Imagens e processamento de imagens

Para um computador, uma imagem é uma matriz de valores numéricos de pixel . Por exemplo, considere a seguinte matriz:

 0   0   0   0   0   0   0  
 0   0   0   0   0   0   0
 0   0  255 255 255  0   0
 0   0  255 255 255  0   0
 0   0  255 255 255  0   0
 0   0   0   0   0   0   0
 0   0   0   0   0   0   0

A matriz consiste em sete linhas e sete colunas, representando os valores de pixel para uma imagem de 7 x 7 pixels (que é conhecida como resolução da imagem). Cada pixel tem um valor entre 0 (preto) e 255 (branco); com valores entre esses limites que representam tons de cinza. A imagem representada por essa matriz é semelhante à seguinte imagem (ampliada):

A matriz de valores de pixel para essa imagem é bidimensional (representando linhas e colunas, ou coordenadas x e y ) e define um único retângulo de valores de pixel. Uma única camada de valores de pixel como esta representa uma imagem em escala de cinza. Na realidade, a maioria das imagens digitais são multidimensionais e consistem em três camadas (conhecidas como canais) que representam tons de cor vermelho, verde e azul (RGB). Por exemplo, poderíamos representar uma imagem de cor definindo três canais de valores de pixel que criam a mesma forma quadrada que o exemplo de escala de cinza anterior:

Red:
 150  150  150  150  150  150  150  
 150  150  150  150  150  150  150
 150  150  255  255  255  150  150
 150  150  255  255  255  150  150
 150  150  255  255  255  150  150
 150  150  150  150  150  150  150
 150  150  150  150  150  150  150

Green:
 0    0    0    0    0    0    0          
 0    0    0    0    0    0    0
 0    0   255  255  255   0    0
 0    0   255  255  255   0    0
 0    0   255  255  255   0    0
 0    0    0    0    0    0    0
 0    0    0    0    0    0    0

Blue:
 255  255  255  255  255  255  255  
 255  255  255  255  255  255  255
 255  255   0    0    0   255  255
 255  255   0    0    0   255  255
 255  255   0    0    0   255  255
 255  255  255  255  255  255  255
 255  255  255  255  255  255  255

Esta é a imagem resultante:

Os quadrados roxos são representados pela combinação:

Red: 150 
Green: 0 
Blue: 255 

Os quadrados amarelos no centro são representados pela combinação:

Red: 255
Green: 255
Blue: 0

Filtros

Uma maneira comum de executar tarefas de processamento de imagem é aplicar filtros que modificam os valores de pixel da imagem para criar um efeito visual. Um filtro é definido por uma ou mais matrizes de valores de pixel, chamadas kernels de filtro. Por exemplo, você pode definir o filtro com um kernel 3x3, conforme mostrado neste exemplo:

-1 -1 -1
-1  8 -1
-1 -1 -1

Em seguida, o kernel é envolvido em toda a imagem, calculando uma soma ponderada para cada patch de 3x3 de pixels e atribuindo o resultado a uma nova imagem. É mais fácil entender como a filtragem funciona explorando um exemplo passo a passo.

Vamos começar com a imagem em tons de cinza que exploramos anteriormente.

 0   0   0   0   0   0   0  
 0   0   0   0   0   0   0
 0   0  255 255 255  0   0
 0   0  255 255 255  0   0
 0   0  255 255 255  0   0
 0   0   0   0   0   0   0
 0   0   0   0   0   0   0

Primeiro, aplicamos o kernel de filtro ao patch superior esquerdo da imagem, multiplicando cada valor de pixel pelo valor de peso correspondente no kernel e adicionando os resultados:

(0 x -1) + (0 x -1) + (0 x -1) +
(0 x -1) + (0 x 8) + (0 x -1) +
(0 x -1) + (0 x -1) + (255 x -1) = -255

O resultado (-255) torna-se o primeiro valor em uma nova matriz. Em seguida, movemos o kernel de filtro ao longo de um pixel para a direita e repetimos a operação:

(0 x -1) + (0 x -1) + (0 x -1) +
(0 x -1) + (0 x 8) + (0 x -1) +
(0 x -1) + (255 x -1) + (255 x -1) = -510

Novamente, o resultado é adicionado à nova matriz, que agora contém dois valores:

-255  -510

O processo é repetido até que o filtro tenha sido convolvido em toda a imagem, conforme mostrado nesta animação:

O filtro é convolvido na imagem, calculando uma nova matriz de valores. Alguns dos valores podem estar fora do intervalo de valores de 0 a 255 pixels, portanto, os valores são ajustados para se ajustarem a esse intervalo. Devido à forma do filtro, a borda externa dos pixels não é calculada, portanto, um valor de preenchimento (geralmente 0) é aplicado. A matriz resultante representa uma nova imagem na qual o filtro transformou a imagem original. Nesse caso, o filtro teve o efeito de realçar as bordas de formas na imagem.

Para ver o efeito do filtro com mais clareza, veja um exemplo do mesmo filtro aplicado a uma imagem real:

Imagem original	Imagem filtrada

Como o filtro é convolvido na imagem, esse tipo de manipulação de imagem geralmente é conhecido como filtragem convolucional . O filtro usado neste exemplo é um tipo específico de filtro (chamado de filtro Laplace ) que realça as bordas em objetos em uma imagem. Há muitos outros tipos de filtro que você pode usar para criar desfoque, nitidez, inversão de cores e outros efeitos.