O documento discute processamento de imagens, incluindo conceitos como resolução de imagem, transformações geométricas, correção de cores e combinação de imagens. Também lista aplicações como fotografia, imagens de satélite e processamento médico, além de apresentar comandos básicos do Matlab para lidar com imagens, como ler, exibir e converter entre formatos de imagem.

1. Professor:
Gerson Leiria Nunes

2.  Processamento de imagens
 Trabalhando com imagens
 Problemas típicos
 Aplicações
 Comandos básicos matlab

3.  Processamento de imagem é qualquer forma de
processamento de dados no qual a entrada e
saída são imagens tais como fotografias ou
quadros de vídeo.
 Ao contrário do tratamento de imagens, que
preocupa-se somente na manipulação de figuras
para sua representação final, o processamento de
imagens é um estágio para novos
processamentos de dados tais como:
◦ Aprendizagem de máquina
◦ Reconhecimento de padrões
◦ Buscas por similaridades

4.  Resolução de imagem: descreve o nível de detalhe que
uma imagem comporta.
 O termo resolução é usado como uma contagem de pixels
em imagens digitais, uma imagem de N pixels de altura
por M pixels de largura, em que o primeiro número é a
quantidade de colunas (largura) de pixels e o segundo é
número de linhas (altura) de pixels; algo como 640 X 480,
por exemplo.
 Outra convenção popular é citar a resolução como a
quantidade total de pixels na imagem, tipicamente
informada como o número de megapixels, os quais podem
ser calculados multiplicando-se as colunas de pixels pelas
linhas de pixels e dividindo-se o resultado por um milhão.
 Outras convenções incluem descrever pixels por unidade
de comprimento ou pixels por unidade de área, tais como
pixels por polegada (dpi) ou por polegada quadrada.

5.  Transformações geométricas tais como
escala, rotação e inclinação;
 Correção de cor, ajustes de brilho, contraste,
limiarização ou conversão de espaço de cor;
 Combinação de imagens por média, diferença
ou composição;
 Interpolação e recuperação de imagem de um
formato bruto tal como o filtro Bayesiano;
 Segmentação de uma imagem em regiões;

6.  Fotografia e Impressão
 Imagens de Satélite
 Processamento de imagens médicas
 Detecção de face ou de objeto
 Biometria
 Classificação/Representação
 Extração de características
 Reconhecimento de padrões

7.  Lendo uma imagem:
◦ img = imread(‘imagem.jpg’);
 Mostrando a imagem
◦ figure, imshow(img)
 Convertendo pra tons de cinza ou preto e branco
◦ img_gray = rgb2gray(img)
◦ imb_bw = rgb2bw(img)
 Mostrando histograma da imagem
◦ figure, imhist(img_gray)
 Ajustando a imagem (equalização histogrâmica)
◦ img_adj = imadjust(img_gray)

8.  imshow Display image
 subimage Display multiple images in single
figure
 immovie Make movie from multiframe image
 implay Play movies, videos, or image
sequences
 iptgetpref Get values of Image Processing
Toolbox preferences
 imread Lendo imagem do arquivo
 imwrite Escrevendo imagem no arquivo
 imfinfo Informação sobre a imagem

9.  gray2ind
◦ Convert grayscale or binary image to indexed image
 ind2gray
◦ Convert indexed image to grayscale image
 mat2gray
◦ Convert matrix to grayscale image
 rgb2gray
◦ Convert RGB image or colormap to grayscale
 ind2rgb
◦ Convert indexed image to RGB image
 label2rgb
◦ Convert label matrix into RGB image
 demosaic
◦ Convert Bayer pattern encoded image to truecolor image
 imquantize
◦ Quantize image using specified quantization levels and output values
 multithresh
◦ Multilevel image thresholds using Otsu's method

10.  im2bw
◦ Convert image to binary image
 graythresh
◦ Global image threshold using
 grayslice
◦ Convert grayscale image to indexed image
 im2double
◦ Convert image to double precision
 im2int16
◦ Convert image to 16-bit signed integers
 im2java2d
◦ Convert image to Java buffered image
 im2single
◦ Convert image to single precision
 im2uint16
◦ Convert image to 16-bit unsigned integers
 im2uin8
◦ Convert image to 8-bit unsigned integers

11.  http://www.mathworks.com/help/images/ex
amples/index.html
 Desembaçar
 Melhoramentos
 Registro de Imagens
 Segmentação de Imagens
 Transformação espacial
 Medindo características da imagem
 Transformações
 Trabalhando com imagens grandes