|
Acadêmico(a): Aurélio Faustino Hoppe |
Título: Recuperação Distribuída de Imagens por Similaridade |
|
Introdução: |
O interesse em métodos de processamento de imagens digitais decorre de duas áreas principais de aplicação: melhoria de informação visual para a interpretação humana e o processamento de dados para percepção automática. Uma das primeiras aplicações de técnicas de processamento de imagens foi o melhoramento de imagens digitalizadas para jornais, enviadas por meio de cabo submarino de Londres para New York (GONZALEZ; WOODS, 2000, p. 1).
Entretanto, foi necessária a combinação do surgimento de computadores digitais de grande porte com o programa espacial americano para chamar atenção ao potencial dos conceitos de processamento de imagem. O emprego de técnicas de computação para o melhoramento de imagens produzidas por uma sonda espacial iniciou-se no Jet Propulsion Laboratory em 1964, quando imagens da lua, foram processadas e transmitidas por um computador para corrigir vários tipos de distorções de imagens inerentes a câmera de
televisão a bordo. Essas técnicas serviram de base para métodos melhorados no realce e restauração de imagens das missões Surveyor para a lua, a série Mariner de missões para Marte, os vôos tripulados da Apolo para a lua e outros (GONZALEZ; WOODS, 2000, p. 20).
Devido ao grande avanço tecnológico dos últimos anos, a área de processamento de imagens vem crescendo vigorosamente. Atualmente as técnicas de processamento de imagens são utilizadas para resolver uma variedade de problemas. Embora freqüentemente não relacionados, esses problemas comumente requerem métodos capazes de melhorar a informação visual para a análise e interpretação humana. Em medicina, por exemplo, procedimentos computacionais melhoram o contraste ou codificam os níveis de intensidade em cores, de modo a facilitar a interpretação de imagens de raios-X e outras imagens biomédicas. Similarmente, aplicações de processamento de imagens podem ser encontradas em astronomia, biologia, medicina nuclear, apoio da lei, defesa e aplicações industriais (FACON, 1993, p. 8).
A segunda maior área de aplicação de técnicas de processamento de imagens digitais, consiste na solução de problemas relacionados à percepção. Nesse caso, o interesse concentrase em procedimentos para extrair de uma imagem informação de uma forma adequada para o processamento computacional.
“Uma imagem pode ser descrita por uma função f(x,y) da intensidade luminosa, sendo seu valor, em qualquer ponto de coordenadas espaciais (x,y), proporcional ao brilho da imagem naquele ponto.” (FACON, 1993, p. 25). Uma imagem pode ser considerada como sendo uma matriz cujos índices de linhas e de colunas identificam um ponto na imagem, e o correspondente valor do elemento da matriz identifica o nível de cinza naquele ponto. Os elementos dessa matriz são chamados de elementos da imagem, elementos da figura, “pixels” ou “pels”, estes dois últimos, abreviações de picture elements.
Na escala de cinza utiliza-se uma função para descrever a tonalidade (intensidade) de cinza, conforme pode ser visto na Figura 1. Os valores estão representados em um conjunto [0-255], sendo que 0 representa a cor preta e 255 a cor branca, pode-se dizer que valor do ponto p(3,2) da Figura 1 é 186.
Fonte: adaptado de Facon (1993, p. 25)
Figura 1 – Representação da imagem na forma de matriz
Para as imagens coloridas, a técnica empregada é similar. Geralmente utiliza-se o padrão Red, Green, Blue (RGB) para descrever imagens coloridas (FOLEY, 2000, p. 180), onde este padrão é baseado na capacidade natural dos seres humanos perceberem as cores. Ao contrário das imagens em tons de cinza, as coloridas necessitam de três funções para descrevê-las, uma para cada banda de freqüência do espectro de cores que correspondem às bandas vermelha (R), verde (G) e azul (B). Nas imagens coloridas, cada ponto é representado por estes três valores de intensidade r(x,y), g(x,y) e b(x,y).
Através da representação da imagem na forma de matriz, pode-se obter informações que possibilitam reconhecer e comparar elementos que a compõem.
A Figura 2 mostra que o objetivo global do processamento de imagens é produzir um resultado a partir do domínio do problema (GONZALEZ; WOODS, 2000, p. 5).
Fonte: adaptado de Gonzalez e Woods (2000, p. 5)
Figura 2 – Elementos da recuperação e análise das imagens
Conceitualmente divide-se o processamento de imagens em três áreas: (1) processamento de baixo nível, (2) processamento de nível intermediário e (3) processamento de alto nível. Embora essas subdivisões não tenham fronteiras definidas, elas fornecem um esquema de trabalho útil para a categorização dos vários processos que são componentes inerentes de um sistema de análise de imagens.
O processamento de baixo nível trata de funções que podem ser vistas como reações automáticas, não requerendo qualquer inteligência da parte do sistema de análise de imagens. As funções de baixo nível podem ser comparadas aos processos de sensação e adaptação que ocorrem com uma pessoa tentando achar uma poltrona imediatamente depois de entrar em um teatro escuro vindo de um lugar iluminado com a luz do sol. O processo de busca por uma poltrona desocupada não pode começar enquanto uma imagem apropriada não estiver disponível. O processo seguido pelo cérebro na adaptação do sistema visual para produzir uma imagem e uma reação automática é inconsciente.
O processamento de nível intermediário trata da tarefa de extração (busca das imagens nas bases de dados distribuídas) e caracterização de componentes (por exemplo, regiões) em uma imagem resultante do processo de baixo nível. Os processos de nível intermediário incluem a segmentação e a descrição.
Finalmente, o processamento de alto nível envolve o reconhecimento e a interpretação das técnicas empregadas no nível intermediário.
Devido ao alto custo computacional utilizado para o reconhecimento e a interpretação de imagens, atualmente opta-se pelo uso de aplicações distribuídas para reduzir o tempo de processamento (BENDA, 1997, p. 13).
Este trabalho destina-se a apresentar noções sobre a utilização de middlewares na elaboração de sistemas distribuídos, apresentando o padrão Java RMI como uma solução para reduzir o tempo gasto no processamento de imagens.
|
|
|