Analise de Imagens

[Topicos do Curso][Referencias Bibliograficas] [Trabalhos][Outros Sites]

Ocorrencias: 2003/2, 2004/2, 2005/2, 2006/2, 2007/1, 2008/1, 2009/1
2010/2 (UFF e Minter/Dinter(PI)), 2012/1 , 2013/1, 2014 , 2015/2, 2016/2 (UFF e Minter/Cuiaba), 2018/2


Horario : sextas 9-13 sala 217 Predio do IC - 2018

Banco de imagens free:

Aulas de 2018:

Aula 1 - Aula 2 - Imagens Multibandas - Operando Imagens

Primeiro Trabalho de 2018:

Pense em um grupo e em um tipo de problema de AI que voce poderia considerar durante o curso

Ache um banco de imagens que voce possa usar neste problema

Traga pelo menos uma imagem tipica deste banca para a gente considerar se ela pode ser simplificada usando um espašo de cor apropriado


Veja o enunciado dos trabalhos de 2016 !

Exames mamografias anos diferentes mesma paciente

Este site e um banco de eventos em CV: conferencias, congressos, workshops e jobs presentation.

Exemplos de "serius games" feitos por aluno da UFF usando CG :

Opcoes da Interface (para hapticos) em treinamento medico.

Insercao da Agulha - injecoes:.

Propriedades dos Tecidos do corpo humano: .

Detalhamento das Forcas e Pressao do liquido a ser inserido:.

Rastreamento dos Movimentos da Aplicador:.

Angulacao da Agulha:.

Uso da Seringa e Desafios:.

http://www.imagescience.org/
Todos os trabalhos, exercicios ou implementacoes serao obrigatorias!
(isto e na media final nao havera retirada de nenhum item)


Alunos Inscritos

2010/2 : ... 2012/1 : 2013/1 : 2014/1 : 2015/2 : 2016/2 :

Notas de 2015

Aulas 2015/2

Aula 1-12/08/15 : Aula 2-19/08/15 : Aula 3-26/08/15 : Aula 4-02/09/15 : Aula 5-09/09/15 : Aula 6-16/09/15 :
Aula 7-23/09/15 : Aula 8-30/09/15 : Aula 9-07/10/15 : Aula 10-14/10/15 : Aula 11-21/10/15 : Aula 12-28/10/15 :


se quizer use esse programa de imaging desenvolvido aqui no I.C. para usar nos seus estudos!



O que representa esta imagem?





    Topicos

1. Imagens Digitais. Classificacao. Aplicacoes. Processamento, analise e sintese. Realce de Imagens. Pseudocor e Falsecolor . Efeitos Especiais em imagens . Restauracao. Transformacoes 2D . Mapeamentos Diretos e Inversos. Mapeamentos geograficos. Morphing x warping.Dithering .

2. Manipulacao de Imagens em tons de cinza.Suavizacao. Modificacao do Contraste. Equaliazacao.Limiariazacao. e Binarizacao . Thresholding . Limiarizacao baseada ou nao baseada no Histograma (adaptativas): Otsu ( texto ), Pun & Kapur (entropia maxima) , Metodo Chow e Kaneko, Niblack , Iterativas e outras . Rotacoes e translacoes . Reconhecimento de Objetos . Interpolacao e Estimativa de Movimento .

3. Segmentacao de Imagens . Melhoria de Ruido . Mudanca de escalas. Convolucao (aula em audio). Efeito do tamanho do kernel no resultado da filtragem. Filtros de Mediana e de Media . Filtros 2D separaveis 1D. Filtragem Out-of-Range. Filtragens passa-alta, passa-faixa passa-baixa . Filtros Gaussianos, Laplaciano de Gaussinos e derivados. Filtragens lineares e nao lineares. Sistemas homomorficos e adaptativos. Filtros no MatLab: Canny, Gaussiano ( e usando a Gaussiana), Gabor (sobre Dennis Gabor), Wiener etc. Exemplo em Java. Unsharp Masking. Deteccao de Contornos . Canny-Deriche edge detector. (o metodo de Canny). Como usar adequadamente todos os parametros de canny. Deteccao de Linhas e Pontos . LevelSet

4. Analise de Fourier. Convolucao em funcoes e sinais. Convolucao de funcoes discretas. Processamento de Imagens no Dominio da Frequencia. Transformadas de Imagens ( Fourier , Hough, Hurst). Sistemas lineares 1D, 2D e 3D ( na reta , no plano e no espaco). Reconstrucao de imagens genericas. Reconstrucao a partir de imagens de tomografica, ultrasom, PET, ressonancia magnetica. Fusao de Imagens.

5. Percepcao Visual Humana: os olhos. teorias dapercepcao humana. Dispositivos de captura. Resolucao espacial e profundidade de cores. Imagens multibandas: Imagens coloridas em qualquer espaco de cor. Imagens de Satelites . Imagens Infravermelhas.. Visao Noturna. Imagens termicas. Cores em video e printers. Sistemas: RGB, CMY , CMYK , YIQ , HSV , XYZ , HLS , Lab , LUV , Cores Oponentes. Transformacoes entre Espacos de Cores. Sistemas usados na industria: PANTONE, MUNSELL, SCOTICK. Quantizacao e construcao de tabelas de cores. Percepcao de cores. Calibracao de monitores. Correcao Gama. Obtecao ou recuperacao (retrieval) de Imagens em BD pelo conteudo cromatico ou textural. Segmentacao de videos por conteudo das imagens e sonoro. Mining de imagens.

6. Detectar - Capturar - Tracking. Moire patterns x DPI e aliasing. Relacao formato x tamanho do arquivo x qualidade:Imaging . Principios fisicos envolvidos na aquisicao de tipos especiais de imagens: (termicas, satelites, impressoes digitais, CT, MRI, US, etc) . Tecnicas de Compressao e de Codificacao de Imagens. Compressao com Perdas x sem Perdas. Correlacao entre pixels, RLE, Huffmann, LZ, LZW , DCT, FIF:base da compressao fractal ( texto , imagens coloridas: ideia do espaco de cor adequado e canal seguidor), Wavelets. - Formatos de Armazenamento de Imagens e Som. DINCOM,TIFF, EPS, TGA, MIDI, WAV, JPEG / MPEG e MP3, PGN/MNG etc. Como manipular arquivos de imagens e Programacao dos Formatos de arquivos com ou sem Compressao:

PCX e BMP (listagem para ) PCX, Formato PCX (e ref. oficial). BMP,Formato BMP (e ref. oficial) . GIF,Formato GIF89a (ref. oficial). Qual o melhor formato para a WWW

7. Morfologia Matematica de imagens binarias. Operadores basicos: dilatacao, erosao, abertura, fechamento. Propriedades. Hit-miss. Top-Hat, Contornos. Afinamento, Esqueletizacao. Morfologia em Cinza. MM de imagens coloridas . Importancia do Elemento Estruturante

8. Extracao de Caracteristicas. Entropia de imagens. Reconhecimento de padroes. Tipos de segmentacao e identificacao. Assinaturas. Texturas .Matrizes de Co-Ocorrencia - (como calcula-las no MatLab) . Dicionario LZW como caracteristica para texturas. Gradiente tridimensional. Coeficiente de Hurst. CVE - Coeficiente de Variacao Espacial. Filtro de Gabor auto-similar. Coeficientes de Poincare'. PCA - Analise de Componentes Principais (tutorial com exemplo no Scilab). Glusterizacao. Kohonen. Quantizacao Vetorial. Lacunaridade. Imagens Medicas: CT, MRI, US, PET/SPECT. Visualizacao de imagens DICON em 3D.

9. Aplicacoes. Seminarios. Estudos Dirigidos sobre os capitulos do Livro de Watt & Policarpo ( os ED sao para voce se auto avaliar para os testes): Cap. 9 ( gabarito de respostas ) Cap. 10 ( gabarito de respostas) . Cap. 11 - ( respostas). Cap. 12- ( respostas). Cap. 13. ( Estudo dirigido de Morfologia - ( respostas ). Estudo dirigido de Reconhecimento de Padroes- Cap. 14 ( respostas ) . Cap. 26 - ( gabarito de respostas ) . Outros estudos dirigidos: Est Dirigido Cores ( gabarito de respostas ) .Estudo Dirigido sobre formatos de arquivos ( PCX, PNG , Gif e BMP).

[Topicos do Curso][Referencias Bibliograficas] [Trabalhos][Outros Sites]


    Referencias Bibliograficas: ( em ordem de prioridade )

  1. A. Conci, E. Azevedo e F.R. Leta - Computacao Grafica: volume 2 (Processamento e Analise de Imagens Digitais), Campus/Elsevier. 2008 - ISBN 85-352-1253-3.
  2. A. H. Watt, F. Policarpo - The Computer Image , Addison-Wesley Pub Co (Net); 1998- ISBN: 0201422980 , UFF Bib CTC: 006.6 W344 :AMAZON - capitulos indicado para esse curso: Cap 1 (1.3 e 1.4 ), Cap 9, 10, 11, 12, 13, 14, 22, 25 e 26.
  3. M. Sonka, V. Hlavac and R. Boyle, Image Processing, Analysis and Machine Vision, 3th Edition, Thomson, 2008.
  4. K. Najarian and R. Splinter, Biomedical Signal and Image Processing CRC Press - Taylor & Francis group, 2006
  5. L. O'Gorman, M. Sammon, M. Seul,Practical Algorithms For Image analysis,, 2nd Ed, Cambridge Univ. Press, 2008
  6. L. G. Shapiro and G.C. Stockman,Computer Vision, Prentice Hall, 2001
  7. W. Burger, M. J. Burge, Digital Image Processing An Algorithmic Introduction Using Java, First Edition, Springer, 2008, New York. ISBN 978-1-84628-379-6
  8. R.C. Gonzalez., R.E. Woods, and S.L. Eddins, Digital Image Processing Using MATLAB, Publishing House of Electronics Industry, 2005.
  9. R. C. Gonzalez and R. E. Woods - Digital Image Processing, Addison Wesley Pub. Co. 1993 - ISBN 0-201-60078-1. UFF Bib CTC.: 006.42 G 643 - 1993
  10. H. Pedrini e W. R. Schwartz - ANALISE DE IMAGENS DIGITAIS: Principios, Algoritmos e Aplicacoes ,Cengage Learning, 2007 - ISBN: 8522105952 : SAC: 0800 11 19 39 - www.cengage.com
  11. J. S. Lim - Two-Dimensional Signal and Image Processing, Prentice-Hall, 1990. Biblioteca do CTC - capitulos indicado para o curso: Cap 1, 2 (Transformada 2D Discreta de Fourier) ; Cap 7, 8, 9 e 10
  12. J. R. Parker - Algorithms for Image Processing and Computar Vision - John Wiley & Sons, Toronto, 1997 , ISBN: 0-471-14056-2 - UFF/ Bib. CTC 005.136 P238, 1997.
  13. W. K. Pratt - Digital Image Processing - John Wiley,1991 - UFF/ Bib. CTC 006.42 P913, 1991.
  14. A. K. Jain - Fundamentals of Digital Image Processing, Prentice Hall Inc. 1989 - ISBN 0-13-336165-9. UFF Bib CTC.: 006.42 J 25 - 1989.
  15. O. Faugeras - Three-Dimension Computer Vision - MIT Press; 1993.
  16. G. Bachman, L. Narici, E. Beckenstein, Fourier and Wavelet Analysis, Universitext,1999
  17. S. S. Soliman and M.D. Srinath - Continuous and Discrete Signal and Systems - Prentice Hall,1990.
  18. R. Jain, R. Kasturi, B. G. Schunck - Machine Vision, McGraw Hill Inc. , 1995 - ISBN 0-07-032018-7UFF/ Bib. CTC:006.37 R171 1995.
  19. R. J. Schalkoff - Digital Image Processing and Computer Vision- John Wiley,1989 - UFF/ Bib. CTC 006.42 S297 c1989.
  20. Z. Hussain - Digital Image Processing - Practical Aplic. of Parallel Process. Tech. - Ellis Horwoodb- 1991.
  21. R. Wodaski- Multimidia , Ciencia Moderna; bib. CTC: 006.6 W838
  22. I. Pitas - Digital Image Processing Algorithms, Prentice Hall, 1995. Bib. CTC:006.42 P.681 1995.
  23. A. R. Weeks. Jr. - Fundamentals of Electronics Image Processing. IEEE & SPIE Press. 1996.
  24. J. Gomes e L. Velho - Computacao Grafica: Imagem, IMPA, 1995, ISBN 85-244-0088-9.
  25. J. Canny - Finding edges and lines in images. MSc. Thesis. MIT AI Lab., 1983.
  26. J. S. Duncan, and N. Ayache - "Medical Image Analysis: Progress over 2 decades and the challenges ahead" (artigo) - IEEE Transaction on Pattern Analysis and Machine Intelligence, vol 22. No.1 January 2000.
  27. F. van der Heijden - Image Based Measurement Systems.
  28. A. del Bimbo - Visual Information Retrieval, Morgan-Kauffman Pub. , Cambridge, U.K. , 1999
  29. J.R. Beveridge & E.M. Riseman- "How easy is matching 2d line models using local search", IEEE PAMI-Transations on Pattern Analysis and Machine Intelligence, vol 19, No 6, 1997, pp. 564-579. (as revistas do IEEE ficam na secao de periodico na Biblioteca do CTC )
  30. B.B. Hubbard - The World According to Wavelets: the story of a mathematical technique in the making,Peters, 1998, ISBN 1-56881-072-5
  31. Diversos artigos de congressos e journal distribuidos durante o curso


Textos desenvolvidos para este curso:


Clique aqui para pegar
uma amostra da imagem de um anemograma para o estudo dirigido de cores.



[Topicos do Curso][Referencias Bibliograficas] [Trabalhos][Outros Sites]


Trabalhos e Exercicios de 2016/2

Exercicio 1

Procurem na internet o maior numero de espacos de cores. Traga esses nomes, suas siglas e uma frase dizendo a principal caracteristica dos mesmos. Proponha agrupamentos para esses espacos usando criterios diversos que justifiquem a semelhanca dos membro do grupo.
Um exemplo de frase seria:"YIQ (Y=Luminancia, e as crominancias: I = in phase, Q=quadrature - componentes usadas na modulacao da amplitude) e usado na teledifusao e foi estabelecido em 1940 nos USA." A figura mostra uma imagem colorida e cada uma destas 3 bandas em separado (em false colors para voce lembrar que sao de crominancia). Esse espaco poderia estar no mesmo grupo que outros que usam a Y=Luminancia e 2 crominancias para definir as coordenadas 3D de uma cor, como por exemplo os YCrCb, Lab, LUV, etc...

Exercicio 2

Leia secoes 2.4 do Sonka et al. e o capitulo 5, do Gomes & Velho. Depois faca um resumo destes texto de 2 paginas, com suas palavras. Sera feita uma verificacao automatica se houve copia de algum lugar na internet do texto.

Exercicio 3

Esse trabalho tem 2 partes:
Na primeira vamos descobrir qual espaco de cor seria mais adequado para eliminar problemas relacionados a variacao da pele de pessoas. Alguns artigos ligados a identificacao de pornografia na internet, a reconhecimento de faces, ou ainda a imagens dermatologicas, precisam disso para retirar da "pele" variacoes ligadas a etnia. Assim usando alguma ferramenta que fique facil para voce (Photoshop, GIMP, OpenCV, ImageJ , MatLab, VIPS , ITK (Insight Toolkit) , etc.) , transforme as 3 images de Neurofibromas fornecidas do RBG para os espacos HSV e YCrCb. Verifique que banda seria mais adequada, primeiro visualmente e, armazene todas as 9 bandas para os proximos exercicios do curso.
Na segunda parte, a ideia e descobrir que combinacao de false color realcaria melhor imagens medicas monocromaticas ou matricial fornecida em alguma unidade qualquer.

Exercicio 4

Continuando o trabalho com as ROIs das imagens de Neurofibromas:
Analise os histogramas das 9 bandas das 3 imagens anteriores. Primeiro tente descobrir se, em alguma das bandas de algum espaco de cor, seria mais facil separar o fundo das "bolhas". Para os detalhes relacionados a variacao da pele de pessoas e intensidade de iluminacao ou variacoes tonais devido a forma do suporte (costas das pessoas) pense em tecnicas que levem em conta a nao uniformidade como limiarizacao por regioes ou subtracao do fundo por "blur" da imagem. Se preciso uniformize a resolucao das imagens (ponha todas com mesmo numero de pontos na vertical e horizontal). Considere cada banda como monocromaticas , isto e nao inclua false colors de qualquer especie quando visualizar as imagens.

Exercicio 5

Continuando o trabalho com as ROIs das imagens de Neurofibromas:
Vamos tentar descobrir o melhor filtro para detectar as bordas das "bolhas" destas imagens. Se nao foi possivel descobrir uma bandas de algum espaco de cor que seria mais adequada vamos utilizar todas (de todas essas imagens) para tentar salientar os limites entre "fundo" e "bolhas" . Inicialmente vamos tentar passar todos os filtros passa alta que facam sentido (nao direcionais). Depois vamos tentar os filtros de Canny (livro do Sonka et. al. e Shapiro et al. ), e os que nao tivermos que separar em 2 canais , mas ainda no dominio do espaco. Considere cada banda como monocromaticas. Traga uma tabela com seus resultados para melhor se visualizar os resultados das imagens.

Exercicio 6

Seminario ou texto sobre os filtros de Marr Hildreth, Canny e Homeomoficos, em Conjunto, com o capitulos do Sonka , Shapiro e LIM (secao 8.1.2 a 8.1.4). Depois use esses filtros , para tentar passar filtro que diminuem o efeito da iluminacao irregular e ao mesmo tempo saliente os detalhes das bordas. Traga uma tabela com seus resultados para melhor se visualizar os resultados das imagens.

Exercicio 7

Leia o material de Transformada de Hough para as imagens em : http://homepages.inf.ed.ac.uk/rbf/HIPR2/hough.htm#1, e no capitulo 10 (Shapiro). Depois, considerando a transformada de Hough de circulos vamos tentar detectar o maior numero possivel de circulos de raios variados nas 3 imagens de Neurofibromas com que estamos trabalhando, primiero nas bordas brancas e depois nos interiores. Apresentacao em 10/11.

Exercicio 8

Morfologia Matematica para deteccao de bordas e Granulometria em imagens. Leia sobre gradiente morfologico e granulometria. Use as tecnicas de MM para detectar as boldas das 3 imagens de Neurofibromas com que estamos trabalhando. Leia sobre reconstrucao (abertura com reconstrucao, fechamento com reconstrucao e granulometria com reconstrucao ). Use as bordas das imagens com as marcacoes para tentar contar quantos circulos ha de determinado raio, usando granulometria (repare que isso depende de que raios considerara em cada grupo). Apresente os conceitos de granulometria em niveis de cinza e umbra, em especial como ficam as operacoes de erosao e dilatacao em imagens nao binarias (tome como base o texto da aula da universidade de Bufalo distribuido). Sera que funciona fazer granulometria nestas imagens considerando elas em niveis de cinza (secao 13.6 Sonka)?

Exercicio 9

Extracao de Features de textura para classificar as 3 imagens de Neurofibromas com as quais estamos trabalhando. Que grupo de features poderiam ser usados ? Sera que pode-se correlacionar indices com niveis de "bolhamento" destas imagens ?

Exercicio 10

Folheando os livros textos usados, ou outras bibliografias , voce acha que haveria mais alguma tecnica que poderiamos tentar para resolver o "problemas da contagem de bolhas"? Que tal a tecnica de "region forming from partial bordes"? (secao 6.2.8 do Sonka?) Uma segmentacao Watershed? Ou tentar coeficientes de detalhes de wavelets? etc...


Trabalhos 2015

Trabalho 1

Para 26/08:

Cada aluno deve fazer um esquema (ou uma implementacao simples) que relacione a distancia da paciente ate camera, de modo que na distancia em que ela se pocisione haja uma ocupacao de x% (por exemplo 90%) da largura da imagem , pela largura , L, do corpo da paciente, nas aquisicoes das imagens Infra-Vermelhas realizadas no HUAP.
Recomendamos para isso assistir a apresentacao da tese de doutorado do Lincoln em 13/08/2015 `as 14 horas. Onde ele apresenta esse trabalho do cruso como um dos trabalho futuros da nossa linha de pesquisa em deteccao precoce de doencas da mama.
O esquema ou trabalho implementado e para ser mostrado e explicado oralmente na sala de aula, como uma apresentacao rapida de alguns slides em .PPT.
O proprio grupo de alunos verificara os pontos fortes e fracos de cada trabalho os discutindo em sala de aula.
O trabalho mais completo recebera a maior nota
Trabalho com resultados errados nao podera receber nota maior que 5.


Trabalho 2

Para 02/09:

Cada aluno deve ler e apresentar um dos metodos de limiarizacao comentados pela professora em sala , na aula 2. Conforme definido em aula , cada aluno recebe o tema de um metodo diferente. Deve fazer isso descrevendo em especial o algortimo para sua implementacao.
O trabalho e para ser entregue escrito e apresentado em ppt. como usualmente se faz no caso de exposicao da metodologia em um congresso, com pontos suficientes para que o mesmo seja implementado depois como Trabalho 3, para a aula seguinte (16/09/2015) e testado em um grupo de imagens de RM a ser fornecidas pela professora.


Trabalho 4

Para 16/09:

Cada aluno deve pesquisa, entender e apresentar um metodo de melhoria do contraste em imagens ou deteccao de bordas conforme definido no material da AULA 5 (acima) . Depois esse metodo devera ser testado nos 5 exames de MR celebrais que estamos experimentado em 23/09/2015 (Trabalho 5), para entendermos melhor os efeitos das diversas metodologias.
O trabalho e para ser apresentado e explicado oralmente na sala de aula.


Trabalho 6

Para 30/09:

Cada aluno deve filtrar os ruidos das images abaixo. Elas forem degradadas em uma tentativa de filtragem que passa para o Dominio da Frequencia. Dica: caracterize o espectro de Fourier delas, centrado na origem, conforme definido no material da AULA 6 (acima) . A tecnica que o aluno desenvolveu e os resultados obtidos deverao ser testado em todas as imagens e apresentrados em sala no dia 30/09/2015 , para entendermos melhor as diversas metodologias. Ou seja o trabalho e para ser apresentado e explicado oralmente na sala de aula.


Trabalho 7

Para 30/09:

Mostre como ficam 3 metricas (iniciando pela a metrica sup , ou infinito, mas no que alguma ja for feitas escolham outras 3 diferentes) para uma vizinhanca de 7x7 de um pixel. Use a formula apresentada no slide 31 da Aula 7. Apresente essas distancias em cores distindas seguindo os modelos desta aula para as outras metricas apresentados no slide 32. Para os 4 primeiros niveis de vizinhanca use as mesmas cores deste slide.
O trabalho e para ser apresentado e comparado com as respostas de cada aluno na sala de aula.
Qual a figura geometrica resultante de cada vizinhanca?



Trabalho 8

Para (04/11/2015):

Cada aluno ou grupo deve apresentar um algoritmo de segmentacao baseado em crescimento de regioes, divisao/fusao, atlas/registro, ou tecnicas hibridas destas (pesquisas novas sao bem vindas) , de modo que usem diversas caracteristicas (features), bem como e valores de tolerancia em torno destas, quando for o caso, de modo que se segmente baseado em diversas features e nao apenas tons, ou uma unica caracteristica.
As features deverao ser escolhidas de modo a fazer sentido para o problema a ser segmentado, estarem bem escolhidas (nao representarem coisas com mesmo sentido) e serem do menor numero possivel.
(O uso de tecnicas de selecao como ICA, PCA, etc, sao encorajadas).
Como os demais esse trabalho e para ser apresentado e explicado oralmente na sala de aula.
Ainda , devera ser depois aplicado ao trabalho 9.



Trabalho 9

Para (11/11/2015):

Cada aluno deve fazer apresentar uma solucao para segmentacao automatica da ROI em imagens termicas, e do corpo caloso, em imagens de RM.
Recomendamos para isso assistir a apresentacao do Lincoln no seminario de pos em 21/10/2015 `as 14 horas e ler a tese de mestrado do Erick (defendida neste ano , que pode ser obtida no sitre da IC). Pois eles apresentam como essas tecnicas podem ser usadas em trabalho futuros nas respectivas area , dentro da nossa linha de pesquisa em deteccao precoce de doencas da mama e segmentacao de imagens medicas.

O trabalho e para ser apresentado e explicado oralmente na sala de aula.



Exercicio 10

Para (28-10-2015):

Cada aluno deve ler, pesquisa e apresentar na ultima aula do curso (28-10-2015) uma explicacao de como pode ser a Analise dos Componentes Independentes (ICA = indepedent component analysis), Se baseando na explicao detalhada das PCA feita no material das aulas de reconhecimento de padroes ou do capitulo 6 da referencia 1: A. Conci, E. Azevedo e F.R. Leta - Computacao Grafica: volume 2.
O trabalho e para ser entregue escrito e apresentado em sala de aula



TRABALHOS: 2013

Exercicio 1

Para 20/03:

Cada aluno deve fazer apresentar exemplos de aplicacoes de AI, PI e CG.
O trabalho e para ser explicado oralmente na sala de aula.


Exercicio 2

Para (27/03):

Cada aluno deve ilustrar atraves de exemplos como fica a visao a cores de pessoas com algum tipo de Dautonismo. Exemplificando a visao por um tricromatra padrao e pelo deficiente do tipo escolhido. A denominacao deve ser explicada bem como o motivo da distorcao das cores.
O trabalho e para ser mostrado oralmente na sala de aula.


Exercicio 3

Para ate a proxima aula (02/04):

Cada aluno deve primeiro escolher um espaco de cores diferente (por exemplo a Priscilla ja escolheu o CMYK e ninguem pode escolher o CMY, pois estou usando ele como exemplo abaixo) .
Depois disso deve mostrar, preferencialmente atraves de uma matriz de transformacao ou de equacoes , como se transformam as bandas RGB normalizadas neste espaco.
A seguir fazer o mesmo de forma inversa, ou seja, mostrar como se volta deste espaco para o RGB.
Ainda: dar pelo menos 10 valores de cores RGB neste espaco. Ou seja mostrar como exemplos, a descricao de pelo menos 10 cores normalizadas em ambos os espacos , por exemplo as seguintes cores soo descritas respectivamente em RGB e CMY: vermelho(1,0,0)(1,0,1), verde(0,1,0)(0,1,1), azul(0,0,1)(1,1,0), amarelo(1,1,0)(0,0,1), ciano(0,1,1)(0,1,0), magenta(1,0,1)(1,0,0), branco(1,1,1)(0,0,0), preto(0,0,0)(1,1,1), cinza(0.7,0.7,0.7)(0.3,0.3,0.3), rosa(1,0.5,0.5)(0.5,0,0.5).
Descrever que sua vizualiazacao geometrica (por exemplo CMY como o RGB sao um cubo diagonalmente opostos e com ou eixos principois defazados e apontando em direcoes opostas).
Finalmente : dizer qual sua caracteristica especial principal, ou para que nescessidade foi inventado e melhor se aplica.
IMPORTANTE: No caso especifico deste trabalho, prefiro que entreguem ate um dia antes da proxima aula, por e-mail, para que se possa antes verificar se todos entenderam, nao houve sobreposicao e fizeram adequadamente o mesmo.

Espaco de Cores RGB/CMY:
Girando em torno do eixo de cinzas:BW
Repartindo-se em torno do eixo BW
Repare a variacao de tons de cinza
Dividindo-se em planos paralelos aos limites
Repare a variacao de tons


TRABALHO 1

(proxima aula de maio /2013)

Implementar , na aplicacao escolhida pelo seu grupo, uma forma que permite uma comparacao entre como fica uma imagem tipica, que voce vai usar, nas formas:

1- original
2- depois de processada por Equalizacao do Histograma
3- depois de uma equalizacao adaptativa do histograma (AHE - Adaptative Histogram Equalization)
4- depois de usar a tecnica de equalizacao adaptativa de histograma com limitacao de contraste (CLAHE - Contrast Limited Adaptive Histogram Equalization)

Na tecnica 3 (AHE) , em vez do histograma global, e calculado um histograma local para vizinhanca de cada pixel, por tamanhos variaveis. Nesta etapa voce deve verificar , qual seria o melhor tamanho de janela para seu caso. Ou seja seus sistema deve permitir variar e visualizar diversos exemplos de janelas ao redor do pixel.

A tecnica 4 (CLAHE) corta, no histograma local, todas as intensidades em que o numero de pixeis esteja acima de um limite definido. As intensidades acima do limite sao redistribuidas no histograma pelos tons vizinhos.


A Figura abaixo mostra uma representacao desse processo, em janela de 8x8, retirada da Dissertacao apresentada ao Programa de Pos-Graduacao em Ciencia da Computacao da Universidade Federal do Maranhao, pore Leonardo Silva Kury Aragao Mendes: Deteccao de Massas em Imagens Mamograficas utilizando Beamlets.

DDSM (de onde essas imagens originais forma obtidas) :
http://marathon.csee.usf.edu/Mammography/DDSM/thumbnails/benigns/benign_01/case3102/B-3102-1.html


Trabalhos dos anos anteriores


[Topicos do Curso][Referencias Bibliograficas] [Trabalhos][Outros Sites]

LINKS:

Ex alunos do IC:
  • Site do John : http://www.ic.uff.br/~jcarvalho
  • Site do Rafael : http://www2.ic.uff.br/~rmelo
Cursos em Universidades Brasileiras.

Universidades e Labs.

  • Estagios:
    1. Czech Technical University in Prague - Dept. of Telecommunications Engineering - Praha - Czech Republic
    2. University of West Bohemia, Plzen, Czech Republic: http://wscg.zcu.cz
    3. Advanced Computer Vision - Viena - Austria : http://www.acv.ac.at
    4. Institute for Computer Graphics and Vision - Graz - AUSTRIA
  • Intelligent Sensory Information Systems - University of Amsterdam
  • Universitat Tuebingen - Alemanha - GRIS - Institut fur Informatif, Computer-Graphik
  • GRAIL - Graphics and Imaging Laboratory - University of Washington's Department of Computer Science and Engineering
  • Grupo de Pesquisa em Visao Criativa- USP:
    www.vision.ime.usp.br/~creativision
    www.ime.usp.br/~cesar/shape_crc
  • Universidade da California at Davis:
    http://graphics.cs.ucdavis.edu/GraphicsNotes/Graphics-Notes.html
  • Unicamp: http://www.dca.fee.unicamp.br/dipcouse/index.html
  • Universidade Fed. de Santa Catarina: http://www.inf.ufsc.br/~awangenh/CG/programa.html
  • Algoritmos: http://www.efg2.com/Lab/Library/ImageProcessing/Algorithms.htm

Assuntos

  • Computacao Visual
  • Reconstrucao de Documentos Impressos:
    Site projeto internacional
    Site pesquisas da UFF
  • Tutoriais on line: HIPR2
  • Image Smoothing e Averaging:
      HIPR2 - http://www.dai.ed.ac.uk/HIPR2/csmooth.htm
      http://www.nasatech.com/Briefs/Sept99/NPO20475.html
      http://www.icaen.uiowa.edu/~dip/LECTURE/contents.html
      http://www.ph.tn.tudelft.nl/Courses/FIP/noframes/fip-Smoothin.html
      http://imaging.utk.edu/publications/papers/Yiyong_ICIP2000.pdf
      http://www.worldscinet.com/journals/ijprai/15/1504/S0218001401001076.html
  • Reconstrucao 3D: (papers importantes)

  • Wavelets

  • Imagens Medicas:
    • http://www.spl.harvard.edu
    • http://www.inria.fr/epidaure/personnel/ayache/ayache.html
    • http://www.sensor.com
    • http://www.nomos.com
    • http://www.sofamordanek.com

  • Mining de Imagens:
    • Nossas pesquisas em de imagens coloridas pelo conteudo cromatico:
      paper SBMIDIA.
    • Isis - WWW Color Image Processing and Retrieval: http://carol.wins.uva.nl/~gevers/cfp_cviu.html
    • Virage image search engine:http://www.virage.com
    • content basedimage retrieval systems (CBIRS)
    • Query by image video content: the QBIC system: http://wwwqbic.almaden.ibm. com/~qbic/
    • for large data bases: http://www.ctr.columbia.edu/web-seek
    • VideoQ: http://www.ctr.columbia.edu/videoq

  • Formatos de Imagens, Som, Movies, etc
  • `game programming`: curso gratuito
  • Novo Site:de Games da UFF:

  • Morfologia em tons de cinza
    • Intelligent Sensory Information Systems - University of Amsterdam
    • Universitat Tuebingen - Alemanha - GRIS - Institut fur Informatif, Computer-Graphik
    • GRAIL - Graphics and Imaging Laboratory - University of Washington's Department of Computer Science and Engineering
    • Grupo de Pesquisa em Visao Criativa- USPwww.vision.ime.usp.br/~creativision
      www.ime.usp.br/~cesar/shape_crc
    • Universidade da California at Davis:
      http://graphics.cs.ucdavis.edu/GraphicsNotes/Graphics-Notes.html
    • Unicamp: http://www.dca.fee.unicamp.br/dipcouse/index.html
    • Universidade Fed. de Santa Catarina: http://www.inf.ufsc.br/~awangenh/CG/programa.html
    • Algoritmos: http://www.efg2.com/Lab/Library/ImageProcessing/Algorithms.htm
    • outros:
      Reference Ranges and What They Mean.
      http://www.labtestsonline.net/understanding/analytes/cd4/test.html


[Referencias Bibliograficas] [Trabalhos][Outros Sites]



voltar inicio ementa

dados do professor

voltar linhas de pesquisa