O documento discute a melhoria de imagens usando técnicas de redes nebulosas no processamento de imagem, destacando a segmentação e suas aplicações práticas, como reconhecimento facial e imagens médicas. São apresentadas várias abordagens fuzzy, que facilitam o manuseio e melhoram características visuais de imagens, utilizando métodos como ajuste de contraste e detecção de bordas. A aplicação de um algoritmo baseado em regras fuzzy foi implementada em MATLAB, demonstrando a eficácia na melhoria de imagens de baixa qualidade.

1. “A Melhoria da Imagem
Usando a Técnica de
Redes Nebulosas”

2. Processamento de imagem
• Na visão computacional, processamento de imagem é
qualquer forma de processamento de sinal para o qual a
entrada é uma imagem, como fotografias ou quadros de vídeos.
• A melhoria da imagem significa enriquecer a percepção de
imagens para os observadores humanos. Isto pode reduzir o
ruído impulsivo, intensificar as bordas com a ajuda de
diferentes técnicas de aprimoramento da imagem.
• As técnicas de processamento de imagem, referem-se a
restauração da imagem, realce da imagem e segmentação das
imagens.

3. Processamento de imagens
• A segmentação de imagens é o processo de atribuição de um
rótulo para cada pixel de uma imagem de tal forma que os pixels com
os mesmos rótulos compartilhem certas características
visuais.
• As partições e diferentes objetos em segmentação de
imagens é um conjunto de regiões que cobrem coletivamente
toda a imagem, onde os pixels são semelhantes com relação a algum
a característica ou propriedade computada como cor,
intensidade ou textura.
• O processamento tem o interesse em analisar as imagens
dos produtos com o objetivo de determinar a presença ou
ausência de anomalias específicas.

4. Processamento da imagem
• Algumas aplicações práticas de segmentação de imagem
são:





Visão computacional.
Reconhecimento de face.
Imagens médicas.
Bibliotecas digitais.
Recuperação do vídeo.
• As desvantagens da maior parte dos métodos de
segmentação são que eles utilizam uma linguagem de alto
nível para a codificação.

5. Técnicas de fuzzy no processamento de
imagem
• A vantagem objetiva com a utilização de sistemas nebulosos
(fuzzy) com uma interface gráfica de alto nível faz com que seja
muito fácil de manusear, em relação a outros aplicativos.
• É utilizado uma coleção de diferentes abordagens nos
sistemas nebulosos que entendem, representam e processam
as imagens, seus segmentos e características como conjuntos
de sistemas nebulosos.
Processamento da
imagem em fuzzy.

6. Técnicas de fuzzy no processamento de
imagem
• O sistema fuzzy possui técnicas como agrupamento de
sistemas nebulosos, abordagem baseada em regras de sistemas
nebulosos, abordagem de integração de sistemas nebulosos que
modificam os valores associados no processamento da imagem.
• Tipos de métodos de melhoria de imagem:
•
•
•
•
•
Ajuste de contraste nos sistemas nebulosos.
Melhoria da imagem
subjetiva.
Segmentação da imagem
nos sistemas nebulosos.
Detecção de bordas nos
sistemas nebulosos.
Melhoria da imagem.

7. Técnicas de fuzzy no processamento de
imagem
• As maiorias destes métodos baseiam-se na apresentação de
dados de uma forma binaria da imagem, enquanto outros
melhoram a imagem diretamente a partir de imagens em
escala de cinza.
• O método da escala de cinza incluem os seguintes passos:
•
•
•
•
A normalização.
A estimativa de orientação local.
A estimativa de frequência local.
A filtragem por filtros projetados

8. Verificação experimental
• Com base nas seguintes regras dos sistemas nebulosos, um
algoritmo de melhoria da imagem foi desenvolvido e
Implementado:
 Se a intensidade do pixel é escura então a saída é mais escura.
 Se a intensidade do pixel é cinza então a saída é cinza.
 Se a intensidade do pixel é brilhante, então a saída é mais brilhante.
Editor FIS para a
melhoria da imagem

9. Verificação experimental
• Editor de função de associação do FIS:

10. Verificação experimental
• Editor de regras do FIS:

11. Verificação experimental
• Roteiro do sistema de inferência do fuzzy:

12. Verificação experimental
• O mapeamento da imagem no nível de cinza para a melhoria
da imagem:

13. Resultados
• O código em MatLab foi utilizado para implementar o
algoritmo proposto. O experimento foi feito com várias imagens
de baixa qualidade. Alguns dos resultados são os seguintes:
Imagem Original
Imagem Melhorada

14. Conclusão
• A utilização da técnica das regras de fuzzy (if/them), são
uma ponte entre o sofisticado conhecimento humano de um lado e a
estrutura numérica dos computadores por outro lado, simples e fácil
de compreender. A técnica proposta é capaz de ultrapassar os
inconvenientes dos métodos no domínio espacial como um limiar e
métodos no domínio da frequência como os filtros passa-baixa
gaussiano.