagos e raios, manchas
solares, radiação produzida por microondas, etc.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
32. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Interpretação Física de Ruído
Vamos Deixar Claros Alguns Conceitos
O Que é Ruído?
No âmbito das telecomunicações e do dispositivos
eletrônicos, em geral, considera-se ruído a todas as
perturbações elétricas que interferem sobre os sinais
transmitidos ou processados.
As origens do ruído são múltiplas:
tempestades elétricas com relâmpagos e raios, manchas
solares, radiação produzida por microondas, etc.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
33. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Interpretação Física de Ruído
Vamos Deixar Claros Alguns Conceitos
O Que é Ruído?
No âmbito das telecomunicações e do dispositivos
eletrônicos, em geral, considera-se ruído a todas as
perturbações elétricas que interferem sobre os sinais
transmitidos ou processados.
As origens do ruído são múltiplas:
tempestades elétricas com relâmpagos e raios, manchas
solares, radiação produzida por microondas, etc.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
34. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ruído Impulsivo
O Que é Ruído Impulsivo?
O ruído impulsivo é aquele cuja intensidade aumenta
bruscamente durante um impulso.
A duração deste impulso é breve em comparação com o
tempo que decorre entre um impulso e outro.
Incide fundamentalmente na transmissão dos dados e
deve-se basicamente a fortes induções consequências
de comutações eletromagnéticas.
Pode ser descrito matematicamente pela função
impulso ou delta de Dirac.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
35. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ruído Impulsivo
O Que é Ruído Impulsivo?
O ruído impulsivo é aquele cuja intensidade aumenta
bruscamente durante um impulso.
A duração deste impulso é breve em comparação com o
tempo que decorre entre um impulso e outro.
Incide fundamentalmente na transmissão dos dados e
deve-se basicamente a fortes induções consequências
de comutações eletromagnéticas.
Pode ser descrito matematicamente pela função
impulso ou delta de Dirac.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
36. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ruído Impulsivo
O Que é Ruído Impulsivo?
O ruído impulsivo é aquele cuja intensidade aumenta
bruscamente durante um impulso.
A duração deste impulso é breve em comparação com o
tempo que decorre entre um impulso e outro.
Incide fundamentalmente na transmissão dos dados e
deve-se basicamente a fortes induções consequências
de comutações eletromagnéticas.
Pode ser descrito matematicamente pela função
impulso ou delta de Dirac.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
37. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ruído Impulsivo
O Que é Ruído Impulsivo?
O ruído impulsivo é aquele cuja intensidade aumenta
bruscamente durante um impulso.
A duração deste impulso é breve em comparação com o
tempo que decorre entre um impulso e outro.
Incide fundamentalmente na transmissão dos dados e
deve-se basicamente a fortes induções consequências
de comutações eletromagnéticas.
Pode ser descrito matematicamente pela função
impulso ou delta de Dirac.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
38. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ruído Impulsivo
O Que é Ruído Impulsivo?
O ruído impulsivo é aquele cuja intensidade aumenta
bruscamente durante um impulso.
A duração deste impulso é breve em comparação com o
tempo que decorre entre um impulso e outro.
Incide fundamentalmente na transmissão dos dados e
deve-se basicamente a fortes induções consequências
de comutações eletromagnéticas.
Pode ser descrito matematicamente pela função
impulso ou delta de Dirac.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
39. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Imagens Degradadas
Alguns Exemplos de Ruído
Figura: Imagens degradadas por diferentes tipos de ruído. Da esquerda
para direita temos: ruído impulsivo, ruído gaussiano aditivo e ruído
multiplicativo. Degradações obtidas de “Lena”, 512x512, 8bits/pixel.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
40. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Imagem Contaminada com Ruído Impulsivo
Figura: Exemplo de imagem distorcida, corrompida ou contaminada. (A)
Imagem original “Lena”, 512x512, 8bits/pixel; (B) Imagem contaminada
com ruído impulsivo “salt-and-pepper”.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
41. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana
O Filtro da Mediana
O Filtro da Mediana Clássico
Características do Filtro
Exemplificando o Uso
Resultados Obtidos
Codificação em R
Vídeos: Ruído Salt-and-Pepper & Filtro Mediano
Bacharelado em Ciência da Computação Processamento Digital de Imagens
42. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana
O Filtro da Mediana
O Filtro da Mediana Clássico
Características do Filtro
Exemplificando o Uso
Resultados Obtidos
Codificação em R
Vídeos: Ruído Salt-and-Pepper & Filtro Mediano
Bacharelado em Ciência da Computação Processamento Digital de Imagens
43. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana
O Filtro da Mediana
O Filtro da Mediana Clássico
Características do Filtro
Exemplificando o Uso
Resultados Obtidos
Codificação em R
Vídeos: Ruído Salt-and-Pepper & Filtro Mediano
Bacharelado em Ciência da Computação Processamento Digital de Imagens
44. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana
O Filtro da Mediana
O Filtro da Mediana Clássico
Características do Filtro
Exemplificando o Uso
Resultados Obtidos
Codificação em R
Vídeos: Ruído Salt-and-Pepper & Filtro Mediano
Bacharelado em Ciência da Computação Processamento Digital de Imagens
45. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana
O Filtro da Mediana
O Filtro da Mediana Clássico
Características do Filtro
Exemplificando o Uso
Resultados Obtidos
Codificação em R
Vídeos: Ruído Salt-and-Pepper & Filtro Mediano
Bacharelado em Ciência da Computação Processamento Digital de Imagens
46. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana
O Filtro da Mediana
O Filtro da Mediana Clássico
Características do Filtro
Exemplificando o Uso
Resultados Obtidos
Codificação em R
Vídeos: Ruído Salt-and-Pepper & Filtro Mediano
Bacharelado em Ciência da Computação Processamento Digital de Imagens
47. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana
O Filtro da Mediana
O Filtro da Mediana Clássico
Características do Filtro
Exemplificando o Uso
Resultados Obtidos
Codificação em R
Vídeos: Ruído Salt-and-Pepper & Filtro Mediano
Bacharelado em Ciência da Computação Processamento Digital de Imagens
48. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Clássico
Usando a abordagem de janelas deslizantes
Admitindo amostra de dimensão B × B:
O novo valor do pixel central da amostra contida
dentro do bloco de dimensão B × B será dado pelo
valor mediano dos pixels presentes na amostra.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
49. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Clássico
Usando a abordagem de janelas deslizantes
Admitindo amostra de dimensão B × B:
O novo valor do pixel central da amostra contida
dentro do bloco de dimensão B × B será dado pelo
valor mediano dos pixels presentes na amostra.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
50. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Clássico
Usando a abordagem de janelas deslizantes
Admitindo amostra de dimensão B × B:
O novo valor do pixel central da amostra contida
dentro do bloco de dimensão B × B será dado pelo
valor mediano dos pixels presentes na amostra.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
51. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Características do Filtro da Mediana
Filtro não convolucional e não linear.
Elimina informações indesejáveis ao mesmo tempo
que preserva bordas;
Freqüentemente escolhido para suavizar imagens
que apresentam ruídos conhecidos como
“sal-e-pimenta”;
Menos eficiente do que o filtro da média para
combater o ruído gaussiano aditivo;
Caso particular dos filtros estatísticos de ordem;
Possui certa complexidade, pois envolve ordenação.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
52. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Características do Filtro da Mediana
Filtro não convolucional e não linear.
Elimina informações indesejáveis ao mesmo tempo
que preserva bordas;
Freqüentemente escolhido para suavizar imagens
que apresentam ruídos conhecidos como
“sal-e-pimenta”;
Menos eficiente do que o filtro da média para
combater o ruído gaussiano aditivo;
Caso particular dos filtros estatísticos de ordem;
Possui certa complexidade, pois envolve ordenação.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
53. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Características do Filtro da Mediana
Filtro não convolucional e não linear.
Elimina informações indesejáveis ao mesmo tempo
que preserva bordas;
Freqüentemente escolhido para suavizar imagens
que apresentam ruídos conhecidos como
“sal-e-pimenta”;
Menos eficiente do que o filtro da média para
combater o ruído gaussiano aditivo;
Caso particular dos filtros estatísticos de ordem;
Possui certa complexidade, pois envolve ordenação.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
54. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Características do Filtro da Mediana
Filtro não convolucional e não linear.
Elimina informações indesejáveis ao mesmo tempo
que preserva bordas;
Freqüentemente escolhido para suavizar imagens
que apresentam ruídos conhecidos como
“sal-e-pimenta”;
Menos eficiente do que o filtro da média para
combater o ruído gaussiano aditivo;
Caso particular dos filtros estatísticos de ordem;
Possui certa complexidade, pois envolve ordenação.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
55. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Características do Filtro da Mediana
Filtro não convolucional e não linear.
Elimina informações indesejáveis ao mesmo tempo
que preserva bordas;
Freqüentemente escolhido para suavizar imagens
que apresentam ruídos conhecidos como
“sal-e-pimenta”;
Menos eficiente do que o filtro da média para
combater o ruído gaussiano aditivo;
Caso particular dos filtros estatísticos de ordem;
Possui certa complexidade, pois envolve ordenação.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
56. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Características do Filtro da Mediana
Filtro não convolucional e não linear.
Elimina informações indesejáveis ao mesmo tempo
que preserva bordas;
Freqüentemente escolhido para suavizar imagens
que apresentam ruídos conhecidos como
“sal-e-pimenta”;
Menos eficiente do que o filtro da média para
combater o ruído gaussiano aditivo;
Caso particular dos filtros estatísticos de ordem;
Possui certa complexidade, pois envolve ordenação.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
57. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Características do Filtro da Mediana
Filtro não convolucional e não linear.
Elimina informações indesejáveis ao mesmo tempo
que preserva bordas;
Freqüentemente escolhido para suavizar imagens
que apresentam ruídos conhecidos como
“sal-e-pimenta”;
Menos eficiente do que o filtro da média para
combater o ruído gaussiano aditivo;
Caso particular dos filtros estatísticos de ordem;
Possui certa complexidade, pois envolve ordenação.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
58. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Exemplificando o Uso
Exemplificando o Uso do Filtro da Mediana
Tomemos a Seguinte Amostra
A =
25 32 29
26 99 27
24 32 29
Ordenando os valores da matriz A teremos:
Sort(A) = {24, 25, 26, 27, 29, 29, 32, 32, 99}
A mediana da matriz A seria: Median(A) = 29
Bacharelado em Ciência da Computação Processamento Digital de Imagens
59. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Exemplificando o Uso
Exemplificando o Uso do Filtro da Mediana
Tomemos a Seguinte Amostra
A =
25 32 29
26 99 27
24 32 29
Ordenando os valores da matriz A teremos:
Sort(A) = {24, 25, 26, 27, 29, 29, 32, 32, 99}
A mediana da matriz A seria: Median(A) = 29
Bacharelado em Ciência da Computação Processamento Digital de Imagens
60. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Exemplificando o Uso
Exemplificando o Uso do Filtro da Mediana
Tomemos a Seguinte Amostra
A =
25 32 29
26 99 27
24 32 29
Ordenando os valores da matriz A teremos:
Sort(A) = {24, 25, 26, 27, 29, 29, 32, 32, 99}
A mediana da matriz A seria: Median(A) = 29
Bacharelado em Ciência da Computação Processamento Digital de Imagens
61. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Exemplificando o Uso
Exemplificando o Uso do Filtro da Mediana
Tomemos a Seguinte Amostra
A =
25 32 29
26 99 27
24 32 29
Ordenando os valores da matriz A teremos:
Sort(A) = {24, 25, 26, 27, 29, 29, 32, 32, 99}
A mediana da matriz A seria: Median(A) = 29
Bacharelado em Ciência da Computação Processamento Digital de Imagens
62. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Exemplificando o Uso
Exemplificando o Uso do Filtro da Mediana
Tomemos a Seguinte Amostra
A =
25 32 29
26 99 27
24 32 29
Ordenando os valores da matriz A teremos:
Sort(A) = {24, 25, 26, 27, 29, 29, 32, 32, 99}
A mediana da matriz A seria: Median(A) = 29
Bacharelado em Ciência da Computação Processamento Digital de Imagens
63. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados Obtidos
Resultados Obtidos com o Filtro da Mediana.
Figura: Imagem contaminada com 10% de ruído “salt-and-pepper”.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
64. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação em R
Para contaminar imagens com ruído impulsivo
“salt-and-pepper” a plataforma R disponibiliza
a função imgSaltPepperNoise.
§ ¤
1 # Aplicando r u i d o s a l −e−pimenta a 10%
2 myimg . n o i s e <− imgSaltPepperNoise ( myimg , 10)
¦ ¥
Para filtrar imagens utilizando a mediana a
plataforma R disponibiliza a função
imgBlockMedianFilter.
§ ¤
1 # Aplicando o f i l t r o da mediana com j a n e l a 5x5
2 myimg . f i l t e r e d <− i m g B lo c k M e d i an F i l t e r ( myimg . noise , 5)
¦ ¥
Bacharelado em Ciência da Computação Processamento Digital de Imagens
65. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação em R
Para contaminar imagens com ruído impulsivo
“salt-and-pepper” a plataforma R disponibiliza
a função imgSaltPepperNoise.
§ ¤
1 # Aplicando r u i d o s a l −e−pimenta a 10%
2 myimg . n o i s e <− imgSaltPepperNoise ( myimg , 10)
¦ ¥
Para filtrar imagens utilizando a mediana a
plataforma R disponibiliza a função
imgBlockMedianFilter.
§ ¤
1 # Aplicando o f i l t r o da mediana com j a n e l a 5x5
2 myimg . f i l t e r e d <− i m g B lo c k M e d i an F i l t e r ( myimg . noise , 5)
¦ ¥
Bacharelado em Ciência da Computação Processamento Digital de Imagens
66. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação em R
Para contaminar imagens com ruído impulsivo
“salt-and-pepper” a plataforma R disponibiliza
a função imgSaltPepperNoise.
§ ¤
1 # Aplicando r u i d o s a l −e−pimenta a 10%
2 myimg . n o i s e <− imgSaltPepperNoise ( myimg , 10)
¦ ¥
Para filtrar imagens utilizando a mediana a
plataforma R disponibiliza a função
imgBlockMedianFilter.
§ ¤
1 # Aplicando o f i l t r o da mediana com j a n e l a 5x5
2 myimg . f i l t e r e d <− i m g B lo c k M e d i an F i l t e r ( myimg . noise , 5)
¦ ¥
Bacharelado em Ciência da Computação Processamento Digital de Imagens
67. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação em R
Para contaminar imagens com ruído impulsivo
“salt-and-pepper” a plataforma R disponibiliza
a função imgSaltPepperNoise.
§ ¤
1 # Aplicando r u i d o s a l −e−pimenta a 10%
2 myimg . n o i s e <− imgSaltPepperNoise ( myimg , 10)
¦ ¥
Para filtrar imagens utilizando a mediana a
plataforma R disponibiliza a função
imgBlockMedianFilter.
§ ¤
1 # Aplicando o f i l t r o da mediana com j a n e l a 5x5
2 myimg . f i l t e r e d <− i m g B lo c k M e d i an F i l t e r ( myimg . noise , 5)
¦ ¥
Bacharelado em Ciência da Computação Processamento Digital de Imagens
68. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação em R
Para contaminar imagens com ruído impulsivo
“salt-and-pepper” a plataforma R disponibiliza
a função imgSaltPepperNoise.
§ ¤
1 # Aplicando r u i d o s a l −e−pimenta a 10%
2 myimg . n o i s e <− imgSaltPepperNoise ( myimg , 10)
¦ ¥
Para filtrar imagens utilizando a mediana a
plataforma R disponibiliza a função
imgBlockMedianFilter.
§ ¤
1 # Aplicando o f i l t r o da mediana com j a n e l a 5x5
2 myimg . f i l t e r e d <− i m g B lo c k M e d i an F i l t e r ( myimg . noise , 5)
¦ ¥
Bacharelado em Ciência da Computação Processamento Digital de Imagens
69. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ruído Salt-and-Pepper
Gerando Ruído Salt-and-Pepper em R
PLAY
Bacharelado em Ciência da Computação Processamento Digital de Imagens
70. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Exibindo Resultados do Filtro da Mediana
Vídeos Exibindo Resultados do Filtro
PLAY
PLAY
PLAY
PLAY
Bacharelado em Ciência da Computação Processamento Digital de Imagens
71. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
O Filtro da Mediana Adaptativo
Modus Operandi
Características do Filtro
Resultados Obtidos
Pseudo-Codificação do Filtro Adaptativo
O Filtro da Mediana Adaptativo em Ação
Bacharelado em Ciência da Computação Processamento Digital de Imagens
72. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
O Filtro da Mediana Adaptativo
Modus Operandi
Características do Filtro
Resultados Obtidos
Pseudo-Codificação do Filtro Adaptativo
O Filtro da Mediana Adaptativo em Ação
Bacharelado em Ciência da Computação Processamento Digital de Imagens
73. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
O Filtro da Mediana Adaptativo
Modus Operandi
Características do Filtro
Resultados Obtidos
Pseudo-Codificação do Filtro Adaptativo
O Filtro da Mediana Adaptativo em Ação
Bacharelado em Ciência da Computação Processamento Digital de Imagens
74. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
O Filtro da Mediana Adaptativo
Modus Operandi
Características do Filtro
Resultados Obtidos
Pseudo-Codificação do Filtro Adaptativo
O Filtro da Mediana Adaptativo em Ação
Bacharelado em Ciência da Computação Processamento Digital de Imagens
75. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
O Filtro da Mediana Adaptativo
Modus Operandi
Características do Filtro
Resultados Obtidos
Pseudo-Codificação do Filtro Adaptativo
O Filtro da Mediana Adaptativo em Ação
Bacharelado em Ciência da Computação Processamento Digital de Imagens
76. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
O Filtro da Mediana Adaptativo
Modus Operandi
Características do Filtro
Resultados Obtidos
Pseudo-Codificação do Filtro Adaptativo
O Filtro da Mediana Adaptativo em Ação
Bacharelado em Ciência da Computação Processamento Digital de Imagens
77. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
Usando a abordagem de janelas deslizantes
Admitindo uma amostra inicial de dimensão B × B:
O novo valor do pixel central será o mediano dos pixels presentes
na amostra. Caso a amostra não atenda a alguns critérios de
seleção então, a mesma será expandida.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
78. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
Usando a abordagem de janelas deslizantes
Admitindo uma amostra inicial de dimensão B × B:
O novo valor do pixel central será o mediano dos pixels presentes
na amostra. Caso a amostra não atenda a alguns critérios de
seleção então, a mesma será expandida.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
79. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo
Usando a abordagem de janelas deslizantes
Admitindo uma amostra inicial de dimensão B × B:
O novo valor do pixel central será o mediano dos pixels presentes
na amostra. Caso a amostra não atenda a alguns critérios de
seleção então, a mesma será expandida.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
80. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Filtro da Mediana Adaptativo
Classifica pixels através de comparação de seus valores com os
valores dos demais em uma certa vizinhança. Pixels não
alinhados estruturalmente são rotulados como ruído, pois
diferem da maioria de seus vizinhos;
O tamanho da vizinhança é ajustável;
Repetidas aplicações não erodem longas bordas ou pequenas
estruturas da imagem;
Lida melhor com ruídos impulsivos, a uma taxa maior que
20%, do que o filtro mediano clássico;
Preserva detalhes e suaviza outros tipos de ruído não
impulsivo;
Reduz distorções como “thinning” ou “thickening” excessivo
nas bordas dos objetos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
81. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Filtro da Mediana Adaptativo
Classifica pixels através de comparação de seus valores com os
valores dos demais em uma certa vizinhança. Pixels não
alinhados estruturalmente são rotulados como ruído, pois
diferem da maioria de seus vizinhos;
O tamanho da vizinhança é ajustável;
Repetidas aplicações não erodem longas bordas ou pequenas
estruturas da imagem;
Lida melhor com ruídos impulsivos, a uma taxa maior que
20%, do que o filtro mediano clássico;
Preserva detalhes e suaviza outros tipos de ruído não
impulsivo;
Reduz distorções como “thinning” ou “thickening” excessivo
nas bordas dos objetos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
82. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Filtro da Mediana Adaptativo
Classifica pixels através de comparação de seus valores com os
valores dos demais em uma certa vizinhança. Pixels não
alinhados estruturalmente são rotulados como ruído, pois
diferem da maioria de seus vizinhos;
O tamanho da vizinhança é ajustável;
Repetidas aplicações não erodem longas bordas ou pequenas
estruturas da imagem;
Lida melhor com ruídos impulsivos, a uma taxa maior que
20%, do que o filtro mediano clássico;
Preserva detalhes e suaviza outros tipos de ruído não
impulsivo;
Reduz distorções como “thinning” ou “thickening” excessivo
nas bordas dos objetos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
83. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Filtro da Mediana Adaptativo
Classifica pixels através de comparação de seus valores com os
valores dos demais em uma certa vizinhança. Pixels não
alinhados estruturalmente são rotulados como ruído, pois
diferem da maioria de seus vizinhos;
O tamanho da vizinhança é ajustável;
Repetidas aplicações não erodem longas bordas ou pequenas
estruturas da imagem;
Lida melhor com ruídos impulsivos, a uma taxa maior que
20%, do que o filtro mediano clássico;
Preserva detalhes e suaviza outros tipos de ruído não
impulsivo;
Reduz distorções como “thinning” ou “thickening” excessivo
nas bordas dos objetos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
84. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Filtro da Mediana Adaptativo
Classifica pixels através de comparação de seus valores com os
valores dos demais em uma certa vizinhança. Pixels não
alinhados estruturalmente são rotulados como ruído, pois
diferem da maioria de seus vizinhos;
O tamanho da vizinhança é ajustável;
Repetidas aplicações não erodem longas bordas ou pequenas
estruturas da imagem;
Lida melhor com ruídos impulsivos, a uma taxa maior que
20%, do que o filtro mediano clássico;
Preserva detalhes e suaviza outros tipos de ruído não
impulsivo;
Reduz distorções como “thinning” ou “thickening” excessivo
nas bordas dos objetos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
85. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Filtro da Mediana Adaptativo
Classifica pixels através de comparação de seus valores com os
valores dos demais em uma certa vizinhança. Pixels não
alinhados estruturalmente são rotulados como ruído, pois
diferem da maioria de seus vizinhos;
O tamanho da vizinhança é ajustável;
Repetidas aplicações não erodem longas bordas ou pequenas
estruturas da imagem;
Lida melhor com ruídos impulsivos, a uma taxa maior que
20%, do que o filtro mediano clássico;
Preserva detalhes e suaviza outros tipos de ruído não
impulsivo;
Reduz distorções como “thinning” ou “thickening” excessivo
nas bordas dos objetos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
86. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características
Filtro da Mediana Adaptativo
Classifica pixels através de comparação de seus valores com os
valores dos demais em uma certa vizinhança. Pixels não
alinhados estruturalmente são rotulados como ruído, pois
diferem da maioria de seus vizinhos;
O tamanho da vizinhança é ajustável;
Repetidas aplicações não erodem longas bordas ou pequenas
estruturas da imagem;
Lida melhor com ruídos impulsivos, a uma taxa maior que
20%, do que o filtro mediano clássico;
Preserva detalhes e suaviza outros tipos de ruído não
impulsivo;
Reduz distorções como “thinning” ou “thickening” excessivo
nas bordas dos objetos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
87. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Resultados Obtidos
Filtro da Mediana Adaptativo
Figura: Imagem contaminada com ruído impulsivo e filtrada com janela 3x3.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
88. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Pseudo-Codificação
Pseudo-Codificação do Filtro Adaptativo.
§ ¤
1 Enquanto <Imagem não chegar ao final> Execute :
2 // N i v e l A
3 Obtenha : Uma amostra Sxy de tamanho Ssize
4 Obtenha : Zmin, Zmax , Zmed , Zxy
5 A v a l i e : A1 = Zmed − Zmin e A2 = Zmed − Zmax
6 Se (A1 > 0 E A2 < 0)
7 Entao Vá para o Nível B
8 I n i c i o
9 // N i v e l B
10 A v a l i e : B1 = Zxy − Zmin e B2 = Zxy − Zmax
11 Se (B1 > 0 E B2 < 0) Entao Escreva Zxy Senao Escreva Zmed
12 Fim
13 Senao
14 I n i c i o
15 Incremente o tamanho da janela de amostragem Sxy
16 Se (Ssize < Smax ) Entao Repita o Nível A Senao Escreva Zxy
17 Fim
18 Fim .
¦ ¥
Bacharelado em Ciência da Computação Processamento Digital de Imagens
89. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Pseudo-Codificação
Pseudo-Codificação do Filtro Adaptativo.
§ ¤
1 Enquanto <Imagem não chegar ao final> Execute :
2 // N i v e l A
3 Obtenha : Uma amostra Sxy de tamanho Ssize
4 Obtenha : Zmin, Zmax , Zmed , Zxy
5 A v a l i e : A1 = Zmed − Zmin e A2 = Zmed − Zmax
6 Se (A1 > 0 E A2 < 0)
7 Entao Vá para o Nível B
8 I n i c i o
9 // N i v e l B
10 A v a l i e : B1 = Zxy − Zmin e B2 = Zxy − Zmax
11 Se (B1 > 0 E B2 < 0) Entao Escreva Zxy Senao Escreva Zmed
12 Fim
13 Senao
14 I n i c i o
15 Incremente o tamanho da janela de amostragem Sxy
16 Se (Ssize < Smax ) Entao Repita o Nível A Senao Escreva Zxy
17 Fim
18 Fim .
¦ ¥
Bacharelado em Ciência da Computação Processamento Digital de Imagens
90. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Pseudo-Codificação
Pseudo-Codificação do Filtro Adaptativo.
§ ¤
1 Enquanto <Imagem não chegar ao final> Execute :
2 // N i v e l A
3 Obtenha : Uma amostra Sxy de tamanho Ssize
4 Obtenha : Zmin, Zmax , Zmed , Zxy
5 A v a l i e : A1 = Zmed − Zmin e A2 = Zmed − Zmax
6 Se (A1 > 0 E A2 < 0)
7 Entao Vá para o Nível B
8 I n i c i o
9 // N i v e l B
10 A v a l i e : B1 = Zxy − Zmin e B2 = Zxy − Zmax
11 Se (B1 > 0 E B2 < 0) Entao Escreva Zxy Senao Escreva Zmed
12 Fim
13 Senao
14 I n i c i o
15 Incremente o tamanho da janela de amostragem Sxy
16 Se (Ssize < Smax ) Entao Repita o Nível A Senao Escreva Zxy
17 Fim
18 Fim .
¦ ¥
Bacharelado em Ciência da Computação Processamento Digital de Imagens
91. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
O Filtro da Mediana Adaptativo em Ação
Filtro da Média, Mediana Clássico e Mediana
Adaptativo
PLAY
Bacharelado em Ciência da Computação Processamento Digital de Imagens
92. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Decision Based Adaptive Median Filter
Decision Based Adaptive
Median Filter
Princípios do Algoritmo Proposto
Classes de Degradação Tratadas
Blotches, Scratches, Streaks, Stripes,
Impulsive Noise
Uma Observação...
Bacharelado em Ciência da Computação Processamento Digital de Imagens
93. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Decision Based Adaptive Median Filter
Decision Based Adaptive
Median Filter
Princípios do Algoritmo Proposto
Classes de Degradação Tratadas
Blotches, Scratches, Streaks, Stripes,
Impulsive Noise
Uma Observação...
Bacharelado em Ciência da Computação Processamento Digital de Imagens
94. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Decision Based Adaptive Median Filter
Decision Based Adaptive
Median Filter
Princípios do Algoritmo Proposto
Classes de Degradação Tratadas
Blotches, Scratches, Streaks, Stripes,
Impulsive Noise
Uma Observação...
Bacharelado em Ciência da Computação Processamento Digital de Imagens
95. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Decision Based Adaptive Median Filter
Decision Based Adaptive
Median Filter
Princípios do Algoritmo Proposto
Classes de Degradação Tratadas
Blotches, Scratches, Streaks, Stripes,
Impulsive Noise
Uma Observação...
Bacharelado em Ciência da Computação Processamento Digital de Imagens
96. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Decision Based Adaptive Median Filter
Decision Based Adaptive
Median Filter
Princípios do Algoritmo Proposto
Classes de Degradação Tratadas
Blotches, Scratches, Streaks, Stripes,
Impulsive Noise
Uma Observação...
Bacharelado em Ciência da Computação Processamento Digital de Imagens
97. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Decision Based Adaptive Median Filter
Decision Based Adaptive Median Filter to
Remove Blotches, Scratches, Streaks, Stripes
and Impulsive Noise in Images.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
98. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Princípios do Algoritmo Proposto
Princípios do Algoritmo Proposto
É um algoritmo baseado em decisão;
Possui dois estágios: detecção de ruído e filtragem;
Detecção: executada através da métrica ROAD;
Filtragem: através de um filtro mediano adaptativo.
Através da métrica ROAD obtemos uma imagem
binária com a qual é feita a distinção entre pixels
corrompidos e não-corrompidos.
No estágio de correção, os pixels corrompidos são
substituídos pela mediana dos pixels não-corrompidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
99. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Princípios do Algoritmo Proposto
Princípios do Algoritmo Proposto
É um algoritmo baseado em decisão;
Possui dois estágios: detecção de ruído e filtragem;
Detecção: executada através da métrica ROAD;
Filtragem: através de um filtro mediano adaptativo.
Através da métrica ROAD obtemos uma imagem
binária com a qual é feita a distinção entre pixels
corrompidos e não-corrompidos.
No estágio de correção, os pixels corrompidos são
substituídos pela mediana dos pixels não-corrompidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
100. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Princípios do Algoritmo Proposto
Princípios do Algoritmo Proposto
É um algoritmo baseado em decisão;
Possui dois estágios: detecção de ruído e filtragem;
Detecção: executada através da métrica ROAD;
Filtragem: através de um filtro mediano adaptativo.
Através da métrica ROAD obtemos uma imagem
binária com a qual é feita a distinção entre pixels
corrompidos e não-corrompidos.
No estágio de correção, os pixels corrompidos são
substituídos pela mediana dos pixels não-corrompidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
101. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Princípios do Algoritmo Proposto
Princípios do Algoritmo Proposto
É um algoritmo baseado em decisão;
Possui dois estágios: detecção de ruído e filtragem;
Detecção: executada através da métrica ROAD;
Filtragem: através de um filtro mediano adaptativo.
Através da métrica ROAD obtemos uma imagem
binária com a qual é feita a distinção entre pixels
corrompidos e não-corrompidos.
No estágio de correção, os pixels corrompidos são
substituídos pela mediana dos pixels não-corrompidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
102. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Princípios do Algoritmo Proposto
Princípios do Algoritmo Proposto
É um algoritmo baseado em decisão;
Possui dois estágios: detecção de ruído e filtragem;
Detecção: executada através da métrica ROAD;
Filtragem: através de um filtro mediano adaptativo.
Através da métrica ROAD obtemos uma imagem
binária com a qual é feita a distinção entre pixels
corrompidos e não-corrompidos.
No estágio de correção, os pixels corrompidos são
substituídos pela mediana dos pixels não-corrompidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
103. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Princípios do Algoritmo Proposto
Princípios do Algoritmo Proposto
É um algoritmo baseado em decisão;
Possui dois estágios: detecção de ruído e filtragem;
Detecção: executada através da métrica ROAD;
Filtragem: através de um filtro mediano adaptativo.
Através da métrica ROAD obtemos uma imagem
binária com a qual é feita a distinção entre pixels
corrompidos e não-corrompidos.
No estágio de correção, os pixels corrompidos são
substituídos pela mediana dos pixels não-corrompidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
104. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Princípios do Algoritmo Proposto
Princípios do Algoritmo Proposto
É um algoritmo baseado em decisão;
Possui dois estágios: detecção de ruído e filtragem;
Detecção: executada através da métrica ROAD;
Filtragem: através de um filtro mediano adaptativo.
Através da métrica ROAD obtemos uma imagem
binária com a qual é feita a distinção entre pixels
corrompidos e não-corrompidos.
No estágio de correção, os pixels corrompidos são
substituídos pela mediana dos pixels não-corrompidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
105. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Classes de Degradação Tratadas
Classes de Degradação Tratadas Pelo Método
Blotches(“Manchas”);
Scratches(“Arranhões”);
Streaks(“Estrias”);
Stripes(“Listras”);
Impulsive Noise(Ruído Impulsivo).
Nos exemplos a seguir, nem todas as imagens exibidas
apresentam apenas degradações. Algumas delas foram
expostas apenas para que possamos ter uma idéia das
classes de distorção. Algumas degradações são usadas,
normalmente, para se alcançar efeitos estilísticos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
106. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Classes de Degradação Tratadas
Classes de Degradação Tratadas Pelo Método
Blotches(“Manchas”);
Scratches(“Arranhões”);
Streaks(“Estrias”);
Stripes(“Listras”);
Impulsive Noise(Ruído Impulsivo).
Nos exemplos a seguir, nem todas as imagens exibidas
apresentam apenas degradações. Algumas delas foram
expostas apenas para que possamos ter uma idéia das
classes de distorção. Algumas degradações são usadas,
normalmente, para se alcançar efeitos estilísticos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
107. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Classes de Degradação Tratadas
Classes de Degradação Tratadas Pelo Método
Blotches(“Manchas”);
Scratches(“Arranhões”);
Streaks(“Estrias”);
Stripes(“Listras”);
Impulsive Noise(Ruído Impulsivo).
Nos exemplos a seguir, nem todas as imagens exibidas
apresentam apenas degradações. Algumas delas foram
expostas apenas para que possamos ter uma idéia das
classes de distorção. Algumas degradações são usadas,
normalmente, para se alcançar efeitos estilísticos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
108. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Classes de Degradação Tratadas
Classes de Degradação Tratadas Pelo Método
Blotches(“Manchas”);
Scratches(“Arranhões”);
Streaks(“Estrias”);
Stripes(“Listras”);
Impulsive Noise(Ruído Impulsivo).
Nos exemplos a seguir, nem todas as imagens exibidas
apresentam apenas degradações. Algumas delas foram
expostas apenas para que possamos ter uma idéia das
classes de distorção. Algumas degradações são usadas,
normalmente, para se alcançar efeitos estilísticos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
109. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Classes de Degradação Tratadas
Classes de Degradação Tratadas Pelo Método
Blotches(“Manchas”);
Scratches(“Arranhões”);
Streaks(“Estrias”);
Stripes(“Listras”);
Impulsive Noise(Ruído Impulsivo).
Nos exemplos a seguir, nem todas as imagens exibidas
apresentam apenas degradações. Algumas delas foram
expostas apenas para que possamos ter uma idéia das
classes de distorção. Algumas degradações são usadas,
normalmente, para se alcançar efeitos estilísticos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
110. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Classes de Degradação Tratadas
Classes de Degradação Tratadas Pelo Método
Blotches(“Manchas”);
Scratches(“Arranhões”);
Streaks(“Estrias”);
Stripes(“Listras”);
Impulsive Noise(Ruído Impulsivo).
Nos exemplos a seguir, nem todas as imagens exibidas
apresentam apenas degradações. Algumas delas foram
expostas apenas para que possamos ter uma idéia das
classes de distorção. Algumas degradações são usadas,
normalmente, para se alcançar efeitos estilísticos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
111. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Classes de Degradação Tratadas
Classes de Degradação Tratadas Pelo Método
Blotches(“Manchas”);
Scratches(“Arranhões”);
Streaks(“Estrias”);
Stripes(“Listras”);
Impulsive Noise(Ruído Impulsivo).
Nos exemplos a seguir, nem todas as imagens exibidas
apresentam apenas degradações. Algumas delas foram
expostas apenas para que possamos ter uma idéia das
classes de distorção. Algumas degradações são usadas,
normalmente, para se alcançar efeitos estilísticos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
112. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Blotches
Imagens Contaminadas com Manchas
Figura: Manchas são regiões diferenciadas, usualmente com níveis
homogêneos de cinza que podem ser modelados como mínimos ou
máximos locais. Distorções como manchas se assemelham a pequenas
áreas de pixels coerentes com níveis de cinza muito similares.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
113. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Scratches
Imagens Contaminadas com “Arranhões”
Figura: Um defeito comum em filmes antigos são os “arranhões”.
Apresentam-se como estreitas linhas visíveis, claras ou escuras, que
persistem por vários quadros. Os “arranhões” são formados pela película
do material no momento da exibição em equipamentos de projeção.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
114. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Streaks
Imagens Contaminadas com “Estrias”
Figura: Uma “estria” pode ser qualquer sequência de pixels em uma
imagem que foi substituída por valores aleatórios. Nesse caso uma linha
inteira, ou uma coluna, da imagem é substituída por uma sequência
arbitrária de valores.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
115. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Stripes
Imagens Contaminadas com “Listras”
Figura: “Listras” são um modelo de linhas de interação com a imagem.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
116. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Impulsive Noise
Imagens Contaminadas com Ruído Impulsivo
Figura: Imagens contaminadas com 20% de ruído impulsivo. O ruído
impulsivo é caracterizado pela substituição de uma porção de pixels da
imagem por valores aleatórios, deixando inalterados os restantes. A
principal meta da remoção de ruídos é a supressão dessa degradação
enquanto são preservados os detalhes da imagem.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
117. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Uma Observação...
Filtros e Distorções
Vale ressaltar que muitas vezes os métodos voltados
para remoção de distorções confundem a informação de
textura da imagem com alguma degradação e acabam
emitindo um resultado não satisfatório!
Bacharelado em Ciência da Computação Processamento Digital de Imagens
118. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Uma Observação...
Filtros e Distorções
Vale ressaltar que muitas vezes os métodos voltados
para remoção de distorções confundem a informação de
textura da imagem com alguma degradação e acabam
emitindo um resultado não satisfatório!
Bacharelado em Ciência da Computação Processamento Digital de Imagens
119. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Um Algoritmo em Dois Estágios.
Algoritmo em Dois Estágios
Fluxograma - Estágios do Algoritmo
Rank Ordered Absolute Difference (ROAD)
Estágio de Detecção do Ruído
Estágio de Filtragem do Ruído
Finalmente... Como Funciona o Algoritmo?
Ilustração do Algoritmo Proposto
Bacharelado em Ciência da Computação Processamento Digital de Imagens
120. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Um Algoritmo em Dois Estágios.
Algoritmo em Dois Estágios
Fluxograma - Estágios do Algoritmo
Rank Ordered Absolute Difference (ROAD)
Estágio de Detecção do Ruído
Estágio de Filtragem do Ruído
Finalmente... Como Funciona o Algoritmo?
Ilustração do Algoritmo Proposto
Bacharelado em Ciência da Computação Processamento Digital de Imagens
121. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Um Algoritmo em Dois Estágios.
Algoritmo em Dois Estágios
Fluxograma - Estágios do Algoritmo
Rank Ordered Absolute Difference (ROAD)
Estágio de Detecção do Ruído
Estágio de Filtragem do Ruído
Finalmente... Como Funciona o Algoritmo?
Ilustração do Algoritmo Proposto
Bacharelado em Ciência da Computação Processamento Digital de Imagens
122. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Um Algoritmo em Dois Estágios.
Algoritmo em Dois Estágios
Fluxograma - Estágios do Algoritmo
Rank Ordered Absolute Difference (ROAD)
Estágio de Detecção do Ruído
Estágio de Filtragem do Ruído
Finalmente... Como Funciona o Algoritmo?
Ilustração do Algoritmo Proposto
Bacharelado em Ciência da Computação Processamento Digital de Imagens
123. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Um Algoritmo em Dois Estágios.
Algoritmo em Dois Estágios
Fluxograma - Estágios do Algoritmo
Rank Ordered Absolute Difference (ROAD)
Estágio de Detecção do Ruído
Estágio de Filtragem do Ruído
Finalmente... Como Funciona o Algoritmo?
Ilustração do Algoritmo Proposto
Bacharelado em Ciência da Computação Processamento Digital de Imagens
124. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Um Algoritmo em Dois Estágios.
Algoritmo em Dois Estágios
Fluxograma - Estágios do Algoritmo
Rank Ordered Absolute Difference (ROAD)
Estágio de Detecção do Ruído
Estágio de Filtragem do Ruído
Finalmente... Como Funciona o Algoritmo?
Ilustração do Algoritmo Proposto
Bacharelado em Ciência da Computação Processamento Digital de Imagens
125. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Um Algoritmo em Dois Estágios.
Algoritmo em Dois Estágios
Fluxograma - Estágios do Algoritmo
Rank Ordered Absolute Difference (ROAD)
Estágio de Detecção do Ruído
Estágio de Filtragem do Ruído
Finalmente... Como Funciona o Algoritmo?
Ilustração do Algoritmo Proposto
Bacharelado em Ciência da Computação Processamento Digital de Imagens
126. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Fluxograma - Estágios do Algoritmo
Estágios - Detecção de Ruído e Filtragem.
Figura: Fluxograma exibindo as duas fases do algoritmo proposto. No
primeiro estágio os “noise candidates” são detectados através do uso de
“rank ordered absolute difference”. No segundo, o pixel corrompido é
substituído pela mediana dos pixels não corrompidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
127. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Rank Ordered Absolute Difference (ROAD)
Rank Ordered Absolute Difference (ROAD)
Métrica apresentada no trabalho intitulado “A Universal Noise
Removal Algorithm with an Impulse Detector”, de autoria de
Garnett, Huegerich, Chui e He.
Publicado na IEEE Transactions on Image Processing,
Vol. 14, Nov. 2005, pp. 1747-1754.
Nesse trabalho os autores introduzem uma métrica
estatística de efeito local para identificar pixels
comprometidos em imagens corrompidas por ruído
impulsivo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
128. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Rank Ordered Absolute Difference (ROAD)
Rank Ordered Absolute Difference (ROAD)
Métrica apresentada no trabalho intitulado “A Universal Noise
Removal Algorithm with an Impulse Detector”, de autoria de
Garnett, Huegerich, Chui e He.
Publicado na IEEE Transactions on Image Processing,
Vol. 14, Nov. 2005, pp. 1747-1754.
Nesse trabalho os autores introduzem uma métrica
estatística de efeito local para identificar pixels
comprometidos em imagens corrompidas por ruído
impulsivo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
129. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Rank Ordered Absolute Difference (ROAD)
Rank Ordered Absolute Difference (ROAD)
Métrica apresentada no trabalho intitulado “A Universal Noise
Removal Algorithm with an Impulse Detector”, de autoria de
Garnett, Huegerich, Chui e He.
Publicado na IEEE Transactions on Image Processing,
Vol. 14, Nov. 2005, pp. 1747-1754.
Nesse trabalho os autores introduzem uma métrica
estatística de efeito local para identificar pixels
comprometidos em imagens corrompidas por ruído
impulsivo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
130. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Rank Ordered Absolute Difference (ROAD)
Rank Ordered Absolute Difference (ROAD)
Métrica apresentada no trabalho intitulado “A Universal Noise
Removal Algorithm with an Impulse Detector”, de autoria de
Garnett, Huegerich, Chui e He.
Publicado na IEEE Transactions on Image Processing,
Vol. 14, Nov. 2005, pp. 1747-1754.
Nesse trabalho os autores introduzem uma métrica
estatística de efeito local para identificar pixels
comprometidos em imagens corrompidas por ruído
impulsivo.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
131. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Rank Ordered Absolute Difference (ROAD)
Rank Ordered Absolute Difference (ROAD)
A métrica provê uma medida de quão próximo o valor
de um pixel está dos seus vizinhos.
Assumindo uma amostra de tamanho W = (2N + 1) × (2N + 1), uc
como valor central da amostra e uy o conjunto com os valores da
amostra com y = {1, . . . , W }, definiremos o conjunto de diferenças
absolutas x como: x = dc,y = |uc − uy |. Além disso, definiremos um
operador r que ordena de forma crescente os valores do conjunto
x, assim teremos:
ROADm(x) =
m
i=1
ri(x), 2 m 7
Bacharelado em Ciência da Computação Processamento Digital de Imagens
132. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Rank Ordered Absolute Difference (ROAD)
Rank Ordered Absolute Difference (ROAD)
A métrica provê uma medida de quão próximo o valor
de um pixel está dos seus vizinhos.
Assumindo uma amostra de tamanho W = (2N + 1) × (2N + 1), uc
como valor central da amostra e uy o conjunto com os valores da
amostra com y = {1, . . . , W }, definiremos o conjunto de diferenças
absolutas x como: x = dc,y = |uc − uy |. Além disso, definiremos um
operador r que ordena de forma crescente os valores do conjunto
x, assim teremos:
ROADm(x) =
m
i=1
ri(x), 2 m 7
Bacharelado em Ciência da Computação Processamento Digital de Imagens
133. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Rank Ordered Absolute Difference (ROAD)
Rank Ordered Absolute Difference (ROAD)
A métrica provê uma medida de quão próximo o valor
de um pixel está dos seus vizinhos.
Assumindo uma amostra de tamanho W = (2N + 1) × (2N + 1), uc
como valor central da amostra e uy o conjunto com os valores da
amostra com y = {1, . . . , W }, definiremos o conjunto de diferenças
absolutas x como: x = dc,y = |uc − uy |. Além disso, definiremos um
operador r que ordena de forma crescente os valores do conjunto
x, assim teremos:
ROADm(x) =
m
i=1
ri(x), 2 m 7
Bacharelado em Ciência da Computação Processamento Digital de Imagens
134. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Rank Ordered Absolute Difference (ROAD)
Rank Ordered Absolute Difference (ROAD)
A métrica provê uma medida de quão próximo o valor
de um pixel está dos seus vizinhos.
Assumindo uma amostra de tamanho W = (2N + 1) × (2N + 1), uc
como valor central da amostra e uy o conjunto com os valores da
amostra com y = {1, . . . , W }, definiremos o conjunto de diferenças
absolutas x como: x = dc,y = |uc − uy |. Além disso, definiremos um
operador r que ordena de forma crescente os valores do conjunto
x, assim teremos:
ROADm(x) =
m
i=1
ri(x), 2 m 7
Bacharelado em Ciência da Computação Processamento Digital de Imagens
135. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Detecção do Ruído
Primeiro Estágio - Detecção do Ruído.
Seja X uma imagem corrompida de tamanho M × N e
X(i, j) o nível de cinza na localidade (i, j)
Tomemos S como uma janela de detecção de tamanho
W × W centralizada em X(i, j), onde W = 2LD + 1 e
inicialmente LD = 1.
Os pixels na janela de detecção serão definidos por:
S = X(i + k, j + l), −LD k, l LD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
136. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Detecção do Ruído
Primeiro Estágio - Detecção do Ruído.
Seja X uma imagem corrompida de tamanho M × N e
X(i, j) o nível de cinza na localidade (i, j)
Tomemos S como uma janela de detecção de tamanho
W × W centralizada em X(i, j), onde W = 2LD + 1 e
inicialmente LD = 1.
Os pixels na janela de detecção serão definidos por:
S = X(i + k, j + l), −LD k, l LD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
137. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Detecção do Ruído
Primeiro Estágio - Detecção do Ruído.
Seja X uma imagem corrompida de tamanho M × N e
X(i, j) o nível de cinza na localidade (i, j)
Tomemos S como uma janela de detecção de tamanho
W × W centralizada em X(i, j), onde W = 2LD + 1 e
inicialmente LD = 1.
Os pixels na janela de detecção serão definidos por:
S = X(i + k, j + l), −LD k, l LD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
138. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Detecção do Ruído
Primeiro Estágio - Detecção do Ruído.
Seja X uma imagem corrompida de tamanho M × N e
X(i, j) o nível de cinza na localidade (i, j)
Tomemos S como uma janela de detecção de tamanho
W × W centralizada em X(i, j), onde W = 2LD + 1 e
inicialmente LD = 1.
Os pixels na janela de detecção serão definidos por:
S = X(i + k, j + l), −LD k, l LD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
139. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Detecção do Ruído
Primeiro Estágio - Detecção do Ruído.
Seja X uma imagem corrompida de tamanho M × N e
X(i, j) o nível de cinza na localidade (i, j)
Tomemos S como uma janela de detecção de tamanho
W × W centralizada em X(i, j), onde W = 2LD + 1 e
inicialmente LD = 1.
Os pixels na janela de detecção serão definidos por:
S = X(i + k, j + l), −LD k, l LD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
140. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Fluxograma - Estágio de Detecção do Ruído
Primeiro Estágio - Detecção do Ruído.
Figura: Fluxograma da primeira fase do método proposto. Nesta fase
ocorre a obtenção do ROAD(Rank Ordered Absolute Difference) e da
imagem binária que será utilizada na segunda fase do algoritmo proposto.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
141. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Filtragem do Ruído
Segundo Estágio - Filtragem do Ruído.
Tomemos uma janela de correção de tamanho W × W centralizada
em B(i, j), onde W = 2LC + 1 e inicialmente LC = 1.
Se B(i, j) = 0 então o segmento resultante R será obtido através
da multiplicação do segmento binário pelo segmento
correspondente na imagem corrompida:
R = X(i + k, j + l) · B(i + k, j + l), −LC k, l LC
Se o número de pixels não-nulos em R for maior que 2 então X(i, j) terá
seu valor substituído pela mediana dos valores não-nulos de R, caso
contrário LC será incrementado e os passos anteriores serão repetidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
142. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Filtragem do Ruído
Segundo Estágio - Filtragem do Ruído.
Tomemos uma janela de correção de tamanho W × W centralizada
em B(i, j), onde W = 2LC + 1 e inicialmente LC = 1.
Se B(i, j) = 0 então o segmento resultante R será obtido através
da multiplicação do segmento binário pelo segmento
correspondente na imagem corrompida:
R = X(i + k, j + l) · B(i + k, j + l), −LC k, l LC
Se o número de pixels não-nulos em R for maior que 2 então X(i, j) terá
seu valor substituído pela mediana dos valores não-nulos de R, caso
contrário LC será incrementado e os passos anteriores serão repetidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
143. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Filtragem do Ruído
Segundo Estágio - Filtragem do Ruído.
Tomemos uma janela de correção de tamanho W × W centralizada
em B(i, j), onde W = 2LC + 1 e inicialmente LC = 1.
Se B(i, j) = 0 então o segmento resultante R será obtido através
da multiplicação do segmento binário pelo segmento
correspondente na imagem corrompida:
R = X(i + k, j + l) · B(i + k, j + l), −LC k, l LC
Se o número de pixels não-nulos em R for maior que 2 então X(i, j) terá
seu valor substituído pela mediana dos valores não-nulos de R, caso
contrário LC será incrementado e os passos anteriores serão repetidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
144. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Filtragem do Ruído
Segundo Estágio - Filtragem do Ruído.
Tomemos uma janela de correção de tamanho W × W centralizada
em B(i, j), onde W = 2LC + 1 e inicialmente LC = 1.
Se B(i, j) = 0 então o segmento resultante R será obtido através
da multiplicação do segmento binário pelo segmento
correspondente na imagem corrompida:
R = X(i + k, j + l) · B(i + k, j + l), −LC k, l LC
Se o número de pixels não-nulos em R for maior que 2 então X(i, j) terá
seu valor substituído pela mediana dos valores não-nulos de R, caso
contrário LC será incrementado e os passos anteriores serão repetidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
145. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Estágio de Filtragem do Ruído
Segundo Estágio - Filtragem do Ruído.
Tomemos uma janela de correção de tamanho W × W centralizada
em B(i, j), onde W = 2LC + 1 e inicialmente LC = 1.
Se B(i, j) = 0 então o segmento resultante R será obtido através
da multiplicação do segmento binário pelo segmento
correspondente na imagem corrompida:
R = X(i + k, j + l) · B(i + k, j + l), −LC k, l LC
Se o número de pixels não-nulos em R for maior que 2 então X(i, j) terá
seu valor substituído pela mediana dos valores não-nulos de R, caso
contrário LC será incrementado e os passos anteriores serão repetidos.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
146. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Fluxograma - Estágio de Filtragem do Ruído
Segundo Estágio - Filtragem do Ruído.
Figura: Fluxograma da segunda fase do método proposto. Nesta fase
ocorre a filtragem do ruído que foi previamente classificado.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
147. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Finalmente... Como Funciona o Algoritmo?
Usando a abordagem de janelas deslizantes!
Começamos pelo canto superior esquerdo da imagem
com uma janela deslizante de tamanho 3 × 3.
Movemos a janela pixel a pixel, de maneira horizontal e
vertical através de todas as linhas e colunas da imagem
até alcançar o canto inferior da mesma.
A cada passo computamos as matrizes necessárias
levando em consideração apenas os valores internos da
janela.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
148. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Finalmente... Como Funciona o Algoritmo?
Usando a abordagem de janelas deslizantes!
Começamos pelo canto superior esquerdo da imagem
com uma janela deslizante de tamanho 3 × 3.
Movemos a janela pixel a pixel, de maneira horizontal e
vertical através de todas as linhas e colunas da imagem
até alcançar o canto inferior da mesma.
A cada passo computamos as matrizes necessárias
levando em consideração apenas os valores internos da
janela.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
149. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Finalmente... Como Funciona o Algoritmo?
Usando a abordagem de janelas deslizantes!
Começamos pelo canto superior esquerdo da imagem
com uma janela deslizante de tamanho 3 × 3.
Movemos a janela pixel a pixel, de maneira horizontal e
vertical através de todas as linhas e colunas da imagem
até alcançar o canto inferior da mesma.
A cada passo computamos as matrizes necessárias
levando em consideração apenas os valores internos da
janela.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
150. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Finalmente... Como Funciona o Algoritmo?
Usando a abordagem de janelas deslizantes!
Começamos pelo canto superior esquerdo da imagem
com uma janela deslizante de tamanho 3 × 3.
Movemos a janela pixel a pixel, de maneira horizontal e
vertical através de todas as linhas e colunas da imagem
até alcançar o canto inferior da mesma.
A cada passo computamos as matrizes necessárias
levando em consideração apenas os valores internos da
janela.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
151. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Finalmente... Como Funciona o Algoritmo?
Usando a abordagem de janelas deslizantes!
Começamos pelo canto superior esquerdo da imagem
com uma janela deslizante de tamanho 3 × 3.
Movemos a janela pixel a pixel, de maneira horizontal e
vertical através de todas as linhas e colunas da imagem
até alcançar o canto inferior da mesma.
A cada passo computamos as matrizes necessárias
levando em consideração apenas os valores internos da
janela.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
152. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
Passo 1
Bacharelado em Ciência da Computação Processamento Digital de Imagens
153. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
Passo 2
Bacharelado em Ciência da Computação Processamento Digital de Imagens
154. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
Passo 3
Bacharelado em Ciência da Computação Processamento Digital de Imagens
155. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
Passo 20
Bacharelado em Ciência da Computação Processamento Digital de Imagens
156. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
Passo 21
Bacharelado em Ciência da Computação Processamento Digital de Imagens
157. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
N-ésimo Passo
Bacharelado em Ciência da Computação Processamento Digital de Imagens
158. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Para ilustrar o algoritmo proposto iremos
utlizar um segmento 3x3 da imagem “Lena”,
corrompido por 40% de ruído impulsivo.
Chamaremos o segmento original de P.
Chamaremos o segmento contaminado de X.
Chamaremos a Matriz de Diferenças
Absolutas de D.
Chamaremos a Matriz Binária de B.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
159. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Para ilustrar o algoritmo proposto iremos
utlizar um segmento 3x3 da imagem “Lena”,
corrompido por 40% de ruído impulsivo.
Chamaremos o segmento original de P.
Chamaremos o segmento contaminado de X.
Chamaremos a Matriz de Diferenças
Absolutas de D.
Chamaremos a Matriz Binária de B.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
160. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Para ilustrar o algoritmo proposto iremos
utlizar um segmento 3x3 da imagem “Lena”,
corrompido por 40% de ruído impulsivo.
Chamaremos o segmento original de P.
Chamaremos o segmento contaminado de X.
Chamaremos a Matriz de Diferenças
Absolutas de D.
Chamaremos a Matriz Binária de B.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
161. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Para ilustrar o algoritmo proposto iremos
utlizar um segmento 3x3 da imagem “Lena”,
corrompido por 40% de ruído impulsivo.
Chamaremos o segmento original de P.
Chamaremos o segmento contaminado de X.
Chamaremos a Matriz de Diferenças
Absolutas de D.
Chamaremos a Matriz Binária de B.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
162. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Para ilustrar o algoritmo proposto iremos
utlizar um segmento 3x3 da imagem “Lena”,
corrompido por 40% de ruído impulsivo.
Chamaremos o segmento original de P.
Chamaremos o segmento contaminado de X.
Chamaremos a Matriz de Diferenças
Absolutas de D.
Chamaremos a Matriz Binária de B.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
163. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Matrizes que Compõem o Exemplo.
Segmento Original P
166 168 167
163 173 157
164 168 159
Diferenças Absolutas D
086 040 028
024 000 018
049 012 020
Segmento Contaminado X
225 099 167
163 139 157
090 151 159
Segmento Binário B
000 000 001
001 000 001
000 001 001
Como obter a Matriz de Diferenças Absolutas?
Bacharelado em Ciência da Computação Processamento Digital de Imagens
164. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Matrizes que Compõem o Exemplo.
Segmento Original P
166 168 167
163 173 157
164 168 159
Diferenças Absolutas D
086 040 028
024 000 018
049 012 020
Segmento Contaminado X
225 099 167
163 139 157
090 151 159
Segmento Binário B
000 000 001
001 000 001
000 001 001
Como obter a Matriz de Diferenças Absolutas?
Bacharelado em Ciência da Computação Processamento Digital de Imagens
165. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Matrizes que Compõem o Exemplo.
Segmento Original P
166 168 167
163 173 157
164 168 159
Diferenças Absolutas D
086 040 028
024 000 018
049 012 020
Segmento Contaminado X
225 099 167
163 139 157
090 151 159
Segmento Binário B
000 000 001
001 000 001
000 001 001
Através do valor do pixel central do segmento contaminado!
Bacharelado em Ciência da Computação Processamento Digital de Imagens
166. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Matrizes que Compõem o Exemplo.
Segmento Original P
166 168 167
163 173 157
164 168 159
Diferenças Absolutas D
086 040 028
024 000 018
049 012 020
Segmento Contaminado X
225 099 167
163 139 157
090 151 159
Segmento Binário B
000 000 001
001 000 001
000 001 001
Através do valor do pixel central do segmento contaminado!
Bacharelado em Ciência da Computação Processamento Digital de Imagens
167. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Cálculo da Matriz de Diferenças Absolutas.
225 099 167
163 139 157
090 151 159
− 139 =
086 040 028
024 000 018
049 012 020
Ordenando os valores da matriz D teremos:
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
De posse desses valores obteremos o ROAD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
168. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Cálculo da Matriz de Diferenças Absolutas.
225 099 167
163 139 157
090 151 159
− 139 =
086 040 028
024 000 018
049 012 020
Ordenando os valores da matriz D teremos:
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
De posse desses valores obteremos o ROAD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
169. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Cálculo da Matriz de Diferenças Absolutas.
225 099 167
163 139 157
090 151 159
− 139 =
086 040 028
024 000 018
049 012 020
Ordenando os valores da matriz D teremos:
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
De posse desses valores obteremos o ROAD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
170. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Cálculo da Matriz de Diferenças Absolutas.
225 099 167
163 139 157
090 151 159
− 139 =
086 040 028
024 000 018
049 012 020
Ordenando os valores da matriz D teremos:
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
De posse desses valores obteremos o ROAD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
171. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Cálculo da Matriz de Diferenças Absolutas.
225 099 167
163 139 157
090 151 159
− 139 =
086 040 028
024 000 018
049 012 020
Ordenando os valores da matriz D teremos:
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
De posse desses valores obteremos o ROAD
Bacharelado em Ciência da Computação Processamento Digital de Imagens
172. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Rank Ordered Absolute Difference (ROAD)
Os 5 primeiros valores da lista ordenada são usados
para encontrar o valor do ROAD.
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
ROAD = 0 + 12 + 18 + 20 + 24 = 74
Como o valor do ROAD encontrado é maior que o valor
de threshold predefinido (T = 40) então o pixel central
é considerado um “noisy candidate” e B(i,j) receberá 0.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
173. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Rank Ordered Absolute Difference (ROAD)
Os 5 primeiros valores da lista ordenada são usados
para encontrar o valor do ROAD.
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
ROAD = 0 + 12 + 18 + 20 + 24 = 74
Como o valor do ROAD encontrado é maior que o valor
de threshold predefinido (T = 40) então o pixel central
é considerado um “noisy candidate” e B(i,j) receberá 0.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
174. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Rank Ordered Absolute Difference (ROAD)
Os 5 primeiros valores da lista ordenada são usados
para encontrar o valor do ROAD.
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
ROAD = 0 + 12 + 18 + 20 + 24 = 74
Como o valor do ROAD encontrado é maior que o valor
de threshold predefinido (T = 40) então o pixel central
é considerado um “noisy candidate” e B(i,j) receberá 0.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
175. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Rank Ordered Absolute Difference (ROAD)
Os 5 primeiros valores da lista ordenada são usados
para encontrar o valor do ROAD.
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
ROAD = 0 + 12 + 18 + 20 + 24 = 74
Como o valor do ROAD encontrado é maior que o valor
de threshold predefinido (T = 40) então o pixel central
é considerado um “noisy candidate” e B(i,j) receberá 0.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
176. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
Rank Ordered Absolute Difference (ROAD)
Os 5 primeiros valores da lista ordenada são usados
para encontrar o valor do ROAD.
Sort(D) = {0, 12, 18, 20, 24, 28, 40, 49, 86}
ROAD = 0 + 12 + 18 + 20 + 24 = 74
Como o valor do ROAD encontrado é maior que o valor
de threshold predefinido (T = 40) então o pixel central
é considerado um “noisy candidate” e B(i,j) receberá 0.
Bacharelado em Ciência da Computação Processamento Digital de Imagens
177. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
O Segmento Resultante R
O segmento resultante R é obtido através da
multiplicação do segmento da imagem binária B pelo
segmento correspondente da imagem ruidosa X.
Segmento Contaminado X
225 099 167
163 139 157
090 151 159
Segmento Binário B
000 000 001
001 000 001
000 001 001
R = X(i + k, j + l) · B(i + k, j + l),
−LC k, l LC
Bacharelado em Ciência da Computação Processamento Digital de Imagens
178. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
O Segmento Resultante R
O segmento resultante R é obtido através da
multiplicação do segmento da imagem binária B pelo
segmento correspondente da imagem ruidosa X.
Segmento Contaminado X
225 099 167
163 139 157
090 151 159
Segmento Binário B
000 000 001
001 000 001
000 001 001
R = X(i + k, j + l) · B(i + k, j + l),
−LC k, l LC
Bacharelado em Ciência da Computação Processamento Digital de Imagens
179. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
O Segmento Resultante R
O segmento resultante R é obtido através da
multiplicação do segmento da imagem binária B pelo
segmento correspondente da imagem ruidosa X.
Segmento Contaminado X
225 099 167
163 139 157
090 151 159
Segmento Binário B
000 000 001
001 000 001
000 001 001
R = X(i + k, j + l) · B(i + k, j + l),
−LC k, l LC
Bacharelado em Ciência da Computação Processamento Digital de Imagens
180. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
O Segmento Resultante R
O segmento resultante R é obtido através da
multiplicação do segmento da imagem binária B pelo
segmento correspondente da imagem ruidosa X.
Segmento Contaminado X
225 099 167
163 139 157
090 151 159
Segmento Binário B
000 000 001
001 000 001
000 001 001
R = X(i + k, j + l) · B(i + k, j + l),
−LC k, l LC
Bacharelado em Ciência da Computação Processamento Digital de Imagens
181. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustração do Algoritmo Proposto
O Segmento Resultante R
R =
225 099 167
163 139 157
090 151 159
·
000 000 001
001 000 001
000 001 001
R =
000 000 167
163 000 157
000 151 159
Como o pixel central do segmento B é nulo e o número de pixels
não corrompidos em R é maior que 2 então esse pixel será
substituído pelo valor mediano dos pixels não nulos contidos em R,
X(i, j) = Median(NotNull(R)) = Median(167, 163, 157, 151, 159) = 159
Bacharelado em Ciência da Computação Processamento Digital de Imagens