Analise de Imagens

[Tópicos do Curso][Referências Bibliográficas] [Trabalhos][Outros Sites]

Ocorrências: 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/Cuiabá)


Horário : quartas 9-13 sala 317 Predio do IC - agosto a dezembro: 2016


Inicio das aulas de 2016: 25 agosto

Não haverá aula em 24/11.

Fim das aulas de 2016: 08/dezembro

Veja o enunciado dos trabalhos de 2016 !

Exames mamografias anos diferentes mesma paciente

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

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

Opções da Interface (para hapticos) em treinamento medico.

Inserção da Agulha - injecoes:.

Propriedades dos Tecidos do corpo humano: .

Detalhamento das Forças e Pressão do liquido a ser inserido:.

Rastreamento dos Movimentos da Aplicador:.

Angulação da Agulha:.

Uso da Seringa e Desafios:.

http://www.imagescience.org/
Todos os trabalhos, exercicios ou implementacoes serão obrigatorias!
(isto é na media final não haverá 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?





    Tópicos

1. Imagens Digitais. Classificação. Aplicações. Processamento, análise e síntese. Realce de Imagens. Pseudocor e Falsecolor . Efeitos Especiais em imagens . Restauracao. Transformações 2D . Mapeamentos Diretos e Inversos. Mapeamentos geograficos. Morphing x warping.Dithering .

2. Manipulação de Imagens em tons de cinza.Suavizacao. Modificação do Contraste. Equaliazação.Limiariazação. e Binarizacão . Thresholding . Limiarização baseada ou não baseada no Histograma (adaptativas): Otsu ( texto ), Pun & Kapur (entropia maxima) , Método Chow e Kaneko, Niblack , Iterativas e outras . Rotações e translações . Reconhecimento de Objetos . Interpolação e Estimativa de Movimento .

3. Segmentação de Imagens . Melhoria de Ruído . Mudança de escalas. Convolução (aula em audio). Efeito do tamanho do kernel no resultado da filtragem. Filtros de Mediana e de Média . 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 não 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. Detecção de Contornos . Canny-Deriche edge detector. (o metodo de Canny). Como usar adequadamnete todos os parametros de canny. Detecção 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 espaço). Reconstrução de imagens genéricas. Reconstrução a partir de imagens de tomografica, ultrasom, PET, ressonancia magnética. Fusao de Imagens.

5. Percepção Visual Humana: os olhos. teorias dapercepcao humana. Dispositivos de captura. Resolução espacial e profundidade de cores. Imagens multibandas: Imagens coloridas em qualquer espaço de cor. Imagens de Satélites . Imagens Infravermelhas.. Visao Noturna. Imagens termicas. Cores em vídeo e printers. Sistemas: RGB, CMY , CMYK , YIQ , HSV , XYZ , HLS , Lab , LUV , Cores Oponentes. Transformações entre Espaços de Cores. Sistemas usados na indústria: PANTONE, MUNSELL, SCOTICK. Quantização e construção de tabelas de cores. Percepção de cores. Calibração de monitores. Correção Gama. Obtecao ou recuperacao (retrieval) de Imagens em BD pelo conteúdo cromático ou textural. Segmentação de videos por conteudo das imagens e sonoro. Mining de imagens.

6. Detectar - Capturar - Tracking. Moiré patterns x DPI e aliasing. Relação formato x tamanho do arquivo x qualidade:Imaging . Principios fisicos envolvidos na aquisição de tipos especiais de imagens: (termicas, satelites, impressoes digitais, CT, MRI, US, etc) . Técnicas de Compressão e de Codificação de Imagens. Compressão 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 Compressão:

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 Matemática de imagens binárias. Operadores básicos: dilatação, erosão, abertura, fechamento. Propriedades. Hit-miss. Top-Hat, Contornos. Afinamento, Esqueletização. Morfologia em Cinza. MM de imagens coloridas . Importancia do Elemento Estruturante

8. Extração de Características. Entropia de imagens. Reconhecimento de padrões. Tipos de segmentação e identificação. 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). Glusterização. Kohonen. Quantizacao Vetorial. Lacunaridade. Imagens Medicas: CT, MRI, US, PET/SPECT. Visualizacao de imagens DICON em 3D.

9. Aplicacoes. Seminários. Estudos Dirigidos sobre os capitulos do Livro de Watt & Policarpo ( os ED são 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 Padrões- 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).

[Tópicos do Curso][Referências Bibliográficas] [Trabalhos][Outros Sites]


    Referencias Bibliograficas: ( em ordem de prioridade )

  1. A. Conci, E. Azevedo e F.R. Leta - Computação Gráfica: volume 2 (Processamento e Análise 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 - ANÁLISE DE IMAGENS DIGITAIS: Princípios, Algoritmos e Aplicações ,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 , Ciência 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 - Computação Gráfica: 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 seção de periódico 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.



[Tópicos do Curso][Referências Bibliográficas] [Trabalhos][Outros Sites]


Trabalhos e Exercicios de 2016/2

Exercicio 1

Procurem na internet o maior numero de espaços de cores. Traga esses nomes, suas siglas e uma frase dizendo a principal caracteristica dos mesmos. Proponha agrupamentos para esses espaços usando criterios diversos que justifiquem a semelhança dos membro do grupo.
Um exemplo de frase seria:"YIQ (Y=Luminancia, e as crominancias: I = in phase, Q=quadrature - componentes usadas na modulação da amplitude) é usado na teledifusão 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 são de crominancia). Esse espaço 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 seções 2.4 do Sonka et al. e o capitulo 5, do Gomes & Velho. Depois faça um resumo destes texto de 2 paginas, com suas palavras. Será feita uma verificação automatica se houve copia de algum lugar na internet do texto.

Exercicio 3

Esse trabalho tem 2 partes:
Na primeira vamos descobrir qual espaço de cor seria mais adequado para eliminar problemas relacionados a variação da pele de pessoas. Alguns artigos ligados a identificação 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 espaços 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 é descobrir que combinação de false color realcaria melhor imagens medicas monocromáticas 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 espaço de cor, seria mais facil separar o fundo das "bolhas". Para os detalhes relacionados a variação da pele de pessoas e intensidade de iluminação ou variações tonais devido a forma do suporte (costas das pessoas) pense em tecnicas que levem em conta a não uniformidade como limiarização por regioes ou subtração 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 monocromáticas , isto é não 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 não foi possivel descobrir uma bandas de algum espaço 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 façam sentido (não direcionais). Depois vamos tentar os filtros de Canny (livro do Sonka et. al. e Shapiro et al. ), e os que não tivermos que separar em 2 canais , mas ainda no dominio do espaço. Considere cada banda como monocromáticas. 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 Homeomóficos, em Conjunto, com o capitulos do Sonka , Shapiro e LIM (seção 8.1.2 a 8.1.4). Depois use esses filtros , para tentar passar filtro que diminuem o efeito da iluminação 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. Apresentação em 10/11.

Exercicio 8

Morfologia Matematica para detecção 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 reconstrução (abertura com reconstrução, fechamento com reconstrução e granulometria com reconstrução ). Use as bordas das imagens com as marcações para tentar contar quantos circulos há de determinado raio, usando granulometria (repare que isso depende de que raios considerará em cada grupo). Apresente os conceitos de granulometria em niveis de cinza e umbra, em especial como ficam as operações de erosao e dilatação em imagens não binárias (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

Extração 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 implementação simples) que relacione a distancia da paciente ate´ camera, de modo que na distancia em que ela se pocisione haja uma ocupação de x% (por exemplo 90%) da largura da imagem , pela largura , L, do corpo da paciente, nas aquisições das imagens Infra-Vermelhas realizadas no HUAP.
Recomendamos para isso assistir a apresentação 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 detecção precoce de doenças da mama.
O esquema ou trabalho implementado é para ser mostrado e explicado oralmente na sala de aula, como uma apresentação rapida de alguns slides em .PPT.
O proprio grupo de alunos verificará os pontos fortes e fracos de cada trabalho os discutindo em sala de aula.
O trabalho mais completo receberá a maior nota
Trabalho com resultados errados não poderá receber nota maior que 5.


Trabalho 2

Para 02/09:

Cada aluno deve ler e apresentar um dos metodos de limiarização 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 implementação.
O trabalho é para ser entregue escrito e apresentado em ppt. como usualmente se faz no caso de exposição 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 método de melhoria do contraste em imagens ou detecção de bordas conforme definido no material da AULA 5 (acima) . Depois esse metodo deverá 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 é 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 é para ser apresentado e explicado oralmente na sala de aula.


Trabalho 7

Para 30/09:

Mostre como ficam 3 métricas (iniciando pela a métrica sup , ou infinito, mas no que alguma ja for feitas escolham outras 3 diferentes) para uma vizinhança 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 métricas apresentados no slide 32. Para os 4 primeiros niveis de vizinhança use as mesmas cores deste slide.
O trabalho é para ser apresentado e comparado com as respostas de cada aluno na sala de aula.
Qual a figura geométrica resultante de cada vizinhança?



Trabalho 8

Para (04/11/2015):

Cada aluno ou grupo deve apresentar um algoritmo de segmentação baseado em crescimento de regioes, divisao/fusao, atlas/registro, ou tecnicas hibridas destas (pesquisas novas são 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 não apenas tons, ou uma unica caracteristica.
As features deverão ser escolhidas de modo a fazer sentido para o problema a ser segmentado, estarem bem escolhidas (não representarem coisas com mesmo sentido) e serem do menor numero possivel.
(O uso de tecnicas de seleção como ICA, PCA, etc, são encorajadas).
Como os demais esse trabalho é para ser apresentado e explicado oralmente na sala de aula.
Ainda , deverá ser depois aplicado ao trabalho 9.



Trabalho 9

Para (11/11/2015):

Cada aluno deve fazer apresentar uma solução para segmentação automática da ROI em imagens termicas, e do corpo caloso, em imagens de RM.
Recomendamos para isso assistir a apresentação 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 detecção precoce de doenças da mama e segmentação de imagens médicas.

O trabalho é 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 explicação de como pode ser a Analise dos Componentes Independentes (ICA = indepedent component analysis), Se baseando na explição 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 - Computação Gráfica: volume 2.
O trabalho é 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 é para ser explicado oralmente na sala de aula.


Exercicio 2

Para (27/03):

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


Exercicio 3

Para até a próxima aula (02/04):

Cada aluno deve primeiro escolher um espaço 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 transformação ou de equações , como se transformam as bandas RGB normalizadas neste espaço.
A seguir fazer o mesmo de forma inversa, ou seja, mostrar como se volta deste espaço para o RGB.
Ainda: dar pelo menos 10 valores de cores RGB neste espaço. Ou seja mostrar como exemplos, a descrição de pelo menos 10 cores normalizadas em ambos os espaços , por exemplo as seguintes cores são 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 vizualiazação geometrica (por exemplo CMY como o RGB são um cubo diagonalmente opostos e com ou eixos principois defazados e apontando em direções 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.

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


TRABALHO 1

(proxima aula de maio /2013)

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

1- original
2- depois de processada por Equalização do Histograma
3- depois de uma equalização adaptativa do histograma (AHE - Adaptative Histogram Equalization)
4- depois de usar a técnica de equalização adaptativa de histograma com limitação de contraste (CLAHE - Contrast Limited Adaptive Histogram Equalization)

Na técnica 3 (AHE) , em vez do histograma global, é calculado um histograma local para vizinhança 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 técnica 4 (CLAHE) corta, no histograma local, todas as intensidades em que o número de pixeis esteja acima de um limite definido. As intensidades acima do limite são redistribuídas no histograma pelos tons vizinhos.


A Figura abaixo mostra uma representação desse processo, em janela de 8x8, retirada da Dissertação apresentada ao Programa de Pós-Graduação em Ciência da Computação da Universidade Federal do Maranhão, pore Leonardo Silva Kury Aragão Mendes: Detecção de Massas em Imagens Mamográficas 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


[Tópicos do Curso][Referências Bibliográficas] [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 Visão 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 Médicas:
    • 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 Visão 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


[Referências Bibliográficas] [Trabalhos][Outros Sites]



voltar inicio ementa

dados do professor

voltar linhas de pesquisa