Universal Image Quality Index - Version II

631 visualizações

Publicada em

The main function of the human eyes is to extract structural information from the viewing field, and the human visual system is highly adapted for this purpose. Therefore, a measurement of structural distortion should be a good approximation of perceived image distortion. We propose a new universal objective image quality index, which is easy to calculate and applicable to various image processing applications. Instead of using traditional error summation methods, the proposed index is designed by modeling any image distortion as a combination of three factors: loss of correlation, luminance distortion, and contrast distortion. Although the new index is mathematically defined and no human visual system model is explicitly employed, experiments on various image distortion types show that it exhibits surprising consistency with subjective quality measurement. It performs significantly better than the widely used distortion metric mean squared error.

Publicada em: Educação
0 comentários
1 gostou
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
631
No SlideShare
0
A partir de incorporações
0
Número de incorporações
78
Ações
Compartilhamentos
0
Downloads
4
Comentários
0
Gostaram
1
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Universal Image Quality Index - Version II

  1. 1. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação A Universal Image Quality Index Métrica de Avaliação da Qualidade em Imagens Digitais Michel Alves dos Santos Pós-Graduação em Engenharia de Sistemas e Computação Universidade Federal do Rio de Janeiro - UFRJ - COPPE Cidade Universitária - Rio de Janeiro - CEP: 21941-972 Docente Responsável: Prof. Dsc. Ricardo Marroquim {michel.mas, michel.santos.al}@gmail.com 03 de Maio de 2013 Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  2. 2. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Como Medir a Qualidade de Imagens? Figura: Avaliação de Imagens. (A) Imagem original “Lena”, 512x512, 8 bits/pixel; (B) Imagem contaminada com ruído gaussiano aditivo. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  3. 3. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Métricas de Qualidade Métricas de Qualidade Subjetivas e Objetivas. Figura: Organograma exibindo alguns tipos de métricas de qualidade. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  4. 4. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Métricas de Qualidade Classificação Referencial das Métricas Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  5. 5. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Métricas de Qualidade Empregabilidade das Métricas de Qualidade Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  6. 6. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Aplicações das Métricas de Qualidade Áreas nas quais essas métricas podem atuar. Aplicações na Área Geológica; Aplicações na Área Metereológica; Aplicações na Área Médica; Aplicações na Área Militar; Aplicações na Área de Transmissão de Vídeo, etc. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  7. 7. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Previamente... Antes do “Índice de Qualidade Universal”. Abordaremos, apenas a título de comparação, outras métricas que são amplamente utilizadas. As métricas abordadas serão: MSE Mean Squared Error; NRMSE Normalized Root Mean Squared Error; PSNR Peak Signal-To-Noise Ratio. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  8. 8. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação MSE - Mean Squared Error Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os sinais de duas imagens e N é o número de sinais das imagens. O MSE entre as imagens x e y será dado por: MSE(x, y) = 1 N N i=1 (xi − yi)2 É largamente usado em tarefas de otimização e problemas de deconvolução, porém possui limitações quando usado na predição da percepção humana de qualidade e fidelidade de imagens. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  9. 9. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação NRMSE - Normalized Root Mean Squared Error Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os sinais de duas imagens e N é o número de sinais das imagens. O NRMSE entre as imagens x e y será dado por: NRMSE(x, y) =   N i=1 (xi − α · yi)2     N i=1 x2 i   Onde α será dado por: α =   N i=1 (xi · yi)     N i=1 y2 i   Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  10. 10. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação PSNR - Peak Signal-To-Noise Ratio O PSNR é uma relação entre o máximo possível de potência de um sinal, pela potência do ruído, quando comparamos um sinal antes e depois de um processo de degradação. Sua unidade é o dB (decibel). O índice de qualidade é definido como: PSNR = 10 · log10   MAX2 p MSE   = 20 · log10 MAXp √ MSE Onde MAXp é o valor máximo possível de um pixel e MSE é o erro quadrático médio do conjunto avalidado. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  11. 11. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Peak Signal-To-Noise Ratio Aplicando o conceito de PSNR em vídeos e imagens, podemos observar que o mesmo é a relação entre a entrada e a saída de um processo de compressão com perdas, que avalia o quanto o processo introduziu ruídos na imagem ou frame original. Quanto maior o valor do PSNR, maior é a relação entre a potência do sinal pela potência do ruído, o que significa melhor qualidade. Valores de PSNR acima de 42dB correspondem à compressões que introduzem perdas imperceptíveis ao olho humano, o que significa uma qualidade excepcional. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  12. 12. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Peak Signal-To-Noise Ratio Quadro de Qualidade dos Valores PSNR Qualidade Valores Qualidade Excepcional Acima de 42dB Bastante Aceitável Acima de 36dB Qualidade Mediana Entre 30dB e 36dB Baixa Qualidade Abaixo de 30dB Tabela: Quadro com as faixas de qualidade para o índice PSNR. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  13. 13. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação A Universal Image Quality Index Movidos pela necessidade de uma métrica que fosse fácil de se obter e de ser empregada em várias aplicações de processamento de imagens, Zhou Wang e Alan Bovik propuseram um novo índice. Diferente dos métodos tradicionais de avaliação de erro, o índice proposto foi concebido para modelagem de quaisquer distorções em imagens como uma combinação de 3 fatores: Perda de Correlação; Distorções na Luminância; Distorções no Contraste. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  14. 14. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Características da “Nova” Métrica Principais Características do Índice de Qualidade Matematicamente definido; Baixa complexidade computacional; Modelado para lidar com diferentes tipos de distorção; Independente de avaliação humana Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  15. 15. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Definição do Novo Índice de Qualidade Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os sinais das imagens original e de teste, respectivamente. O novo índice de qualidade proposto será definido como: Q = 4 σxy x y (σ2 x + σ2 y)[(x)2 + (y)2] Os valores assumidos por Q variam no intervalo [−1, 1] Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  16. 16. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Detalhamento do Novo Índice de Qualidade Q = 4 σxy x y (σ2 x + σ2 y )[(x)2 + (y)2] x = 1 N N i=1 xi y = 1 N N i=1 yi σ2 x = 1 N−1 N i=1 (xi − x)2 σ2 y = 1 N−1 N i=1 (yi − y)2 σxy = 1 N−1 N i=1 (xi − x)(yi − y) Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  17. 17. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Os Três Fatores que Compõem o Índice Q = 4 σxy x y (σ2 x + σ2 y)[(x)2 + (y)2] O novo índice de qualidade pode ser reescrito como o produto de três fatores ou componentes: Q = σxy σxσy · 2 x y (x)2 + (y)2 · 2 σxσy σ2 x + σ2 y Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  18. 18. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Entendendo Melhor a Composição de Fatores. Q = σxy σxσy · 2 x y (x)2 + (y)2 · 2 σxσy σ2 x + σ2 y σxy σx σy =⇒ Coeficiente de correlação entre x e y. 2 x y (x)2 + (y)2 =⇒ Coeficiente de luminância entre x e y. 2 σx σy σ2 x + σ2 y =⇒ Coeficiente de constraste entre x e y. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  19. 19. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Quadro de Avaliação dos Fatores. Q = σxy σxσy · 2 x y (x)2 + (y)2 · 2 σxσy σ2 x + σ2 y Fator Intervalo Melhor Caso Coeficiente de Correlação [−1, 1] yi = axi + b, ∀ i = 1, 2, . . . , N Coeficiente de Luminância [0, 1] x = y Coeficiente de Contraste [0, 1] σx = σy Tabela: Quadro comparativo entre os fatores que compõem o índice. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  20. 20. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Finalmente... Como Funciona o Algoritmo? Usando a abordagem de janelas deslizantes! Começamos pelo canto superior esquerdo da imagem com uma janela deslizante de tamanho B × B. 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 o índice de qualidade local Qj levando em consideração apenas os valores internos da janela. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  21. 21. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Ilustrando... Passo 1 Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  22. 22. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Ilustrando... Passo 2 Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  23. 23. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Ilustrando... Passo 3 Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  24. 24. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Ilustrando... Passo 20 Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  25. 25. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Ilustrando... Passo 21 Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  26. 26. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Ilustrando... J-ésimo Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  27. 27. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Ao Final do Processo... Ao término do processo: Teremos executado um total de M passos. O índice de qualidade global da imagem será dado por: Q = 1 M M j=1 Qj E além disso teremos acesso ao mapa de índices de qualidade da imagem. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  28. 28. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Mapa de Índices de Qualidade Admitindo um bloco de avaliação de dimensão B × B: Map.Width = Image.Width - B + 1 Map.Height = Image.Height - B + 1 Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  29. 29. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Fluxograma - Obtenção do Índice de Qualidade Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  30. 30. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Exemplo - Obtido Através da Plataforma R Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  31. 31. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Mapas - Obtidos Através da Plataforma R Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  32. 32. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Índices - Obtidos Através da Plataforma R. Índices Relativos ao Exemplo Anterior. Índice Valor Encontrado Universal Image Quality Index (UIQI) 0.60898 Mean Squared Error (MSE) 81.3293 Normalized Root Mean Squared Error (NRMSE) 0.00469 Peak Signal-To-Noise Ratio (PSNR) 29.0283 Tabela: Quadro com os índices encontrados utilizando a plataforma R para a imagem “Lena”, 512x512, 8bits/pixel. Observe que um simples desfoque gaussiano levemente aplicado faz com que o PSNR atinja o limiar de qualidade que é dito como bastante aceitável quando seu valor se encontra acima de 36dB e mediano entre 30dB e 36dB. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  33. 33. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Codificação da Função Média em R Exibindo a função que computa a média dos blocos original e de teste. x = 1 N N i=1 xi y = 1 N N i=1 yi Implementada na Plataforma R. § ¤ 1 MyMeanFunction <− f u n c t i o n (my . block . or . matrix ) 2 { 3 return (mean(my . block . or . matrix ) ) 4 } ¦ ¥ Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  34. 34. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Codificação da Função Variância em R Exibindo a função que computa a variância dos blocos original e de teste. σ2 x = 1 N−1 N i=1 (xi − x)2 σ2 y = 1 N−1 N i=1 (yi − y)2 Implementada na Plataforma R. § ¤ 1 MySquaredSigmaFunction <− f u n c t i o n (my . block . or . matrix , my . mean . v a l u e ) 2 { 3 N <− length (my . block . or . matrix ) 4 return ( sum ((my . block . or . matrix − my . mean . v a l u e ) ^2)/ (N − 1) ) 5 } ¦ ¥ Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  35. 35. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Codificação da Função Covariância em R Exibindo a função que computa a covariância. σxy = 1 N−1 N i=1 (xi − x)(yi − y) Implementada na Plataforma R. § ¤ 1 MyDoubleSigmaFunction <− f u n c t i o n ( block . x , mean . x , block . y , mean . y ) 2 { 3 # Resgatando o tamanho do bloco , podemos usar o v a l o r de x ou y 4 N <− length ( block . x ) 5 6 # Retornando v a l o r 7 return (sum (( block . x − mean . x )*( block . y − mean . y ) ) / (N − 1) ) 8 } ¦ ¥ Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  36. 36. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Codificação do Índice em R § ¤ 1 MyUniversalImageQualityIndexPerBlock <− f u n c t i o n (my . block . x , my . block . y ) 2 { 3 # Mapeando os v a l o r e s dos b l o c o s x e y para i d e n t i f i c a d o r e s menos verbosos 4 x <− my . block . x 5 y <− my . block . y 6 7 # Mean 8 x_bar <− MyMeanFunction ( x ) 9 y_bar <− MyMeanFunction ( y ) 10 11 # Covariance 12 double_sigma <− MyDoubleSigmaFunction ( x , x_bar , y , y_bar ) 13 14 # Variance 15 squared_sigma_x <− MySquaredSigmaFunction ( x , x_bar ) 16 squared_sigma_y <− MySquaredSigmaFunction ( y , y_bar ) 17 18 # Numerator 19 numerador <− 4*double_sigma*x_bar*y_bar 20 21 # Denominator 22 denominador <− ( squared_sigma_x + squared_sigma_y )*( x_bar ^2 + y_bar ^2) 23 24 # Index block v a l u e r e t u r n 25 return ( numerador/ denominador ) 26 } ¦ ¥ Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  37. 37. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Codificação do Mapa em R § ¤ 1 MyUniversalImageQualityIndexMap <− f u n c t i o n ( o r i g i n a l , te s t , my . block . s i z e = 8) 2 { 3 bs <− my . block . s i z e # Diminuindo a v e r b o s i d a d e 4 5 # Resgatando as tamanhos 6 my . rows <− dim ( o r i g i n a l ) [ 1 ] ; my . c o l s <− dim ( o r i g i n a l ) [ 2 ] 7 8 # Definindo o tamanho do mapa 9 my . map . h <− my . rows − bs + 1; my . map .w <− my . c o l s − bs + 1 10 my . q u a l i t y . map <− matrix (0 , nrow = my . map . h , ncol = my . map .w) 11 12 # Looping que v a r r e a imagem 13 f o r ( i i n 1 : (my . rows − bs + 1) ) 14 { 15 f o r ( j i n 1 : (my . c o l s − bs + 1) ) 16 { 17 # Resgatando os b l o c o s 18 tmp_ o r i g i n a l <− o r i g i n a l [ i : ( i + bs − 1) , j : ( j + bs − 1) ] 19 tmp_t e s t <− t e s t [ i : ( i + bs − 1) , j : ( j + bs − 1) ] 20 21 # Armazenando r e s u l t a d o do bloco c o r r e n t e . 22 MyQ <− MyUniversalImageQualityIndexPerBlock (tmp_o r i g i n a l , tmp_t e s t ) 23 my . q u a l i t y . map [ i , j ] <− i f ( i s . nan (MyQ) ) 1 e l s e MyQ 24 } 25 } 26 return ( my . q u a l i t y . map ) 27 } ¦ ¥ Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  38. 38. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Alguns Cuidados Devem Ser Tomados! Devemos prestar atenção ao cálculo das componentes do Índice de Qualidade! O que acontece com o índice se o seguinte bloco for avaliado?               132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132 132               Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  39. 39. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Quadro Comparativo. Estimativas Fornecidas e Encontradas. Distorção Artigo Encontrado MSEA MSEE Mean Shift 0.9894 0.98939 225 225.032 Contrast Stretching 0.9372 0.93389 225 225.244 Impulsive Salt-Pepper Noise 0.6494 0.64889 225 225.472 Multiplicative Speckle Noise 0.4408 0.44048 225 225.769 Additive Gaussian Noise 0.3891 0.38898 225 226.283 Blurring 0.3461 0.34302 225 224.741 Jpeg Compression 0.2876 0.28725 215 215.603 Tabela: Quadro comparativo entre os índices fornecidos pelo artigo e encontrados através de implementação do algoritmo utilizando a plataforma R para a imagem “Lena”, 512x512, 8bits/pixel. MSEA - fornecido no artigo. MSEE - encontrado através de implementação. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  40. 40. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Quadro Comparativo - Mean Shift. Figura: Comparação entre imagens: “Lena”, 512x512, 8 bits/pixel. Avaliação Utilizando Imagem Original e Mean Shift Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  41. 41. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Comparativo Detalhado - Mean Shift. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  42. 42. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Quadro Comparativo - Contrast Stretching. Figura: Comparação entre imagens: “Lena”, 512x512, 8 bits/pixel. Avaliação Utilizando Imagem Original e Contrast Stretching Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  43. 43. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Comparativo Detalhado - Contrast Stretching. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  44. 44. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Quadro Comparativo - Impulsive Salt-Pepper Noise. Figura: Comparação entre imagens: “Lena”, 512x512, 8 bits/pixel. Avaliação Utilizando Imagem Original e Salt-Pepper Noise Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  45. 45. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Comparativo Detalhado - Impulsive Salt-Pepper Noise. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  46. 46. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Quadro Comparativo - Multiplicative Speckle Noise. Figura: Comparação entre imagens: “Lena”, 512x512, 8 bits/pixel. Avaliação Utilizando Imagem Original e Speckle Noise Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  47. 47. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Comparativo Detalhado - Multiplicative Speckle Noise. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  48. 48. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Quadro Comparativo - Additive Gaussian Noise. Figura: Comparação entre imagens: “Lena”, 512x512, 8 bits/pixel. Avaliação Utilizando Imagem Original e Gaussian Noise Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  49. 49. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Comparativo Detalhado - Additive Gaussian Noise. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  50. 50. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Quadro Comparativo - Blurring. Figura: Comparação entre imagens: “Lena”, 512x512, 8 bits/pixel. Avaliação Utilizando Imagem Original e Blurring Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  51. 51. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Comparativo Detalhado - Blurring. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  52. 52. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Quadro Comparativo - Jpeg Compression. Figura: Comparação entre imagens: “Lena”, 512x512, 8 bits/pixel. Avaliação Utilizando Imagem Original e Jpeg Compression Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  53. 53. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Comparativo Detalhado - Jpeg Compression. Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  54. 54. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Isso é tudo pessoal !!! Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756
  55. 55. Universidade Federal do Rio de Janeiro - COPPE / PESC Pós-Graduação em Engenharia de Sistemas e Computação Agradecimentos Grato Pela Atenção! Michel Alves dos Santos - michel.mas@gmail.com Michel Alves - Laboratório de Computação Gráfica - LCG Introdução ao Processamento Digital de Imagens - COS756

×