You are on page 1of 68

VII Workshop de Visao Computacional WVC 2011

Captulo

2
A Morfologia Matemtica e suas Aplicaes em
Processamento de Imagens

Jacques Facon

Resumo

A Morfologia Matemtica surgiu, a primeira vez, em 1964 das pesquisas conjuntas dos
pesquisadores Franceses Georges Matheron e Jean Serra. Entre 1964 e 1968 foram
estabelecidas as primeiras noes tericas (Operao Hit-Miss, abertura, fechamento).
Neste mesmo perodo foi criado o Centre de Morphologie Mathmatique na cole des
Mines de Paris localizada em Fontainebleau (Frana).
A fora da Morfologia Matemtica reside no fato de quantificar a intuio do pes-
quisador, analisando a estrutura geomtrica das imagens a partir de um conjunto perfei-
tamente definido e conhecido pelo usurio chamado de Elemento Estruturante. Este vai
interagir com cada entidade contida na imagem, modificando a sua aparncia, a sua
forma, o seu tamanho permitindo assim tirar algumas concluses necessrias. A eficin-
cia e tambm a dificuldade da morfologia matemtica reside na escolha da deformao
certa para transformar a intuio intelectual em aplicao prtica.
Outra grande vantagem da Morfologia Matemtica a sua simplicidade de imple-
mentao. Alm do Elemento Estruturante, os dois outros pilares da Morfologia Mate-
mtica so as duas operaes bsicas, a eroso e a dilatao, a partir das quais, por
composio, possvel realizar muitos outros operadores poderosos. O que faz que a
Morfologia Matemtica se destaca muito de outras tcnicas de processamento de ima-
gens onde, na maioria dos casos, as implementaes no aproveitam das ferramentas j
existentes.
Por todas estas razes, a rea da Morfologia Matemtica foi e ainda o centro de
muitas atenes, de numerosas pesquisas que originaram descobertas sensacionais que
revolucionaram a rea de Processamento de Imagens. Pesquisadores do mundo inteiro
usam e estudam novos rumos da Morfologia Matemtica, principalmente da Morfologia
Matemtica para imagens coloridas. O que explica que emergeram vrias escolas
desta alm da linha tradicional da cole de Mines de Paris. Como por exemplo as esco-

61
VII Workshop de Visao Computacional WVC 2011

las Americana e Holandesa, j estabelecidas faz j alguns anos. Mas tambm a escola
Brasileira em plena expanso.
As conseqncias destas diversas influncias a apario de notaes, de regras
s vezes um pouco diferentes para cada escola. O que pode s vezes confundir o leitor.
Para evitar ao mximo este tipo de confuses, o autor tentou seguir de forma mais fiel
possvel a linha tradicional da cole de Mines de Paris. As notaes adotadas seguem
portando o formalismo de G. Matheron e de J. Serra.
Com este captulo, o autor pretende apresentar as definies das ferramentas b-
sicas da Morfologia Matemtica Binria e em Nveis de cinza, demonstrar como compor
ferramentas mais complexas a partir destes operadores bsicos e ilustrar suas aplicaes
atravs de exemplos didticos, tericos e prticos.

2.1. INTRODUO
2.1.1. Prembulo
Composta das palavras gregas morph (forma) e logos (cincia), a morfologia trata das
formas que a matria pode tomar. Por exemplo, a morfologia vegetal refere-se ao estudo
da estrutura dos organismos vegetais. Da mesma maneira, a morfologia social o estudo
das estruturas da vida social.
O que morfologia matemtica? De fato, seguindo esses exemplos, a morfologia
matemtica, inicialmente elaborada por Georges Matheron e Jean Serra, concentra seu es-
foro no estudo de estruturas geomtricas presentes numa imagem atravs de ferramentas
matemticas.
O princpio bsico da morfologia matemtica consiste em extrair informaes re-
lativas geometria e topologia de conjuntos desconhecidos de uma imagem a partir
do elemento estruturante. O que um elemento estruturante ? um conjunto, comple-
tamente definido e conhecido pelo computador em forma e tamanho, que comparado,
a partir de uma transformao, aos conjuntos desconhecidos da imagem. O formato e
o tamanho do elemento estruturante possibilitam testar e quantificar de que maneira o
elemento estruturante est ou no est contido na imagem. O resultado dessa transfor-
mao permite avaliar estes conjuntos.

2.1.2. Elemento estruturante


Para facilitar a interpretao do contedo das imagens, os elementos estruturantes de-
vem ser os mais simples possveis. Na maioria dos casos, os elementos estruturantes
so escolhidos em funo das propriedades de convexidade, no-convexidade, isotropia e
anisotropia.
Do ponto de vista digital, um elemento estruturante definido pelos pixels que o
formam. Na notao que ser usada a seguir, os pixels que formam um elemento estru-
turante sero representados por . e por . Um pixel marcado . ser um pixel do
fundo, inativo ou neutro, que no interagir com a imagem f . Este tipo de pixel simples-
mente aparecer no elemento estruturante para visualizar o seu aspecto geomtrico. Um
pixel marcado significar um pixel ativo que tem um papel a desenvolver na interao
com a imagem f . Os pixels ativos do elemento estruturante criam um sub-conjunto

62
VII Workshop de Visao Computacional WVC 2011

que vai agir com a imagem f . O resultado dessa interao ser colocado numa posio
especfica, a do ponto central PC do elemento estruturante, na imagem no momento da
ao. O smbolo
  ( ) representar este ponto central PC no elemento estruturante. Por
exemplo, () . Na maioria dos exemplos apresentados, o ponto central do elemento
estruturante correspondar a seu centro fsico.
 . Neste caso,
 . num objetivo de simplificao,
. .
o smbolo ( ) ser omitido. Por exemplo, . . . = . (.) .

Freqentemente ser necessrio introduzir o elemento estruturante transposto B


que representa o elemento estruturante obtido por
.
 central deB. pela
 . simetria . .
origem {o }
do sistema de referncia. Por exemplo, Se B = .. (.). . ento B = . (.) ..
Nas diferentes transformaes que sero abordadas, Bx representar o elemento
estruturante B centrado no pixel x. Em funo do contexto e por necessidade de simplifi-
cao, Bx ser simplesmente notado B.
Os elementos
 . . . estruturantes maisutilizados  na morfologia
 . matemtica
 so o ho-
. . .
rizontal BH = . . . , o vertical BV = . . , o cruz BC = . . , o quadrado BQ =
. .
. . . . . . .
  .. . . ..

e o Rhombus BR = . .
. .

. . . .
. . . . . . .

Da mesma maneira, no caso de imagens binrias, a imagem digital f contm dois


tipos de informao, o fundo (representado por .) e os pixels relevantes (representados
por ). Na forma digital, a imagem f ser representada entre [ ] da seguinte forma:

Exemplo 2.1 : Representao da imagens binria f


. . . . .
. . .
f= .
.

.




.
.
. . . . .

2.1.3. Operadores Elementares


Um conceito fundamental em Morfologia Matemtica o de relao de ordem. Seja E
um conjunto no vazio. A relao habitualmente usada no caso de sub-conjuntos de E
a de incluso que permite comparar certos sub-conjuntos entre si. Seja P(E ) a coleo
de todos os sub-conjuntos de E associada relao de incluso . P(E ) representa um
conjunto parcialmente ordenado anotado (P(E ), ). [BB94] mostraram que o conjunto
(P(E ), ), provido das operaes de unio e interseo estendidas s famlias em P(E ),
forma um reticulado completo. Sejam um operador sobre P e X uma subcoleo
de P . [BB94] demonstraram que qualquer operador pode ser decomposto a partir de
quatro classes fundamentais de operadores, chamados de operadores elementares, que
so a eroso , a anti-eroso , a dilatao e a anti-dilatao .

Definio 2.1 Um operador uma:

dilatao se e somente se, para todo X P, (supX ) = sup( (X ))

63
VII Workshop de Visao Computacional WVC 2011

eroso se e somente se, para todo X P, (in f X ) = in f ( (X ))


anti-dilatao se e somente se, para todo X P, (supX ) = in f ( (X ))
anti-eroso se e somente se, para todo X P, (in f X ) = sup( (X ))

2.2. OPERADORES DA MORFOLOGIA MATEMTICA BINRIA


2.2.1. Eroso e Dilatao Binrias
Sero apresentados aqui os dois operadores bsicos que constituem os pilares da Morfo-
logia Matemtica binria, a eroso e a dilatao,

2.2.1.1. Eroso binria

[Ser82] define a operao de eroso binria da seguinte maneira:

Definio 2.2 A eroso de uma imagem f pelo elemento estruturante B :


B ( f ) = {x E : Bx f }
onde Bx representa o elemento estruturante B transladado na posio x.

Segunda a definio 2.2, deve-se deslizar o elemento estruturante B sobre a imagem f


e para cada pixel x verificar a configurao de sua vizinhana em relao estrutura do
elemento estruturante B. Por ser binrios, a imagem f e o elemento estruturante B contm
dois tipos de informao, o fundo e os pixels relevantes. O significado da definio 2.2
que o elemento estruturante Bx , posicionado e centrado no pixel x de f , tenta aparelhar-se
com a vizinhana de x. Entende-se que cada pixel relevante de Bx deve encontrar-se na
mesma posio na vizinhana de x. Caso seja verificado, o pixel x na imagem erodida ser
considerado um pixel relevante e ser preservado. Caso contrrio, ele ser considerado
como irrelevante e ser apagado.
[Ser82] e [BB94] demonstraram que a primeira definio 2.2 da eroso pode ser
relacionada com a subtrao de Minkowski [Min03]. Sejam dois conjuntos P e Q, a
subtrao de Minkowski do conjunto P em relao a Q, denotada P  Q, definida como
sendo:
P  Q = {x E : b Q, a P : x = a b} = (bQ) Pb (1)

Seguindo o formalismo de [Ser82], tem-se uma segunda formulao da eroso:

Definio 2.3 A eroso da imagem f pelo elemento estruturante B :


B( f ) = (bB)
f b = (bB) f b
onde B
representa o elemento estruturante obtido por simetria central de B
pela origem {o} do sistema de referncia, e chamado de B transposto

64
VII Workshop de Visao Computacional WVC 2011

Nesta nova definio, pode-se constatar que o elemento estruturante B no desliza mais
na imagem f , mas que, ao contrrio, a imagem f que vai se deslocar em funo das po-
sies permitidas pelo elemento estruturante B. Entende-se que, na diferena da definio
2.2, tem-se que transladar f e no mais B. Os deslocamentos so realizados em relao

ao ponto central de B.
Qualquer que seja a definio de eroso, fica fcil adivinhar o que este operador
faz . Veja na figura 2.1 um exemplo simples de uma imagem poluda por um leve rudo
preto regular. Aplicando a eroso
 nos conjuntos pretos da imagem, usando o elemento
estruturante quadrado BQ = , percebe-se o que o rudo preto desaparece.

a) (b)
Figura 2.1. Limpeza de uma imagem ruidosa: (a) Image Original, (b) Eroso dos
conjuntos pretos.

A figura 2.2 ilustra um exemplo mais complexo de uma imagem cujo fundo
poluda por um rudo preto e que contm alguns conjuntos furados, outros conectados e
ainda alguns prejudicados internamente por um rudo branco irregular. Aplicando a ero-
so nos conjuntos pretos da imagem, usando o mesmo elemento estruturante quadrado
BQ , percebe-se o que o rudo preto quase desaparece na sua totalidade. Mas que o rudo
branco regular se expande, prejudicando o conjunto circular. Aplicando a eroso com o
elemento estruturante ainda maior 3 BQ , fica evidente que todo o rudo preto desapa-
rece, que o rudo branco se expande, fazendo desparecer quase por completo o conjunto
circular. Percebe-se portanto que, a medida que o elemento estruturante cresce, todos
os conjuntos se modificam diminuindo de tamanho e sofrem desgastes maiores. No
somente a aparncia externa muda, mas em caso de conjuntos apresentando cavidades
internas, as mesmas aumentam de tamanho.

2.2.1.2. Dilatao Binria

[Ser82] define a operao de dilatao binria da seguinte maneira:

Definio 2.4 A dilatao de uma imagem f pelo elemento estruturante B :


B ( f ) = {x f : Bx f = 0}
onde Bx representa o elemento estruturante B transladado na posio x.

65
VII Workshop de Visao Computacional WVC 2011

(a) (b) (c)


Figura 2.2. Eroses de conjuntos pretos: (a) Image Original, (b) Com o elemento
estruturante BQ , (c) Com o elemento estruturante 3 B Q .

Segundo a definio 2.4, o elemento estruturante Bx , posicionado e centrado em


cada pixel x de f desliza na imagem f e verifica uma possvel interseo com a vizinhan-
a de x. Caso seja verdadeiro, o ponto central na imagem resultado ser considerado
um pixel relevante e ser marcado como tal. Caso contrrio, ele ser considerado como
irrelevante e ser apagado.
[Ser82] e [BB94] demonstraram que a primeira definio 2.4 da dilatao pode
ser relacionada com a adio de Minkowski [Had50] [Had57]). Sejam dois conjuntos P
e Q, a adio de Minkowski do conjunto P em relao a Q, denotada P Q, definida
como sendo:

P Q = {x E : a P e b Q : x = a + b} = bQ Pb (2)

Seguindo o formalismo de [Ser82], temos a seguinte formulao:

Definio 2.5 A dilatao de uma imagem f pelo elemento estruturante B :

B( f ) = f B = (bB)
f b = (bB) f b
onde B
representa o elemento estruturante obtido por simetria central de B
pela origem {o} do sistema de referncia, e chamado de B transposto

Na definio 2.5, possvel constatar que a imagem f a ser dilatada deslocada


em funo das posies permitidas pelo elemento estruturante B. Entende-se que, na
diferena da definio 2.4, no mais B que translada-se mas f . Os deslocamentos so

realizados em relao ao ponto central de B.
Novamente, qualquer que seja a definio, fcil prever o que dilatar significa.
Veja na figura 2.3 um exemplo simples de uma imagem com conjuntos prejudicados
internamente por um leve rudo branco regular. Aplicando a dilatao nos conjuntos

66
VII Workshop de Visao Computacional WVC 2011

a) (b)
Figura 2.3. Limpeza de uma imagem ruidosa: (a) Image Original, (b) Dilatao
dos conjuntos pretos.



pretos da imagem, usando o elemento estruturante quadrado B Q =

, percebe-se
o que o rudo branco desaparece e que os conjuntos so preenchidos.
A figura 2.4 ilustra um exemplo mais complexo de uma imagem apresentando um
fundo poluda por um rudo preto e que contm alguns conjuntos furados, outros conec-
tados e ainda alguns prejudicados internamente por um rudo branco irregular. Aplicando
a dilatao nos conjuntos pretos da imagem, usando o elemento estruturante quadrado
BQ , percebe-se o que o rudo branco quase desaparece na sua totalidade, que os conjuntos
prejudicados internamente recuperam o aspecto original. Mas que o rudo preto regular
se expande. Aplicando a dilatao com o elemento estruturante ainda maior 3 B Q , fica
evidente que todo o rudo branco desaparece, que o rudo preto regular se expande mais,
chegando a grudar em alguns conjuntos, criando deformaes. Percebe-se portanto que, a
medida que o elemento estruturante cresce, todos os conjuntos aumentam gradativamente
de tamanho e todas as cavidades internas diminuem. No somente as aparncias interna e
externa mudam, mas em caso de conjuntos prximos, os mesmos podem ficar conectados.

(a) (b) (c)


Figura 2.4. Dilataes de conjuntos pretos: (a) Image Original, (b) Com o ele-
mento estruturante BQ , (c) Com o elemento estruturante 3 B Q .

67
VII Workshop de Visao Computacional WVC 2011

2.2.1.3. Implementao avanada da Eroso e da Dilatao binrias

As eroso e dilatao binrias podem ser programadas de duas maneiras, seguindo as


definies 2.2 ou 2.3, e as definies 2.4 ou 2.5, respectivamente. Qual a forma
mais eficiente de programar eroso e dilatao binrias rpidas? Uma primeira diferena
importante se situa na ausncia de verificao quando so aplicadas as definies empre-
gando a subtrao e adio de Minkowski (definies 2.3 e 2.5). Enquanto nas definies
baseadas no deslocamento do elemento estruturante B em cada pixel da imagem, se deve
verificar o resultado da interao de B com a imagem f (o que consome tempo), nas
definies pelos operadores de Minkowski, as operaes so simplesmente realizadas.
Uma segunda grande diferena se situa no fato que as definies baseadas nos operado-
res de Minkowski podem ser implementadas usando a instruo BIT BLT da linguagem
C, C + + ou ainda Del phi. Tambm existe uma instruo parecida no Linux. A grande
vantagem de utilizar este tipo de instruo que ela emprega a memria do monitor do
computador para agilizar a eroso e e dilatao em tempo real. Portanto uma forma de
erodir e dilatar de forma veloz imagens binrias empregar tal instruo para agilizar a
subtrao e adio de Minkowski.

2.2.1.4. Efeitos do elemento estruturante, da Eroso e da Dilatao binrias

A figura 2.5 ilustra o impacto de vrios elementos estruturantes (ver pargrafo 2.1.2)
Cruz BC (em azul), Quadrado BQ (em verde) e Rhombus BR (em vermelho) em conjuntos
de geometrias diversas. bvio que maior for o elemento estruturante, mais agressivas
sero a eroso e a dilatao. Mas os elementos estruturantes no imprimem a sua marca
somente na quantidade de pixels removidos ou adicionados, mas tambm no formato que
os conjuntos atingem. Um conjunto circular erodido pelo Cruz BC (em azul) ou Quadrado
BQ (em verde) perde progressivamente o seu aspecto redondo a medida que o tamanho do
elemento estruturante aumenta. Um conjunto quadrado dilatado pelo Cruz BC (em azul)
ou Rhombus BR (em vermelho) perde progressivamente o seu aspecto quadrado a medida
que o tamanho do elemento estruturante cresce. O que significa que a geometria pode
variar e se deformar com uso de um elemento estruturante inapropriado.
Pelos exemplos anteriores (figuras 2.1, 2.2, 2.3, 2.4), pode ser constatado que a
eroso e dilatao modificam todos os conjuntos. Em todos os casos, enquanto que esses
ficam menores aps a eroso, os mesmos ficam maiores aps a dilatao. Agrupando
os resultados apresentados nesses exemplos, pode-se concluir que, por eroso, os efeitos
obtidos so:

Diminuir conjuntos, desconect-los e eventualmente elimin-los caso o tamanho do


elemento estruturante for maior;
Aumentar e abrir cavidades.

Enquanto que, por dilatao, os efeitos obtidos so:

Aumentar conjuntos e eventualmente conect-los caso o tamanho do elemento es-


truturante for maior que o espao entre eles;

68
VII Workshop de Visao Computacional WVC 2011

(a)

(b) (c)
Figura 2.5. Influncia dos elementos estruturantes Cruz, Quadrado e Rhombus:
(a) Imagem Original (b) Na eroso (c) Na dilatao.

Diminuir e preencher cavidades.

2.2.1.5. Propriedades da Eroso e da Dilatao binrias

Vale a pena esclarecer que as operaes de eroso e de dilatao so ditas duais e que a
interpretao da dilatao complementar da interpretao da eroso. O complemento da
proposio Bx est includo em f a proposta a interseo de B x e f no vazia.

Propriedade 2.1 Enquanto a eroso uma transformao no comutativa, a dilatao


comutativa:

B( f ) = f (B)
B ( f ) = f (B) (3)

Propriedade 2.2 A eroso e a dilatao por um ponto reduzem-se a uma translao.


Como conseqncia, a dilatao e a eroso so invariantes por translao.

x ( f ) = x ( f ) = fx (4)

Propriedade 2.3 A eroso e a dilatao tem comportamentos interessantes em relao


interseo e unio.

69
VII Workshop de Visao Computacional WVC 2011


BB ( f ) = B ( f ) B ( f ) (5)

Pelo uso da dualidade que existe entre a eroso e a dilatao, tem-se:



BB ( f ) = B ( f ) B ( f ) (6)

e
B ( f g) = B ( f ) B (g) (7)

Propriedade 2.4 A eroso e a dilatao tm duas propriedades interessantes relativas


repetio.

B (B)
B ( B ( f )) =

A primeira : (f) (8)
B (B)
B ( B ( f )) =

A segunda : (f) (9)

Essas propriedades so fundamentais porque mostram que:

Eroses e dilataes com elementos estruturantes grandes podem ser decompostas


em seqncias de eroses e dilataes com elementos estruturantes menores. Essa
propriedade particularmente interessante para elementos estruturantes convexos.
O que explica que, novamente, os elementos estruturantes mais usados so simples,
como BH , BV , BC .
. . . . . . .

.. . . ..

Veja o exemplo 2.2 da eroso da imagem f = .. .. pelo elemento es-

. . . .
. . . . . . .
truturante BR . A eroso de f pode ser realizada diretamente ou ainda por duas
eroses sucessivas, a primeira pelo elemento estruturante BC seguida da segunda
pelo elemento estruturante BQ . Ou ainda o inverso.

Exemplo 2.2

. . . . . . .




.. . . .

.










.
.
. . . . . . .
   
. . . . . . .


. .
. . . . . . . . . .

.

. . .
. .
. .
. . . . . . .
( .
.










.
.
) =
( . .
( .
.










.
.
))
. . . . . . . .
. . . . . . . . . . . . . .
. . . . . . .

. . . . . . .
. . . . . . .
= .
.
.
.
.
.

.
.
.
.
.
.
.

. . . . . . .
. . . . . . .

70
VII Workshop de Visao Computacional WVC 2011

Elementos estruturantes grandes podem ser decompostos em elementos estruturan-


tes menores. O que explica que os elementos estruturantes mais usados so simples,
como BH , BV , BC (ver pargrafo 2.1.2). O exemplo a seguir 2.3 mostra o signifi-
cado dessa propriedade. O elemento estruturante Rhombus B R (que simula o menor
elemento estruturante circular) pode ser decomposto a partir do elemento estrutu-
rante cruz BC dilatado pelo elemento estruturante quadrado transposto BQ , ou ainda
o inverso. Onde B representa o transposto de B obtido por simetria central pela
origem do sistema de referncia. Como ambos BC e BQ so simtricos, BC = BC e
BQ = BQ . Seja portanto:

Exemplo 2.3

BR = BQ (BC )
.    

..
.
.
.

.

.

.
.
.
.
. .
 
. 
. .
= BC (BQ ) = . . = . .
( )=
( )


.
.

.







.
.
.


. .

. . . . . . .

Ou ainda no exemplo 2.4 do grande elemento estruturante


 . convexo
 a seguir que
.
pode ser composto a partir de outro bem menor BC = . . por 7 dilataes

sucessivas da seguinte maneira:

Exemplo 2.4
. . . . . . . . . . . . . . . .


. . . . . . . . . . . . . .


. . . . . . . . . . . .


. . . . . . . . . .


. .. .. .
. . . . .


. . .
     
.. .

















.

.
.
. .

. .

. .
. .

= . .
( . .
(... . .
( )))


. .
   . .


. . . .



. . . . . .

7 vezes


. . . . . . . .




. . . . . . . . . .


.
.
.
.
.
.
.
.
.
.
.
.

.







.
.
.
.
.
.
.
.
.
.
.
.
.

. . . . . . . . . . . . . . . .

Propriedade 2.5 A eroso e a dilatao so operaes crescentes.

f f = B ( f ) B ( f )
= B ( f ) B ( f ) (10)

E pela dualidade:

B B = B ( f ) B ( f )

= B ( f ) B ( f ) (11)

71
VII Workshop de Visao Computacional WVC 2011

Propriedade 2.6 Enquanto que a eroso uma operao anti-extensiva, a dilatao


uma operao extensiva.

B( f ) f B( f ) (12)

Propriedade 2.7 As eroso e dilatao so transformaes contnuas.

2.2.2. Deteco de bordas


O contorno um dos conceitos mais importantes da rea de Processamento de Imagens. A
obteno morfolgica do contorno de conjuntos em imagens binrias uma tarefa muito
fcil. Uma maneira simples consiste em comparar imagem original com a verso erodida
ou dilatada, como segue:

Contorno por eroso: = f B ( f ) (13)


Contorno por dilatao: = B ( f ) f (14)

Foi comprovado que o melhor elemento estruturante para obter contornos de um


. .
pixel de espessura e sem falha BC = . .

A figura 2.6 exemplifica a obteno do contorno de conjuntos pretos numa ima-


gem por eroso com o elemento estruturante BC

(a) (b)
Figura 2.6. Obteno do contorno: (a) Imagem original (b) Contorno por eroso.

2.2.3. Abertura e Fechamento Binrios


Foi visto anteriormente que a eroso e a dilatao podem corrigir defeitos numa imagem
com desconectar e eliminar conjuntos ou ainda preencher cavidades etc... Porm, nenhum
conjunto retocado por essas operaes mantm o tamanho original. A eroso reduz en-
quanto que a dilatao engorda. A partir das propriedades de iteratividade e de dualidade
da eroso e dilatao, possvel filtrar reduzindo o impacto s caractersticas geomtricas
dos conjuntos processados.

72
VII Workshop de Visao Computacional WVC 2011

2.2.3.1. Abertura binria

Como eliminar as partculas indesejveis sem modificar o tamanho dos outros conjuntos?
Intituivamente, pode-se prever que esta operao consiste em erodir e depois dilatar o
resultado da eroso. Define-se assim uma nova operao morfolgica chamada de aber-
tura binria e o novo conjunto processado pelo elemento estruturante B chamar-se- de
conjunto aberto por B
Definida por [Ser82], a abertura binria escreve-se como sendo:

Definio 2.6 A abertura de uma imagem f pelo elemento estruturante B


:

B ( f ) = B ( B ( f ))
onde B representa o transposto de B obtido por simetria central
pela origem {o} do sistema de referncia

Veja novamente o exemplo da figura 2.1. Por eroso


 dos
 conjuntos pretos da
imagem, usando o elemento estruturante quadrado B Q = , foi possvel remover
o rudo preto. Mas, como j explicado anteriormente, o tamanho original do conjunto
filtrado no foi mantido. Aplicando em seguida uma dilatao com o mesmo elemento
estruturante, tem-se o re-estabelecimento do tamanho original. A figura 2.7 ilustra tal
resultado.

a) (b) (c)
Figura 2.7. Limpeza de uma imagem pouco ruidosa: (a) Image Original, (b) Ero-
so dos conjuntos pretos seguida de (c) Dilatao dos conjuntos pretos.

A figura 2.8 exemplifica a limpeza de uma imagem pesadamente contaminada


por partculas pretas indesejveis usando o processo de abertura com os elementos estru-
turantes 5 BQ e 4 BR . Percebe-se que a escolha do elemento estruturante modifica o
resultado final. Conforme explicado no pargrafo 2.2.1.4, os elementos estruturantes im-
primem o seu formato. Na figura 2.8-(b), onde usado o elemento estruturante quadrado
5 BQ , o formato do conjunto quadrado mantido enquanto o conjunto circular fica im-
perfeito. Na figura 2.8-(c), onde usado o elemento estruturante arredondado 4 BR , o
formato do conjunto circular mantido enquanto o conjunto quadrado perde os cantos.

73
VII Workshop de Visao Computacional WVC 2011

a) (b) (c)
Figura 2.8. Limpeza de uma imagem muito ruidosa: (a) Image Original, (b) Aber-
tura com BQ , (b) Abertura com BR .

A figura 2.9 exemplifica a limpeza de uma imagem poluda por um rudo preto
e que contm conjuntos furados, conjuntos conectados e conjuntos prejudicados interna-
mente por um rudo branco irregular. Usando o processo de abertura com o elemento
estruturante 2 BQ , percebe-se que o rudo preto desaparece, que o rudo branco perma-
nece e se expande prejudicando os conjuntos contaminados por tal rudo.

a) (b) (c)
Figura 2.9. Limpeza de uma imagem ruidosa: (a) Image Original, (b) Eroso dos
conjuntos pretos seguida de (c) Dilatao dos conjuntos pretos.

2.2.3.2. Fechamento binrio

Como preencher cavidades sem modificar o tamanho dos outros conjuntos? Intituivamente,
pode-se prever que esta operao consiste em dilatar e depois erodir o resultado da dilata-
o. Define-se assim uma nova operao morfolgica chamada de fechamento binrio
e o novo conjunto processado pelo elemento estruturante B chamar-se- de conjunto fe-
chado por B Definido por [Ser82], o fechamento binrio escreve-se como sendo:

Definio 2.7 O fechamento de uma imagem f pelo elemento estruturante


B :

B( f ) = B ( B ( f ))

74
VII Workshop de Visao Computacional WVC 2011

onde B representa o transposto de B obtido por simetria central


pela origem {o} do sistema de referncia

Veja novamente o exemplo da figura 2.3. Por dilatao


 dos conjuntos pretos da
imagem, usando o elemento estruturante quadrado B Q = , foi possvel eliminar o
rudo branco, resultando no preenchimento dos conjuntos pretos. Mas, como j explicado
anteriormente, o tamanho original do conjunto filtrado no foi mantido. Aplicando em
seguida uma eroso com o mesmo elemento estruturante, tem-se o re-estabelecimento do
tamanho original. A figura 2.10 ilustra tal resultado.

a) (b) (c)
Figura 2.10. Limpeza de uma imagem pouco ruidosa: (a) Image Original, (b)
Dilatao dos conjuntos pretos seguida de (b) Eroso dos conjuntos pretos.

A figura 2.11 ilustra um exemplo mais complexo de uma imagem poluda por
um rudo preto que contm conjuntos furados, conjuntos conectados e conjuntos preju-
dicados internamente por um rudo branco irregular. Usando o processo de fechamento
com o elemento estruturante 2 BQ , percebe-se que o rudo preto permanece cuja partes
ficaram grudadas a conjuntos e que os conjuntos contaminados por partculas brancas so
corrigidos.

a) (b) (c)
Figura 2.11. Limpeza de uma imagem ruidosa: (a) Image Original, (b) Dilatao
dos conjuntos pretos seguida de cb) Eroso dos conjuntos pretos.

75
VII Workshop de Visao Computacional WVC 2011

2.2.3.3. Efeitos da Abertura e do Fechamento binrios

Agrupando os resultados apresentados nos exemplos anteriores (figuras 2.7, 2.8, 2.9,
2.10, 2.11 ), pode-se concluir que, a abertura:

Pode separar conjuntos conectados. Para isto, preciso usar elementos estruturantes
de tamanho maior que a conexo:

Pode eliminar conjuntos. Para isto, faz-se necessrio usar elementos estruturantes
de tamanho maior que os conjuntos:

Nivela os contornos pelo interior;

Devolve conjuntos abertos mais regulares que os conjuntos originais;

Gera imagens menos ricas em detalhes que as imagens originais.

Enquanto que o fechamento:

Pode conectar conjuntos separadas. Para isto, preciso usar elementos estruturantes
de tamanho maior que o intervalo que os separa:

Pode preencher buracos e cavidades. Para isto, faz-se necessrio usar elementos
estruturantes de tamanho maior que os buracos e cavidades:

Nivela os contornos pelo exterior;

Devolve conjuntos fechados mais regulares que os conjuntos originais;

Gera imagens menos ricas em detalhes que as imagens originais.

A figura 2.12 exemplifica o exemplo de filtragem de uma imagem contaminada


por um rudo preto e branco intenso ( rudo sal pimenta). Percebe-se que a filtragem do
fundo pelo processo de abertura permite limp-lo, mas danificando ainda mais os con-
juntos. Pelo processo dual de fechamento, percebe-se que a integridade desses conjuntos
restaurada. A seqncia abertura-fechamento permite uma filtragem quase perfeita da
imagem. Aqui a abertura realizada com o elemento estruturante BQ . O fechamento
realizado com dois elementos estruturantes diferentes, os 4 B Q e 3 BR . possvel no-
tar que o elemento estruturante 4 BQ restaura melhor a geometria do conjunto quadrado
enquanto que o elemento estruturante 3 BR restaura melhor a geometria do conjunto
arredondado.
A figura 2.13 exemplifica o exemplo real de filtragem de uma imagem contendo
a letra R danificada por partculas pretas e brancas. A seqncia usada para restaurar a
letra R um fechamento com o elemento estruturante 2 BC seguido de uma abertura
com o elemento estruturante 4 BC por fim seguido de um fechamento com o elemento
estruturante 4 BC .

76
VII Workshop de Visao Computacional WVC 2011

a) (b) (c) (d)


Figura 2.12. Limpeza de uma imagem ruidosa: (a) Image Original, (b) Limpeza do
fundo com BQ , (c) Filtragem dos conjuntos com B Q ,(d) Filtragem dos conjuntos
com BR .

a) (b) (c) (d)


Figura 2.13. Exemplo complexo de filtragem: (a) Image Original, (b) Limpeza
parcial do fundo, (c) Filtragem do "R",(d) Unificao do fundo.

2.2.3.4. Propriedades da Abertura e do Fechamento binrios

Propriedade 2.8 A abertura e o fechamento so transformaes crescentes:

f g = B ( f ) B (g)
f g = B ( f ) B (g) (15)

Propriedade 2.9 Enquanto a abertura uma transformao anti-extensiva, o fecha-


mento uma transformao extensiva:

B( f ) f
f B( f ) (16)

Propriedade 2.10 A abertura e o fechamento apresentam a importante propriedade de


idempotncia.

B ( B ( f )) = B ( f )
B ( B ( f )) = B ( f ) (17)

77
VII Workshop de Visao Computacional WVC 2011

A abertura e o fechamento diferem da eroso e da dilatao pela propriedade


da idempotncia. Esta propriedade crucial nos processos de filtragem. Imagine
que durante um certo tratamento, o processo de abertura ou fechamento com um certo
elemento estruturante dado B no resolveu o problema. Um modo de pensar seria reiterar
o processo com o mesmo elemento estruturante B. No caso da abertura e do fechamento,
a propriedade da idempotncia faz com que o resultado seja idntico. O que significa
que a obteno de novos resultados ser somente possvel com o uso de outros elementos
estruturantes que o empregado na experincia anterior.

2.2.4. Afinamento e Espessamento Binrios


2.2.4.1. Transformao Hit miss

Testar ao mesmo tempo as partes internas e externas de conjuntos de uma imagem, pode
ser realizado pela transformao Hit miss que consiste em testar o contedo de uma
imagem f e seu contedo complementrio f c a partir de dois elementos estruturantes
diferentes disjuntos. Para realizar isso, preciso de dois elementos estruturantes Bi e Be
que formam um par V = (Bi , Be ), um para testar o interior e o outro o exterior da imagem.

Definio 2.8 Aplicar uma transformao Hit miss hom em uma imagem
f a partir de um par de elementos estruturantes V = (B i , Be ) :
homV ( f ) = {x : Bix f ; Bex f c }

Pode-se dizer que um ponto da imagem f pertence imagem transformada por Hit miss
se e somente se Bi cabe em f e se Be cabe em f c . Isso supe obrigatoriamente que
Bi e Be sejam disjuntos, seno impossvel definir o operador Hit miss. Na prtica, a
transformao Hit miss pode ser expressa a partir da definio da eroso da seguinte
maneira:

Definio 2.9 Aplicar uma transformao Hit-miss hom sobre a imagem f


a partir de um par de elementos estruturantes V = (B i , Be ) :
i e
homV ( f ) = B ( f ) B ( f c )

2.2.4.2. Afinamento

Uma transformao homotpica uma transformao que no modifica o nmero de co-


nectividade. Isso quer dizer que a imagem inicial e a transformada tm o mesmo nmero
de partes.
Uma primeira transformao homotpica a operao de afinamento afi de uma
imagem f que consiste em reduzir a espessura dos componentes conexos de f at um
valor infinitamente pequeno sem mudar o nmero nem o tipo. Ela opera retirando de f
pontos que correspondem a uma configurao dada.

78
VII Workshop de Visao Computacional WVC 2011

Definio 2.10 Afinar uma imagem f :


i e
afiV ( f ) = f /(homV ( f )) = f /( B ( f ) B ( f c ))

Onde a expresso C1 /C2 exprime a diferena pixel a pixel entre os conjuntos C1 e C2 ,


definida, em termos de operaes entre conjuntos da seguinte maneira C1 /C2 = C1 C2c .

2.2.4.3. Espessamento

Uma transformao homotpica dual do afinamento a operao de espessamento esp


de uma imagem f que consiste em adicionar a f pontos que correspondem a uma configu-
rao dada.

Definio 2.11 Espessar uma imagem f :


i e
espV ( f ) = f (homV ( f )) = f ( B ( f ) B ( f c ))

2.2.4.4. Afinar e Espessar at convergncia

Afinar e espessar representam processos homotpicos e portanto no destrem as propri-


edades da conectividade e preservam a propriedade da homotopia. Os processos afina-
mento e de espessamento podem ser iterados at atingir a convergncia. Nesse nvel, as
transformaes morfolgicas de afinamento e de espessamento tornam-se idempotentes.
A escolha do par de elementos estruturantes V = (Bi , Be ) crucial. Nesse par de
elementos estruturantes, nenhum ponto vlido deve pertencer aos dois elementos estrutu-
rantes ao mesmo tempo. Por exemplo, este par Bi e Be descrito como segue:
. . .  
Bi = . . Be = .. .. ..

Na literatura, existe uma outra maneira de representao do par de elementos es-


truturantes V = (Bi , Be ) de forma matricial, onde Bi representado com pixels pretos
, Be com pixels brancos . Os pixels que no interagem, chamados de dont care
so representados com o smbolo. O precedente exemplo de V = (B i , Be ) portanto
representado assim:  
V = (Bi , Be ) = X X

No lugar de afinar uma imagem atravs de um par de dois elementos estruturantes,


as operaes podem ser efetuadas de forma simtrica a partir de famlias de pares de
elementos estruturantes, permitindo assim um processo simtrico. descrita a seguir
uma famlia de pares de elementos estruturantes M permitindo um processo simtrico:
M = (M1 , M2, M3 , M4 , M5, M6 , M7 , M8)
  X   X    
 X
  X
  X

= X X


X

X
X
X
X X
X

X

X

79
VII Workshop de Visao Computacional WVC 2011

Da mesma maneira, espessar uma imagem pode ser efetuado de forma simtrica a
partir da famlia de pares de elementos estruturantes L abaixo representada:

L = (L1 , L2 , L3 , L4 , L5 , L6 , L7 , L8 )
 X   X   X X   X X
  X
 X  X X
  X X

= X X
X
X X
X

X X X

X
X X
X
X X
X

X X

X X

A figura 2.14 exemplifica o afinamento e o espessamento de conjuntos.

(a) b) (c)
Figura 2.14. Afinamento e espessamento: (a) Image Original, (b) Afinamento, (c)
Espessamento.

2.2.5. Pruning
Freqentemente os processos de afinamento fazem aparecer nas imagens finais as linhas
genricas procuradas para permitir uma futura pesquisa mas tambm segmentos de tama-
nho reduzido chamados de rebarbas ou ainda ps de galinha que so o resultado do
processo sobre extremidades. Quando essas rebarbas so relativamente espessas, poss-
vel tir-las com um processo de abertura a partir de um elemento estruturante adequado
do tipo quadrado BQ . Caso as rebarbas sejam finas demais, um processo de abertura no
pode ser usado sob pena de destruio excessiva. possvel utilizar nesse caso uma vari-
ante do afinamento, o pruning. O objetivo desse processo tirar, a partir de uma imagem
j afinada, os pontos extremos. Para isso, possvel empregar uma das duas seguintes
famlias de elementos estruturantes:
    X  X X  X X X   X X   X   
X X X X X X
X X X X X X X X X

ou                


A grande diferena com o processo de afinamento reside no nmero de ciclos de


supresso de pontos extremos (figura 2.15). Ao contrrio do afinamento, o pruning no
um processo idempotente e o fato de continuar o processo pode resultar em uma reduo
ou grande diminuio ou at destruio parcial da imagem afinada (figuras 2.15-(b) e (c)).
Por isso, o nmero de ciclos no processo de pruning deve ser predeterminado.

80
VII Workshop de Visao Computacional WVC 2011

Figura 2.15. Exemplos de pruning

2.2.6. Pontos Extremos e Pontos Mltiplos


As entidades afinadas tm uma espessura de um pixel na imagem. Cada pixel possui, em
geral, dois vizinhos exceto para alguns pixels particulares que so:

Os pixels isolados e as extremidades do conjunto afinado que so os pixels extre-


mos. Duas famlias permitindo extrair os pixels extremos so ilustradas a seguir:

X X X
 X X X
 X X X
  X X
 X X
 X X
 X X X
 X X X

X X X X X X X X X X X X X X
X X X X X X X X X X X X X X X X X X X X X

ou X X
  X
 X X
 X X
 X X X

X X X X X
X X X X X X X X X X

As ligaes que representam os pixels mltiplos. O nmero de ligaes pode variar


entre 3 e 8 (qualquer configurao ao redor do ponto central, tendo pelo menos
trs pontos brancos, pode representar estes pontos mltiplos), o que corresponde
a 56 possibilidades em configuraes de vizinhana. Uma forma mais simples de
detectar os pontos mltiplos consiste em definir uma funo de vizinhana cujo
centro seja 1 e onde haja no mnimo mais de dois vizinhos a 1. Dois exemplos de
configurao seguem abaixo:
X X   X X   X  X X 
X X X X X X
X X X X X X X

ou X X
  X X
 X X
 X X

X X X X
X X X X X X X X

em uma

81
VII Workshop de Visao Computacional WVC 2011

2.2.7. Esqueletizao
Um problema comum quando se processa uma imagem binria determinar uma rplica
estruturada dessa imagem que seja fiel imagem original. Uma rplica que reflete todas
as caractersticas da imagem, porm mais econmica em termos de memria, consiste em
esqueletizar essa imagem. O interesse desse processo reside na compresso dos dados
para permitir anlises mais rpidas.

2.2.7.1. Definies da Esqueletizao

Uma primeira definio ( 2.12) do esqueleto da imagem f leva em considerao a fronteira


de f .

Definio 2.12 Sejam um conjunto f e sua fronteira f , um ponto de f


pertence ao esqueleto esq( f ) se a distncia euclidiana de f at f for atingida no mnimo
em dois pontos distintos de f .

x esq( f ) = y1, y2 f , y1 = y2
d(x, f ) = d(x, y1) = d(x, y2)

A noo de esqueleto pode ser ilustrada pela idia da propagao do fogo no


campo: o fogo aceso em todos os pontos do contorno de um campo propaga-se de uma
forma isotrpica. Quando duas propagaes de fogo encontram-se, esse acaba pela falta
de combustvel. Os pontos de extino constituem ento o esqueleto.
O esqueleto pode ser igualmente definido a partir do conceito de discos mximos
contidos em f . Para um ponto pertencente figura da imagem, existem vrios discos
centrados nesse ponto completamente contidos na figura. Entretanto, existe um nico
disco de raio mximo contido na figura e centrado nesse ponto. Qualquer disco que
satisfaa essa condio chamado de disco mximo. O conjunto dos centros de todos os
discos mximos constituem o esqueleto da figura da imagem (figura 2.16). Uma segunda
definio permite expressar o esqueleto em termos de eroso e de dilatao (figura 2.17):

esq( B, B) ( f ) = >0 >0 [ B ( f )/ B ( B ( f ))] (18)

O esqueleto a unio, segundo todos os positivos, da interseo, segundo todos


os positivos, da diferena da imagem f erodida por B com o resultado da abertura
pelo elemento estruturante B da imagem f erodida por B.
O termo x >0 [ B ( f )/ B ( B ( f ))] na definio 18, traduz a idia que x
representa o centro de um disco mximo de raio . Onde a expresso C1 /C2 exprime a
diferena pixel a pixel entre os conjuntos C1 e C2 , definida, em termos de operaes entre
conjuntos da seguinte maneira C1 /C2 = C1 C2c .
Os discos de tamanho superior a podem ser eliminados manipulando a operao
interseo do termo B ( B ( f )). Uma terceira definio 2.13, mais acessvel em termos

82
VII Workshop de Visao Computacional WVC 2011

Figura 2.16. Esqueleto pela noo de disco mximo.

Figura 2.17. Eroso e abertura de um conjunto X: gerao de um esqueleto.

83
VII Workshop de Visao Computacional WVC 2011

de implementao, preconiza a decomposio do esqueleto morfolgico em sub-esque-


letos da seguinte forma ([Dou92]): cada sub-esqueleto sesqB ( f , n) associado a um disco
mximo nB (n 0) e representa o conjunto de todos os centros de f do disco mximo nB
contido em f . Desta maneira, pode afirmar que o esqueleto esq( f ) representa a unio dos
sub-esqueletos sesq( f , n) (n 0).
esqB ( f ) = n sesqB ( f , n)

O sub-esqueleto sesqB ( f , n) pode ser definido da seguinte maneira:


sesqB ( f , n) = nB ( f )/ B ( nB ( f ))
Onde a expresso C1 /C2 exprime a diferena pixel a pixel entre os conjuntos C1 e C2 ,
definida, em termos de operaes entre conjuntos da seguinte maneira C1 /C2 = C1 C2c .

Definio 2.13 O esqueleto esqB ( f ) da imagem f a partir do elemento es-


truturante B :
esqB ( f ) = n sesqB ( f , n) = n [ nB ( f )/ B ( nB ( f ))]

A figura 2.18 ilustra o resultado da obteno do esqueleto pelo processo de


esqueletizao dos conjuntos pretos da imagem original com o elemento estruturante B Q .

(a) (b)
Figura 2.18. Esqueleto por esqueletizao: (a) Image Original, (b) Esqueleto.

A figura 2.19 ilustra as diferenas entre o esqueleto por afinamento e por esquele-
tizao. No segundo, as estruturas obtidas ficam mais descontnuas e compactadas que no
primeiro onde no h presena de descontinuidades nas estruturas geradas. Isto constitui a
grande diferena entre os processos de afinamento e de esqueletizao. No primeiro caso,
as estruturas obtidas so contnuas e refletem a geometria dos conjuntos. No segundo
caso, as estruturas obtidas so quase sempre descontnuas e podem apresentar geometrias
muito diferentes dos conjuntos. Essas diferenas nos resultados de afinamento e esquele-
tizao tm na realidade aplicaes diferentes.

84
VII Workshop de Visao Computacional WVC 2011

(a) (b)
Figura 2.19. (a) Esqueleto por afinamento versus (b) Esqueleto por esqueletizao.

2.2.7.2. Reconstruo do conjunto inicial a partir do seu Esqueleto

O conhecimento do esqueleto esqB ( f ) permite a gerao ou a reconstruo da imagem


inicial f . Uma primeira definio formula este conceito:

X = >0 ( B (esqB ( f )))



(19)

onde representa o raio mximo associado a cada ponto do esqueleto esq B ( f ).


O esqueleto obtido pelo mtodo acima, no caso de imagens digitais no tem obri-
gatoriamente as propriedades do esqueleto no digital por causa dos valores discretos de
ou de .

Uma segunda definio formula uma reconstruo implementvel da imagem ini-


cial f a partir do esqueleto esqB ( f ), [Dou92].

Definio 2.14 A reconstruo da imagem inicial f a partir de seu esqueleto


esq ( f ) com o elemento estruturante B :
B


f = n [ nB (sesqB ( f , n))] (20)

Essa propriedade de reconstruo a imagem f muito interessante sabendo que


pode-se reduzir a imagem f sabendo retornar a ela e que a memorizao do esque-
leto do conjunto requer menos espao. Essa tcnica constitui ento uma ferramenta de
compresso.

2.2.7.3. Propriedades da Esqueletizao

A esqueletizao tem as seguintes propriedades:

85
VII Workshop de Visao Computacional WVC 2011

Propriedade 2.11 A esqueletizao no uma transformao crescente:

f g = esqB ( f )  esqB (g) (21)

Propriedade 2.12 A esqueletizao uma transformao anti-extensiva:

esqB ( f ) f (22)

2.2.8. Esqueletizao (SKIZ) por regies de influncia


Outra tarefa comum quando se processa uma imagem binria contendo vrios conjuntos
consiste em determinar a regio de influncia de cada um deles para, futuramente, ter um
meio de separ-los. Um processo comumente usado consiste em definir o esqueleto por
regies de influncia (SKIZ) da imagem ([CC89], [Pr93]).
Seja uma imagem f constituda de f 1 , f2 , . ., fn , n conjuntos individuais conexos.
Para cada conjunto fi pode ser associada uma regio de influncia IZ( f i ) que representa
o conjunto de todos os pontos do plano que esto mais prximos de f i que de qualquer
outro f j , j = i [Vin91]. Tem-se ento:
IZ( fi ) = [y : d(y, xi ) < d(y, x j ), j = i] (23)

Definio 2.15 O esqueleto por regies de influncia SKIZ da imagem f ,


anotado SKIZ( f ), por definio o complementrio da unio de todos os IZ( f i ):
SKIZ( f ) = [i IZ( fi )]c

Esse esqueleto por regies de influncia divide a imagem f no mesmo nmero


de regies que o nmero de conjuntos fi . O SKIZ constitui um sub-conjunto do esque-
leto do complementrio f c . Portanto, esse esqueleto pode ser obtido por espessamentos
homotticos de f (ver a equao 24). Um primeiro passo consiste em empregar a famlia
de elementos estruturantes L anteriormente apresentada.
O esqueleto por regies de influncia SKIZ no deve conter nenhum ponto ex-
tremo, enquanto o esqueleto do complementrio f c obtido por espessamento homottico
de f pela precedente famlia de elementos estruturantes, (espL ( f ))c , tem ramos apresen-
tando pontos extremos. Para eliminar esses ramos que constitui o segundo passo, basta
efetuar um espessamento com a famlia E de elementos estruturantes abaixo ilustrada:
     X   X X  X X  X     
E=
X X
X
X
X X X
X

X X

Um maneira de definir o esqueleto por regies de influncia logo :


SKIZ( f ) = (espE (espL ( f )))c (24)

A figura 2.20 ilustra o resultado da esqueletizao por regies de influncia SKIZ


sobreposto imagem original. Percebe-se claramente o assentamento de cada conjunto
em relao aos conjuntos vizinhos.

86
VII Workshop de Visao Computacional WVC 2011

(a) (b)
Figura 2.20. Esqueleto por regies de influncia: (a) Image Original, (b) Esqueleto SKIZ.

2.2.9. Reconstruo binria


2.2.9.1. Introduo

Os operadores apresentados anteriormente consideram as imagens como sendo conjuntos


indivisveis. Porm, pode surgir a necessidade de restringir os processos em regies es-
pecficas de uma imagem. A seguir ser mostrado que as transformaes morfolgicas
podem ser modificadas de maneira a trabalhar somente em subconjuntos da imagem. Se-
ro apresentados aqui operadores morfolgicos condicionais que, iterados, podero atin-
gir a idempotncia, propriedade normalmente vlida somente para abertura e fechamento
euclidianos.

2.2.9.2. Eroso e Dilatao condicionais binrias

Uma primeira possibilidade de processar parcialmente uma imagem consiste em defi-


nir um subconjunto da imagem onde as operaes so vlidas, por exemplo, tratar um
conjunto particular de uma imagem. Operadores eroso e dilatao ditos condicionais
permitem realizar esse tipo de processamento.

Definio 2.16 A eroso condicional do subconjunto z da imagem f , pelo


elemento estruturante B, condicionada imagem f , sendo que z f , definida por cBf :

cBf (z) = B (z) f

De maneira equivalente:

Definio 2.17 A dilatao condicional do subconjunto z da imagem f , pelo


elemento estruturante B condicionada imagem f , sendo que z f , definida por cBf :

87
VII Workshop de Visao Computacional WVC 2011

cBf (z) = B (z) f

A figura 2.21 ilustra as possibilidades que oferece a dilatao condicional com-


parada dilatao tradicional. A imagem da figura 2.21-(a) representa o subconjunto z
citado na definio 2.17. Dilatando iterativamente 40 vezes o subconjunto z pela dila-
tao tradicional com o elemento estruturante quadrado B Q , obtm-se a imagem de um
simples quadrado maior (figura 2.21-(d)). Agora, aplicando a dilatao condicional no
subconjunto z iterativamente 40 vezes com o mesmo elemento estruturante condicionada
imagem f do gato da figura 2.21-(b), percebe-se que o resultado obtido uma parte da
imagem do gato (figura 2.21-(e)). Aplicando a dilatao condicional no subconjunto z
nas mesmas condies, mas agora condicionada imagem f da mscara (figura 2.21-(c)),
percebe-se que o resultado obtido uma parte da imagem da mscara (figura 2.21-(f)). O
que demonstra que o processo de dilatao no caso condicional no mais dominado pela
geometria do elemento estruturante, mas pela geometria da imagem f . O que tambm se
verifica no caso da eroso condicional.

(a) (b) (c)

(d) (e) (f)


Figura 2.21. Dilatao condicional versus dilatao tradicional: (a) Subconjunto
z, (b) Imagem f do gato, (c) Imagem f da mscara, (e) Dilatao tradicional, (b)
Dilatao condicionada imagem do gato, (c) Dilatao condicionada imagem
da mscara.

Percebe-se claramente as novas perspectivas oferecidas pelas dilatao e eroso


condicionais detalhadas no pargrafo 2.2.9.3.

2.2.9.3. Definio da reconstruo binria

Os conceitos e operadores apresentados anteriormente mostraram que possvel, atravs


de transformaes condicionais, processar somente alguns conjuntos S de uma imagem
f . Essa caracterstica abre novos horizontes na rea de reconstruo.

88
VII Workshop de Visao Computacional WVC 2011

Sejam uma imagem binria f contendo um conjunto S e outra imagem binria


Z contendo z um subconjunto de S, z S. Pode-se dizer que o conjunto S marcado
pelo subconjunto z. A dilatao condicional permite recuperar o conjunto S a partir do
subconjunto z. Esse processo chama-se reconstruo onde a imagem binria Z chama-
se imagem marcadora ou simplesmente marcador e a imagem binria f de imagem
mscara ou simplesmente mscara.
Sob algumas restries, [LM84] mostram que a reconstruo binria pode expressar-
se a partir da dilatao condicional por um elemento estruturante disco unidade da se-
guinte maneira:

Definio 2.18 A reconstruo binria f (Z) de f a partir do marcador Z,


Z f usando o elemento estruturante unidade B :

f (z) = limn+ cBf (...cBf (z))


  
n

A figura 2.22 ilustra um exemplo de potencialidade da reconstruo binria. A


imagem da figura 2.22-(a) representa a imagem Page 5 corrompida por rudo intenso. A
eliminao desse rudo exige uma filtragem agressiva ilustrada na figura 2.22-(b), onde
permanecem resduos das letras Page e do nmero 5. A tentativa de recuperar
Page 5 por dilatao tradicional s permite obter uma verso aproximada (figura 2.22-
(c)), onde as letras Page e o nmero 5 aparecem danificados. Empregando a imagem
resultante da filtragem agressiva (figura 2.22-(b)) como marcador e a imagem original
ruidosa (figura 2.22-(a)) como mscara, o processo de reconstruo permite regenerar
perfeitamente Page 5 conforme aparece na figura 2.22-(d), sem nenhuma distoro.

(a) (b) (c) (d)


Figura 2.22. Filtragem por reconstruo binria: (a) Imagem ruidosa, (b) Elimina-
o do rudo, (c) Tentativa de recuperao por dilatao tradicional, (d) Recons-
truo.

A figura 2.23 ilustra outro exemplo das potencialidades da reconstruo bin-


ria. A imagem da figura 2.23-(a) representa a imagem das letrasSbf circundadas por
uma margem ruidosa e irregular. Por uma filtragem agressiva, elimina-se as letrasSbfe
desgasta-se a margem (figura 2.23-(b)). Por reconstruo dessa margem desgastada em-
pregando a imagem original como mscara, gera-se uma imagem da margem completa
ruidosa e irregular (figura 2.23-(c)). Basta subtra-la da imagem original para obter as
letras Sbf conforme aparecem na (figura 2.23-(d)), sem nenhuma distoro.

89
VII Workshop de Visao Computacional WVC 2011

(a) (b) (c) (d)


Figura 2.23. Filtragem por reconstruo binria: (a) Imagem com margem rui-
dosa e irregular, (b) Filtragem inicial, (c) Reconstruo da margem, (d) Obteno
das letrasSbf.

Estes dois exemplos da figura mostram a importncia da reconstruo. Enquanto


que filtragens clssicas permitem eliminar padres indesejveis porm, deformando os
padres remanescentes, por reconstruo, possvel eliminar esse problema e recuperar
os padres exatos.

2.2.10. ltima Eroso binria


Seja f uma imagem constituda de subconjuntos conectados. Por eroso de f pelo ele-
mento estruturante nB, na medida que n aumenta, os subconjuntos vo gradativamente di-
minuir de tamanho, alguns deles vo separar-se dos outros e/ou desaparecer. Guardando
o que resta de cada subconjunto antes da sua remoo definitiva, possvel provar que o
conjunto constitudo dos resduos de cada subconjunto constitue a ltima Eroso Ult( f)
de f . Guardar as sementes dos subconjuntos que formam a imagem f pode constituir
um processo interessante quando se quer numerar, reconstruir e identificar as partculas
existentes. Esse processo pode ser realizado a partir da operao de ltima Eroso bin-
ria, constituda de etapas, umas euclidianas, outras condicionais. Vincent [Vin94] fornece
uma definio da ltima Eroso (definio 2.19) levando em considerao o processo de
reconstruo binria introduzido anteriormente.
A reconstruo do subconjunto A1 pelo subconjunto A2 A1 (A2 ), onde A2 A1 ,
representa a unio dos subconjuntos de A1 que tem uma interseo no nula com A2 .

Tendo na mente essa abordagem, o conjunto Ult n ( f ) da ltima Eroso de f , em


relao nB, expressa-se, em funo da reconstruo, da seguinte maneira:

n (X ) = nB ( f )/ nB( f ) ( (n+1)B ( f ))
Ult

Definio 2.19
O conjunto Ult(X ) constitudo de todas as ltimas eroses
do conjunto binrio X definido pela seguinte equao:


Ult(X n (X )
) = n Ult
= n [ nB ( f )/ nB ( f ) ( (n+1)B ( f ))]

90
VII Workshop de Visao Computacional WVC 2011

Figura 2.24. ltima Eroso por eroses sucessivas

A figura 2.24 ilustra os resduos de cada subconjunto para cada etapa da eroso e
o resultado final da ltima Eroso com as sementes em vermelho.
Para descobrir os resduos da eroso na iterao n + 1, efetua-se a comparao
entre o resultado da reconstruo da eroso (n+1)B e o resultado da eroso nB . Caso o re-
sultado dessa comparao for nulo, isto significa que nenhum subconjunto foi descoberto.
Caso contrrio, um novo subconjunto portanto descoberto atravs de sua semente. Essa
descoberta pode no ser sempre prevista pela anlise puramente visual, devido prpria
geometria dos conjuntos. A figura 2.25ilustra o resultado do processo de ltima Ero-

.. . . ..
. . . . . . .

so com o elemento estruturantes BR = .. .. . Pode constatar que as sementes

. . . .
. . . . . . .
obtidas se encontram bem centralizadas.

Figura 2.25. ltima Eroso: exemplo

2.2.11. Granulometria Binria


2.2.11.1. Introduo

A anlise de imagens por medio de estruturas (de clulas, de gros) uma tarefa im-
portante. Quando um tamanho mdio de estrutura existe, uma anlise global pode ser

91
VII Workshop de Visao Computacional WVC 2011

realizada e os processos podem ser facilmente automatizveis. Porm, o tamanho m-


dio de uma estrutura pode no ser suficiente para descrever o conjunto a ser analisado.
Poder estabelecer a distribuio de tamanhos um meio mais preciso de atingir esse ob-
jetivo.
Quando se fala de grandezas a serem medidas, um paralelo pode ser estabelecido
com o processo de peneiramento. Peneirar consiste em separar substncias reduzidas ao
estado de fragmento, que apresentam vrios tamanhos. Efetuar um bom peneiramento de-
pende do tamanho da malha da peneira usada. Aps peneirar so obtidos dois contedos:
o primeiro com os objetos menores que a malha da peneira deixou passar, o segundo com
o que sobrou do peneiramento, o refugo, de tamanho maior que a malha da peneira no
deixou passar.
Pode se pensar em peneirar vrias vezes, com peneiras cujo tamanho da malha
varia. O estudo da distribuio de tamanho em anlise de imagens obedece aos mes-
mos princpios, e o termo usado para descrever essa distribuio granulometria. A
figura 2.26 ilustra um tipo clssico de imagem que pode ser analisada por processo gra-
nulomtrico.

Figura 2.26. Exemplo de imagem podendo ser submetida ao processo granulomtrico

2.2.11.2. Princpios bsicos da granulometria

A anlise granulomtrica existe e usada desde tempos antigos, o que explica que a litera-
tura nesse assunto ampla. Do ponto de visto morfolgico, por exemplo [Mat75] props
um conjunto de regras que, se forem verificadas, permitem obter uma boa granulometria.
Para isto, existem trs axiomas:
Sejam a imagem f a ser analisada e T ( ) ( f ) a transformao que permite rea-
lizar uma anlise granulomtrica. T ( ) ( f ) representa exatamente o refugo da peneira de
tamanho .

1. A transformao morfolgica deve ser anti-extensiva; isso significa que o conjunto


transformado deve ser menor que o de origem ou seja:
> 0, T ( ) ( f ) f , f (25)

92
VII Workshop de Visao Computacional WVC 2011

2. A transformao morfolgica deve ser crescente, ou seja:


> 0, Y f = T ( ) (Y ) T ( ) ( f ) , f (26)

3. O resultado final deve ser idntico qualquer que seja a seqncia de transformaes
empregada. Alm disso, o resultado deve idntico ao obtido pela transformao de
maior parmetro :
1 , 2 > 0, T (1 ) (T (2 ) ( f )) = T (2 ) (T (1 ) ( f ))
= T sup(1 ,2 ) ( f ) , f

Pode-se verificar que o processo de peneiramento obedece a esses trs axiomas.

No primeiro, porque qualquer conjunto de substncias peneirado fica menor que o


conjunto inicial;
No segundo, porque a quantidade de matria depositada proporcional quantidade
analisada;
No terceiro, porque usar uma peneira grossa e depois uma fina ou uma fina e depois
uma grossa resulta no mesmo peneiramento e porque o resultado fica idntico a
peneirar com peneira grossa.

possvel constatar que a conseqncia do terceiro axioma a propriedade de


idempotncia:
> 0, T ( ) (T ( ) ( f )) = T ( ) ( f ) , f

2.2.11.3. Diferentes tipos de granulometria

Diferentes tipos de granulometria existem da mesma maneira que os diversos parmetros


granulomtricos que os caracterizam.

Granulometrias em nmero e em medida : Qualquer granulometria pode ser represen-


tada:
Em nmero : consiste em numerar o contedo de cada peneiramento e representar
o resultado em funo do tamanho da peneira.
Em medida : consiste numa tomada de peso (medida da massa) do contedo de
cada peneiramento. Essa massa representada em funo do tamanho da
peneira;
Esses dois tipos de granulometria no tm o mesmo significado. No caso da gra-
nulometria em nmero, a cada partcula atribudo o mesmo valor qualquer que
seja a sua massa ou o seu tamanho. No caso da granulometria em medida, a cada
partcula atribudo o valor proporcional a sua massa ou ao seu tamanho. Enquanto
a primeira granulometria faz somente sentido no caso da imagem constituda de
subconjuntos disjuntos, a granulometria em medida no requer esse tipo de restrio
e mais geral.

93
VII Workshop de Visao Computacional WVC 2011

Definies do tamanho : O parmetro que usado nas granulometrias representa sem-


pre um parmetro de tamanho (comprimento, largura, rea, volume). Podem ser
realizadas granulometrias lineares ou bidimensionais. No primeiro caso, qualquer
que seja a imagem f , a sua anlise faz-se por interseo com retas e define conjun-
tos disjuntos. O nico parmetro de tamanho possvel portanto o comprimento da
reta. Esse parmetro pode ser usado para os conjuntos constitudos de gros como
para os conjuntos interconectados. Essa reta constitui portanto o elemento estrutu-
rante que permite realizar granulometrias lineares pela morfologia matemtica.

Em relao s granulometrias bidimensionais, deve ser separado o caso dos con-


juntos interconectados do caso dos conjuntos indivisualisveis. No primeiro caso,
somente a morfologia matemtica permite fornecer uma soluo. O parmetro usa-
do o tamanho do elemento estruturante convexo B. No caso de B ser um disco,
representa o raio do maior disco inscrito na partcula. No caso dos conjuntos
indivisualisveis, uma granulometria no sentido de Matheron [Mat75] envolvendo
um parmetro relativo a uma componente conexa pode ser definido. Por exemplo o
dimetro do disco inscrito, a sua rea, o seu dimetro de Fret.

Representao de uma granulometria :


A evoluo do nmero e/ou da massa das partculas representada por uma funo.
Para permitir comparar as granulometrias de dois materiais, por exemplo, nece-
ssrio usar funes normalizadas [CC89]. Levando em considerao os axiomas
de Matheron [Mat75], podemos definir uma funo de distribuio em nmero,
Fn ( f , ) ou ainda Fn ( ):

N( f ) N(T ( ) ( f )) N(T ( ) ( f ))
Fn ( ) = = 1 (27)
N( f ) N( f )

onde N( f ) representa o nmero de partculas da populao inicial e N(T ( ) ( f )) o


nmero de partculas da populao que sobrou na peneira.
A partir de Fn ( ), pode ser definida a densidade de distribuio em nmero fn ( ):

d(Fn ( ))
fn ( ) = ou Fn ( ) = fn ( )d( ) (28)
d( ) 0

Da mesma maneira, para a granulometria em medida, pode ser definida uma funo
de distribuio em medida, Fm ( f , ) ou ainda Fm ( ):

Leb( f ) Leb(T ( ) ( f )) Leb(T ( ) ( f ))


Fm ( ) = = 1 (29)
Leb( f ) Leb( f )

onde Leb() representa a medida de Lebesgue, seja o volume em 3 , a rea em 2


e o comprimento em 1 .

94
VII Workshop de Visao Computacional WVC 2011

A densidade de distribuio em medida fm ( ) :



d(Fm ( ))
fm ( ) = ou Fm ( ) = fm ( )d( ) (30)
d( ) 0

Na prtica, as imagens usadas so digitais, portanto preciso adaptar os mtodos


empregando granulometrias. Infelizmente, por causa de uma noo apropriada de
convexidade e da impossibilidade de multiplicao por um valor escalar arbitrrio,
isso no pode ser feito diretamente. Os seguintes resultados apresentados so apli-
cveis no caso de imagens euclidianas e digitais. Representando as distribuies
em medida Fm ( ) e em nmero Fn ( ) pela funo ( ), possvel escrever a sua
derivada discreta, d(( ))/ d , respectivamente a funo densidade em nmero
fn ( ) ou a funo densidade em medida fm ( ), da seguinte forma:

d(( ))
= ( + 1) ( ) (31)
d( )

2.2.11.4. Granulometria por abertura

Por verificar ao mesmo tempo as propriedades de anti-extensividade, crescncia e idem-


potncia, a abertura faz parte do conjunto das transformaes introduzidas anteriormente
que verifica os trs axiomas de [Mat75]. Se desejar usar a abertura como processo gra-
nulomtrico, tem-se ainda que definir as condies que o elemento estruturante deve ve-
rificar e o elemento estruturante deve verificar principalmente o axioma nmero 27 de
[Mat75] que escreve-se no caso da abertura:

1 > 2 > 0 (1 B) ( (2 B) ( f )) = (2 B) ( (1 B) ( f )) = sup(1 B,2 B) ( f )

[Ser82] demonstra que essa relao verifica-se somente no caso do elemento es-
truturante ser convexo.

Definio 2.20 Um conjunto compacto B convexo se e somente se r > s > 0, rB


sB-abertura, seja sB (rB) = rB.

No espao 1 , o nico elemento estruturante convexo o segmento de reta. Em 2 ,


existe uma escolha mais diversificada como por exemplo o crculo, o hexgono, etc..

2.2.11.5. Granulometria por abertura bidimensional

Considerando uma seqncia de elementos estruturantes de tamanho crescente {B i } =


(B1 , B2 , ..., Bk, .., Bi ), onde Bk+1 Bk -abertura k > 0, aplica-se a abertura da imagem
binria f por Bk . Pela propriedade de anti-extensividade da abertura, pode ser escrito
que:
... Bk+1 ( f ) Bk ( f )... B2 ( f ) B1 ( f )

95
VII Workshop de Visao Computacional WVC 2011

Dessa maneira cria-se uma granulometria por abertura bidimensional onde o par-
metro o raio ou o fator k de crescimento do elemento estruturante. Uma maneira exata
de criar uma seqncia de elementos estruturantes {Bi } criar a seqncia Bk+1 = B (Bk ),
onde Bk+1 Bk -abertura k > 0. O elemento estruturante B1 o elemento estruturante
unidade constitudo de um pixel B 1 = { }.
A lei de distribuio usada no caso da granulometria por abertura bidimensional
geralmente a distribuio em medida (definies 29 e 30), a distribuio em nmero
pouco usada nesse caso (equaes 27 e 28). A funo de distribuio em medida
portanto:

Bk ( f )
A(
Fm (k) = 1 (32)
f)
A(


onde A(I) representa a medida de Lebesgue de I em 2 , seja a rea de I. A densidade em
medida fica idntica (equao 30) e calcula-se segundo a equao 31.
O exemplo terico 2.5 ilustra um estudo granulomtrico por abertura a partir da
  de elementos estruturantes de tamanho crescente {Bi = i BQ }, onde BQ =
seqncia



, lembrando que B1 = { }. . Na imagem f foram dispersados de forma aleatria
conjuntos de trs tamanhos diferentes.

. . . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . .

. . . . . . .

. . . . . .

. . . . . . .

. . . . . . .

f =
. . . . . . .
Exemplo 2.5 .
.
.
.
.
.

.

.

.

.

.

.

.
.
.
.
.
.
.
.
.
. . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . . . . . .

Por aberturas sucessivas com {Bi }, tem-se os seguintes resultados:

. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . .
. . . . . . .

. . . . . . .
. . . . . . .

. . . . . .
. . . . . . .

. . . . . . .
. . . . . . .

. . . . . . .
B . . . . . . .

(f) = 2( f ) =
. . . . . . . . . . . . . .
B1 . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .

96
VII Workshop de Visao Computacional WVC 2011

. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . .
. . . . . . . . . . . . . .

. . . . . . .
. . . . . . . . . . . . . .

. . . . . . .
. . . . . . . . . . . . . .

. . . . . . .
. . . . . . . . . . . . . .

. . . . . . .
B . . . . . . . . . . . . . .

(f) = (f) = 5( f ) =
. . . . . . . . . . . . . . . . . . . . .
B3 B4 . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .

possvel constatar que, medida que o elemento


 estruturante B k cresce, a ima-
gem f peneirada pelo processo de abertura Bk ( f ) e so geradas imagens onde sobram
acumuladas dos conjuntos de Bk ( f ) so:
os conjuntos Bk . As respectivas reas A()

B1 ( f )) = 74;
A(

B2 ( f )) = 67;
A(

B3 ( f )) = 49;
A(

B4 ( f )) = 49;
A(

Bk ( f )) = 0.
(Bk B5 ) A(

A partir desses diferentes resultados, so definidas a funo de distribuio em


medida, a funo de distribuio em medida normalizada e a densidade de distribuio
em medida (figura 2.27) em funo do tamanho k do elemento estruturante.

a) b) (c)
Figura 2.27. Distribuies em medida do exemplo terico 2.5 : (a) Distribuio,
(b) Distribuio normalizada Fm ( ), (c) Densidade normalizada fm ( ).

possvel interpretar a densidade de distribuio em medida como sendo uma


maneira de descobrir o padro que foi isolado pelo peneiramento na etapa k, seja ainda
a classificao desse padro segundo o critrio de abertura em funo do elemento es-
truturante escolhido [Vin94]. Essa interpretao ilustrada a seguir a partir do exemplo

97
VII Workshop de Visao Computacional WVC 2011

anterior:
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . .

. . . . . . . . . . . . . .
. . . . . . . . . . . . . .

. . . . . . . . . . . . . .
. . . . . . . . . . . . .

. . . . . . . . . . . . . .
. . . . . . . . . . . . . .

. . . . . . . . . . . . . .
. . . . . . . . . . . . . .

fm (0) = e fm (1) =
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .

. . . . . . . . . . . . . .
. . . . . . . . . . . . . .

. . . . . . . . . . . . . .
. . . . . . . . . . . . . .

. . . . . . . . . . . . . .
. . . . . . . . . . . . . .

. . . . . . . . . . . . . .
. . . . . . . . . . . . . .

fm (2) = e fm (3) =
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . .
. . . . . . . . . . . . . .

. . . . . . .
. . . . . . . . . . . . . .

. . . . . . .
. . . . . . . . . . . . . .

. . . . . . .
. . . . . . . . . . . . . .

. . . . . . .
. . . . . . . . . . . . . .

fm (4) = e k 5 fm (k) =
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .

A figura 2.28 exemplifica o processo granulomtrico por abertura a partir da


seqncia de elementos estruturantes idntica do exemplo 2.5. A imagem f foi cri-
ada de forma artificial onde os conjuntos tem uma forma quadrada e foram distribudos
de forma aleatria e de maneira a no sobreporem-se. O processo de peneiramento co-
mea a ser operacional a partir da abertura com B3 (figura 2.28-(b)). Uma segunda classe
de conjunto peneirada com a abertura usando B4 (figura 2.28-(c)), uma terceira classe
com a abertura usando B7 (figura 2.28-(d)) e finalmente a ltima classe com a abertura
usando B10 . Donde as distribuies granulomtricas, a funo de distribuio, a funo
de distribuio normalizada e a densidade de distribuio da figura 2.29.

2.2.11.6. Granulometria por abertura e reconstruo

Na realidade, raras so as imagens onde os conjuntos tem formas idnticas e no se so-


brepem. O fato de que conjuntos poderem ter diversas formas, ou seja, a imagem conter
vrios padres e/ou rudo, dificulta o processo de peneiramento. Peneirar, por exemplo,
estruturas redondas e alongadas a partir de uma nica seqncia de elementos estrutu-
rantes pode resultar em resultados duvidosos. Conjuntos sobrepostos criam o mesmo

98
VII Workshop de Visao Computacional WVC 2011

(a) (b) (c) (d)


Figura 2.28. Peneiramento por abertura binria: a) imagem original b) Abertura
B3 c) Abertura B4 d) Abertura B7

efeito. Acontece que peneirar pelo processo de abertura da maneira como foi descrito
anteriormente resulta na deformao dos conjuntos restantes. O que resulta em funo
e densidade de distribuio incorretas dificultando portanto a interpretao. Vrias so-
lues so possveis. Uma delas modificar o processo de peneiramento por abertura
introduzindo o processo de reconstruo binria a partir de marcadores binrios. Sabe-se
que aps abertura, o conjunto que sobrevive existe realmente na peneira. Somente a
sua forma e as suas dimenses foram alteradas. A idia consiste, portanto, em extrair o
marcador de cada conjunto restante (por exemplo pelo processo de ltima Eroso) para
depois reconstruir o verdadeiro conjunto que normalmente deveria aparecer.
Veja o exemplo terico 2.6, simplesmente uma verso deteriorada do exemplo
terico 2.5 onde foi adicionado rudo, que vai ilustrar o estudo granulomtrico por aber-
tura com incluso do processo de reconstruo binria. Foi usada a mesmaseqncia 

de elementos estruturantes de tamanho crescente {Bi = i BQ }, onde BQ = do

exemplo terico 2.5.


. . . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . .

. . . . . . .

. . . . .

. . . . . .

. . . . . . .

X =
. . . . .
Exemplo 2.6 .
.
.
.
.
.

.

.

.

.

.

.

.

.
.
.
.
.
.
.
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . .
. . . . . . . . . . .
. . . . . . . . .
. . . . . . . . . .
. . . . . . . . . . . . . .

A primeira abertura fornece um resultado sem nenhuma ambigidade, e a sua rea


B1 ( f )) = 83:
A(
. . . . . . . . . . . . . .
. . . . . . . . . . . . .
.. . . . .

. . . . . . .

. . . . .

. . . . . .

. . . . . . .

(f) =
. . . .
B1
.. .
.
.
.

.

.

.

.

.

.

.

.
.
.
.
.
.
.
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . .
. . . . . . . . . . .
. . . . . . . . .
. . . . . . . . . .
. . . . . . . . . . . . . .

99
VII Workshop de Visao Computacional WVC 2011

(a)

(b)

(c)
Figura 2.29. Distribuies em medida do exemplo 2.28 : (a) Distribuio, (b)
Distribuio normalizada Fm ( ), (c) Densidade normalizada fm ( ).

100
VII Workshop de Visao Computacional WVC 2011

(a) (b) (c)

(d) (e) (f)


Figura 2.30. Etapas de peneiramento por abertura binria com reconstruo

J a segunda abertura fornece um resultado distorcido:

. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

(f) =
. . . . . . .
B2 . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . . . . .

Os conjuntos peneirados no tm a mesma forma que os conjuntos correspondentes


na imagem original. O que gera como conseqncia a modificao das distribuies.
Como j visto anteriormente, uma maneira de restituir os conjuntos iniciais consiste em
efetuar uma reconstruo de f . Uma primeira idia excelente reconstruir a partir da
extrao de marcadores de ( B2 ( f )) gerados pelo processo de ltima Eroso. Porm
possvel acelerar o processo usando ( B2 ( f )) como sendo a prpria imagem de marca-
dores. Isso possvel pela propriedade de anti-extensividade da abertura (( B2 ( f )) f ).

101
VII Workshop de Visao Computacional WVC 2011

(a)

(b)

(c)
Figura 2.31. Distribuies em medida do exemplo 2.28 : (a) Distribuio, (b)
Distribuio normalizada Fm ( ), (c) Densidade normalizada fm ( ).

102
VII Workshop de Visao Computacional WVC 2011

Portanto, a reconstruo de f a partir de ( B2 ( f )) :


. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . .

. . . . . . .

. . . . . .

. . . . . .

. . . . . . .

( f )) =
. . . . .
f (Ult( B 2
.
.
.
.
.
.

.

.

.

.

.

.

.

.
.
.
.
.
.
.
. . . . . . . . . . .
. . . . . . . . . .
. . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . . . . .

Pelo processo de reconstruo, possvel corrigir as deformaes introduzidas


pela abertura. O algoritmo de peneiramento portanto perfeito. No caso do peneiramento
X (Ult(
perfeito de f por B2 , a rea A( B2 ( f ))) = 76. Reiterando esse processo para
cada etapa de abertura, tem-se:
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
.. . . . . . .

. . . . . . .

. . . . . .

. . . . . .

. . . . . . .

f (Ult( ( f )) = f (Ult( ( f )) =
. . . .
B3 B4
.. .
.
.
.

.

.

.

.

.

.

.

.
.
.
.
.
.
.
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

( f )) =
. . . . . . . . . . . . . .
f (Ult( B 5
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .

acumuladas, que permitem definir as distribuies em


As respectivas reas A()
medida ilustradas na figura 2.32, so:
B1 ( f )) = 83;
A(
X (Ult(
A( B2 ( f ))) = 76;
f (Ult(
A( B3 ( f ))) = 54;

f (Ult(
A( B4 ( f ))) = 54;

f (Ult(
(Bk B5 ) A( Bk ( f ))) = 0.

A figura 2.30 ilustra um exemplo real de processo granulomtrico por abertura


com reconstruo binria, e a figura 2.31, as funes de distribuio e a densidade de
distribuio decorrentes.

103
VII Workshop de Visao Computacional WVC 2011

(a)

(b)

(c)
Figura 2.32. Distribuies em medida do exemplo terico 2.6 : (a) Distribuio,
(b) Distribuio normalizada Fm ( ), (c) Densidade normalizada fm ( ).

104
VII Workshop de Visao Computacional WVC 2011

2.2.11.7. Granulometria por fechamento ou anti-granulometria

Da mesma maneira que foi definida uma granulometria, possvel definir uma granu-
lometria por fechamento ou anti-granulometria T ( ) ( f ) a transformao que verifica os
dois ltimos axiomas de [Mat75] e verifica a propriedade de extensividade:
1 2 > 0, T (1 ) ( f ) T (2 ) ( f )) f (33)

Uma transformao verificando essas trs axiomas o fechamento. Uma granu-


lometria por fechamento analisa uma imagem f em relao a uma famlia de fechamento
e estritamente equivalente por, dualidade, a uma anlise granulomtrica por abertura do
complementrio de f , seja f c . Uma tal granulometria pode ser usada por exemplo para
analisar conjuntos contendo furos.

2.3. OPERADORES DA MORFOLOGIA MATEMTICA EM NIVEIS DE


CINZA
2.3.1. Consideraes matemticas
Seja E um conjunto qualquer e P(E) o conjunto dos subconjuntos de P. Um sinal eucli-
diano uma funo f (x) definida num certo domnio D[ f (x)] que pode ser real ou inteiro
por exemplo. Considerando uma funo de uma varivel f (x) positiva, o que o caso de
imagens em nveis de cinza, possvel definir operaes de translao. Uma translao
horizontal direita de valor z, ou shift, do sinal f (x) pode ser definida como:
fz (x) = f (x z) (34)

Da mesma maneira, uma translao vertical do sinal f (x) de valor y, chamada


tambm de offset, pode ser definida como:
( f + y)(x) = f (x) + y (35)

Aplicando as duas operaes, obtm-se uma translao morfolgica, como:


( f + y)z (x) = f (x z) + y (36)

Precisa-se tambm definir uma noo de ordem entre as imagens. Sejam f (x)
e g(x) dois sinais com domnios respectivos D[ f ] e D[g], g(x) declarado como sendo
abaixo de f (x), escrito como g << f , se:

o domnio D[g] um sub-conjunto do domnio D[ f ],


x D[g], g(x) < f (x).

Como em morfologia binria, onde a interseco e a unio tm um papel impor-


tante, da mesma forma, em morfologia em nveis de cinza, duas funes equivalentes, o
mximo e o mnimo (figura 2.33) tm um papel fundamental.

105
VII Workshop de Visao Computacional WVC 2011

Figura 2.33. Exemplo de operaes Mximo e Mnimo

O mnimo de duas funes f (x) e g(x), notado f g, pode ser definido da seguinte
forma:

Definio 2.21 Se x pertence interseco de f (x) e de g(x), x pertence


ento D[ f ] D[g], portanto:
( f g)(x) = Min{ f (x), g(x)} (37)

Da mesma maneira, o mximo de duas funes f (x) e g(x), notado f g, pode ser
definido em termos de unio da seguinte forma:

Definio 2.22 Se x pertence unio de f (x) e de g(x), x pertence D[ f ]


D[g], ento:
( f g)(x) = Max{ f (x), g(x)} (38)

Em morfologia em nveis de cinza, existe mais uma operao bsica de reflexo que
corresponde rotao de um conjunto em relao origem. Se f (x) um sinal definido
no seu domnio D[ f ], o transposto de f (x) em relao origem :
f(x) = f (x) (39)

2.3.2. Eroso e Dilatao em nveis de cinza


Sero apresentados aqui os dois operadores bsicos que constituem os pilares da Morfo-
logia Matemtica em nveis de cinza, a eroso e a dilatao.

2.3.2.1. Eroso em nveis de cinza com elementos estruturantes 3D

[Ser82] (pgina 443) mostrou que possvel relacionar a eroso com a extenso da sub-
trao de Minkowski extendida para funes:

106
VII Workshop de Visao Computacional WVC 2011

Definio 2.23 A eroso de um sinal f por um elemento estruturante 3D g


:
g ( f )(x) = { f (y) g(x y) : y E}

onde a eroso no definida num ponto onde o elemento estruturante no est abaixo do
sinal f . No caso de imagens digitais, os sinais so definidos sobre inteiros e tomam os
valores de nvel de cinza, na maioria dos casos entre 0 e 255 (8 bits).
A figura 2.34 ilustra o princpio da interao do elemento estruturante g em nveis
de cinza sobre o sinal f (rampa) no caso de uma eroso em nveis de cinza. O ponto
escolhido para a exemplificao x = 2. Nesse ponto, so efetuadas todas as operaes
f (y) g(x y) para os pontos relevantes y do elemento estruturante g. possvel cons-
tatar que o elemento estruturante g centrado no ponto 2 em estudo (2 y = 0 para y = 2)
(figura 2.34-b)). O clculo f (y) + g(2 y) deve ser efetuado trs vezes para os pontos
relevantes de g que so y = 1, y = 2 e y = 3. Os resultados so respectivamente 1 1 = 0,
2 1 = 1 e 3 1 = 2. Portanto o resultado da eroso no ponto 2 Min{0, 1, 2} = 0.
Os resultados da eroso de f por g so (figura 2.34-c)): g ( f (0)) < 0, g ( f (1)) < 0,
g ( f (2)) = 0, g ( f (3)) = 1, g ( f (4)) = 2, g ( f (5)) = 1, g ( f (6)) = 0, g ( f (7)) < 0,
g ( f (8)) < 0.

Figura 2.34. Exemplo terico de eroso em nveis de cinza

Uma imagem, de forma geral, apresenta um fundo que pode ser ou no uniforme
e onde sobrepem-se padres mais claros e/ou escuros. possvel comparar este imagem
a um relevo topogrfico onde os padres claros so picos e os padres escuros so va-
les. Tendo esta analogia em mente, possvel estabelecer padres de comportamento da
eroso.
Os efeitos da eroso em nveis de cinza so:

Escurecer a imagem

107
VII Workshop de Visao Computacional WVC 2011

Alargar e engordar os vales (padres mais escuros)

Conectar vales prximos

Reduzir e as vezes eliminar picos (padres mais claros)

Separar picos prximos.

2.3.2.2. Eroso em nveis de cinza com elementos estruturantes 2D

A definio anterior leva em considerao elementos estruturantes 3D em nveis de cinza.


Muitas vezes esses elementos estruturantes so funes analiticamente bem definidas
como um disco, uma meia-esfera etc.. O uso desses tipos de elementos estruturantes
permite processos poderosos mas que dependem muito da escolha analtica da funo de
representao.
Outra definio mais simples e muito empregada consiste em no mais usar ele-
mentos estruturantes 3D mas sim 2D ou planares. Esta nova definio usando elementos
estruturantes 2D :

Definio 2.24 A eroso de um sinal f por um elemento estruturante 2D


planar g :
g ( f )(x) = { f (y) : y D[g]}

Nos exemplos que serviro para ilustrar os processos morfolgicas en nveis de


cinza, sero usados elementos estruturantes 2D.
A figura 2.35 ilustra efeitos da eroso em uma imagem poluda por rudo. A
eroso com o elemento estruturante BC tem como efeito de remover o rudo mais claro
mas tem com inconveniente de reforar o rudo mais escuro.
A figura 2.36 ilustra os efeitos acima citados a partir de uma imagem erodida
pelos elementos estruturantes nBQ com n = 1 e n = 3. Percebe-se que, na medida que n
aumenta, gradativamente a imagem vem escurecendo, os vales aumentam, as partes claras
diminuem. O que resulta na dispario das letras e detalhes mais claros e no reforo das
letras e detalhes mais escuros.

2.3.2.3. Dilatao em nveis de cinza com elementos estruturantes 3D

A dilatao de um sinal f por um elemento estruturante g pode ser definida, como no caso
da morfologia binria, como a operao dual da eroso em nveis de cinza. Na prtica, a
dilatao em nveis de cinza de f por g consiste em verificar se o elemento estruturante
centrado em x est acima da funo f . [Ser82] (pgina 443) mostrou que possvel
relacionar a dilatao com a extenso da adio de Minkowski extendida para funes:

108
VII Workshop de Visao Computacional WVC 2011

(a) (b)
Figura 2.35. Exemplo de eroso de uma imagem ruidosa: (a) Image Original, (b)
Com o elemento estruturante BC .

(a)

(b) (c)
Figura 2.36. Exemplos de eroso: (a) Image Original, (b) Com o elemento estru-
turante BQ , (c) Com o elemento estruturante 3 B Q .

109
VII Workshop de Visao Computacional WVC 2011

Definio 2.25 A dilatao de um sinal f por um elemento estruturante 3D


g :
g ( f (x)) = { f (y) + g(x y) : y E}

A figura 2.37 ilustra o princpio da interao do elemento estruturante g em n-


veis de cinza sobre o sinal f no caso de uma dilatao em nveis de cinza. O ponto
escolhido para a exemplificao no sinal f x = 2. Nesse ponto, so efetuadas todas as
operaes f (y) + g(x y) para os pontos relevantes y do elemento estruturante g (figura
2.37-b)). possvel constatar que o elemento estruturante g centrado no ponto 2 em
estudo (2 y = 0 para y = 2). O clculo f (y) + g(2 y) deve ser efetuado trs vezes,
para y = 1, y = 2 e y = 3. Os resultados so respectivamente 1 + 1 = 2, 2 + 1 = 3 e
3 + 1 = 4. Portanto o resultado da dilatao no ponto 2 Max{2, 3, 4} = 4. Os resultados
da dilatao de f por g so (figura 2.37-c)): g ( f (0)) = 2, g ( f (1)) = 3, g ( f (2)) = 4,
g ( f (3)) = 5, g ( f (4)) = 5, g ( f (5)) = 5, g ( f (6)) = 4, g ( f (7)) = 3, g ( f (8)) = 2.

Figura 2.37. Exemplo terico de dilatao em nveis de cinza

Tendo ainda em mente a analogia da imagem em nveis de cinza com o relevo


topogrfico onde os padres claros so picos e os padres escuros so vales, possvel
determinar padres de comportamento da dilatao. Os efeitos da dilatao em nveis
de cinza so:

Clarear a imagem
Alargar e engordar os picos (padres mais claros)
Conectar picos prximos
Reduzir e as vezes eliminar vales (padres mais escuros)
Separar vales prximos.

110
VII Workshop de Visao Computacional WVC 2011

2.3.2.4. Dilatao em nveis de cinza com elementos estruturantes 2D

Outra definio mais simples e muito empregada usando elementos 2D ou planares :

Definio 2.26 A dilatao de um sinal f por um elemento estruturante 2D


planar g :
g ( f (x)) = { f (y) : y D[g]}

Nos exemplos que serviro para ilustrar os processos morfolgicas en nveis de


cinza, sero usados elementos estruturantes 2D.
A figura 2.38 ilustra efeitos da dilatao em uma imagem poluda por rudo. A
dilatao com o elemento estruturante BC tem como efeito de remover o rudo mais escuro
mas tem com inconveniente de reforar o rudo mais claro.

(a) (b)
Figura 2.38. Exemplo de dilatao de uma imagem ruidosa: (a) Image Original,
(b) Com o elemento estruturante BC .

A figura 2.39 ilustra os efeitos acima citados a partir de uma imagem dilatada
pelos elementos estruturantes nBQ com n = 1 e n = 3. possvel perceber que, na medida
que n aumenta, gradativamente a imagem vem clareando, os vales diminuem, as partes
claras aumentam. O que resulta na dispario das letras e detalhes mais escuros e no
reforo das letras e detalhes mais claros.

2.3.2.5. Propriedades da Eroso e da Dilatao em nveis de cinza

Vale a pena esclarecer que a eroso e a dilatao so duais.

Propriedade 2.13 Enquanto a eroso uma transformao no comutativa, a dilatao


comutativa:

111
VII Workshop de Visao Computacional WVC 2011

(a)

(b) (c)
Figura 2.39. Exemplos de dilatao: (a) Image Original, (b) Com o elemento es-
truturante BQ , (c) Com o elemento estruturante 3 B Q.

112
VII Workshop de Visao Computacional WVC 2011

g( f ) = f (g)
g ( f ) = f (g) (40)

Propriedade 2.14 A eroso e a dilatao em nveis de cinza por um ponto reduzem-se a


uma translao. Portanto a dilatao e a eroso so invariantes pela translao.

x ( f ) = x ( f ) = fx (41)

Propriedade 2.15 A eroso e a dilatao em nveis de cinza tm propriedades interes-


santes em relao s operaes de mnimo e de mximo:


gg ( f ) = g ( f ) g ( f ) (42)

Pelo uso da dualidade que existe entre a eroso e a dilatao, tem-se:



gg ( f ) = g ( f ) g ( f ) (43)
e
g ( f h) = g ( f ) g (h) (44)

Propriedade 2.16 A eroso e a dilatao em nveis de cinza tm duas propriedades re-


lativas repetio que so interessantes.

g (g)
A primeira : g ( g ( f )) =
(f) (45)

g (g)
A segunda : g ( g ( f )) =
(f) (46)
Essas propriedades so fundamentais porque mostram que eroses e dilataes com ele-
mentos estruturantes grandes podem ser decompostas em seqncias de eroses e dilata-
es com elementos estruturantes menores. Essa propriedade particularmente interes-
sante para elementos estruturantes convexos. O que explica que, novamente, os elementos
estruturantes mais usados so simples, como B H , BV , BC .

Propriedade 2.17 A eroso e a dilatao em nveis de cinza so operaes crescentes.

f f = g ( f ) g ( f )
= g ( f ) g ( f ) (47)
E pela dualidade:

g g = g ( f ) g ( f )

= g ( f ) g ( f ) (48)

113
VII Workshop de Visao Computacional WVC 2011

Propriedade 2.18 Enquanto que a eroso uma operao anti-extensiva, a dilatao


uma operao extensiva.

g( f ) f g( f ) (49)

Propriedade 2.19 As eroso e dilatao so transformaes contnuas.

2.3.3. Deteo de bordas em nveis de cinza: Gradiente Morfolgico


A informao do gradiente muito usada no processamento de imagens para detectar
bordas. De forma geral, a informao gradiente uma verso digital da informao dife-
rencial. Supondo o sinal f diferencivel no seu domnio, possvel mostrar [Sch67] que
a derivada de f segundo a coordenada h na direo na Borda :

f f
(x) = ( )(x) + cos x (Borda) (50)
h h
onde a funo ( f / h) representa a derivada do termo contnuo, o salto no ponto
x Borda, o angulo representa a reta perpendicular Borda no ponto x orientada no
sentido positivo do salto, e x (Borda) o pulso de Dirac no ponto x.
A definio do gradiente de f no ponto x o vetor ( f / x), ( f / y) associada
funo diferencial d f :
f f
df = dx + dy (51)
x y
[Beu77] props uma avaliao do gradiente morfolgico a partir de eroses e di-
lataes em nveis de cinza efetuadas com disco de raio unitrio (ver figura 2.40):

g( f ) g( f )
Grad(x) = lim 0 (52)
2

Na morfologia matemtica, existem vrias implementaes digitais do gradiente


e trs delas sero aqui apresentadas.

Gradiente Morfolgico por eroso em nveis de cinza:

Definio 2.27 O gradiente morfolgico Grad g de uma imagem f por


um elemento estruturante g a partir da eroso :
g
Grad ( f ) = f g ( f )

O processo de Gradiente por eroso em nveis de cinza detecta bordas nas


posies dos nveis de cinza mais elevados das bordas.

Gradiente Morfolgico por dilatao em nveis de cinza:

114
VII Workshop de Visao Computacional WVC 2011

Figura 2.40. Exemplo terico do gradiente morfolgico

g
Definio 2.28 O gradiente morfolgico Grad de uma imagem f
pelo elemento estruturante g a partir da dilatao :

g
Grad ( f ) = g ( f ) f

O Gradiente por dilatao em nveis de cinza detecta bordas nas posies dos
nveis de cinza mais baixos das bordas.

Gradiente Morfolgico por dilatao e eroso em nveis de cinza

Definio 2.29 O gradiente morfolgico Grad g de uma imagem f


pelo elemento estruturante g a partir da eroso e da dilatao :

Gradg ( f ) = g ( f ) g ( f )

A figura 2.41 exemplifica o processo de gradiente morfolgico por dilatao e


eroso em nveis de cinza Gradiente a partir do elemento estruturante BC .

2.3.4. Abertura e fechamento em nveis de cinza


As propriedades de iteratividade da eroso e da dilatao em nveis de cinza permitem
novas operaes.

115
VII Workshop de Visao Computacional WVC 2011

(a) (b)
Figura 2.41. Exemplo de gradiente morfolgico por dilatao e eroso: (a) Image
Original, (b) Com o elemento estruturante BC .

2.3.4.1. Abertura em nveis de cinza

Uma dessas, chamada de abertura em nveis de cinza consiste em erodir uma imagem
f por um elemento estruturante g e depois dilatar essa imagem erodida pelo mesmo ele-
mento estruturante g. Como em morfologia binria, a operao morfolgica de abertura
em nveis de cinza definida, inicialmente a partir das operaes de Minkowski estendi-
das para funes ([Ser82] pgina 444), da seguinte maneira:

Definio 2.30 A abertura de uma imagem f pelo elemento estruturante g


por definio
g ( f ) = g ( g ( f ))
onde g representa o transposto de g obtido por simetria central
pela origem {o} do sistema de referncia

Depois da aplicao de uma abertura em nveis de cinza, de forma geral, a


preservao dos conjuntos iniciais muito rara. Seguindo a analogia da imagem em
nveis de cinza com o relevo topogrfico, o comportamento da abertura :

Separar picos prximos;


Eliminar picos inferiores em tamanho ao elemento estruturante;
Conservar vales afastados;
Juntar vales prximos;
Deixar a imagem resultante mais regular que a imagem original;
Deixar a imagem resultante menos rica em detalhes que a imagem original.

116
VII Workshop de Visao Computacional WVC 2011

2.3.4.2. Fechamento em nveis de cinza

Outro novo operador dual da operao de abertura em nveis de cinza, chamada de fe-
chamento em nveis de cinza , , pode ser definida como segue ([Ser82] pgina 444):

Definio 2.31 O fechamento de um sinal f por um elemento estruturante


g :

g ( f ) = g ( g ( f ))
onde B representa o transposto de B obtido por simetria central
pela origem {o} do sistema de referncia

Depois de aplicar um fechamento em nveis de cinza, de forma geral, a preserva-


o dos conjuntos iniciais muito rara. Seguindo a analogia da imagem em nveis de
cinza com o relevo topogrfico, o comportamento do fechamento :

Juntar picos prximos;

Eliminar vales inferiores em tamanho ao elemento estruturante;

Conservar picos afastados;

Separar vales prximos;

Deixar a imagem resultante mais regular que a imagem original;

Deixar a imagem resultante menos rica em detalhes que a imagem original.

A partir das propriedades de iteratividade e de dualidade das eroso e dilatao,


possvel filtrar reduzindo o impacto s caractersticas geomtricas dos conjuntos proces-
sados. Veja a figura 2.42 ilustrando tais propriedades retomando os exemplos das figuras
2.35 e 2.38. Na figura 2.35, foi visto que a eroso permite remover o rudo mais claro
porm reforando o rudo mais escuro (ver na figura 2.42-(b)). E que, conforme ilustrado
na figura 2.38, a dilatao permite remover o rudo mais escuro porm reforando o rudo
mais claro (ver na figura 2.42-(e)). Em cada caso, pelas propriedades de iteratividade e
de dualidade respectivas das dilatao e eroso, possvel, por abertura e fechamento,
reestabelecer a geometria dos conjuntos filtrados. O que ilustrado nas figuras 2.42-(c)
e 2.42-(f). Mas percebe-se que o rudo que tinha sido reforado anteriormente perma-
nece. E que s pode ser completamente eliminado pelos processos duais com elementos
estruturantes maiores que os usados anteriormente. A figura 2.42-(d) ilustra os efeitos de
aplicar um fechamento com elemento estruturante 2 BC aps ter aplicado uma abertura
com elemento estruturante BC . E de forma anloga, a figura 2.42-(g) ilustra os efeitos de
aplicar uma abertura com elemento estruturante 2 BC aps ter aplicado um fechamento
com elemento estruturante BC . Permitindo a remoo completa do rudo com menos im-
pactos nos conjuntos filtrados.

117
VII Workshop de Visao Computacional WVC 2011

(a)

(b) (c) (d)

(e) (f) (g)


Figura 2.42. Benefcios da abertura e do fechamento: (a) Imagem Original rui-
dosa, (b) Eroso com BC , (c) Abertura com BC , (d) Abertura com BC seguida de
Fechamento com 2 BC , (e) Dilatao com BC , (f) Fechamento com BC , (g) Fecha-
mento com BC seguida de Abertura com 2 BC .

118
VII Workshop de Visao Computacional WVC 2011

2.3.5. Filtros produtos e alternados seqenciais


Pelas propriedades de crescncia, de idempotncia, de extensividade e de anti-extensivi-
dade, a abertura e o fechamento constituem filtros de grande importncia. Estes filtros
no representam os nicos filtros com estas propriedades mas constituem uma boa base.
possvel pensar em associar a busca do mximo e do mnimo entre uma imagem, a ima-
gem aberta ou fechada e combinar de forma seqencial a abertura e o fechamento. E ver
at que ponto a combinao desses dois operadores conservem essas quatro propriedades.

2.3.5.1. Produto de aberturas e de fechamentos

Definio 2.32 A partir da abertura e do fechamento , podem ser defini-


dos quatro operadores, , , e :
g ( f ) = g ( g ( f ))
g( f ) = g ( g ( f ))
g ( f ) = g ( g (( g ( f )))
g ( f ) = g ( g ( g ( f )))

Esses operadores, que so essencialmente filtros, ordenam-se como segue:




possvel constatar que os filtros produtos e no so ordenados entre eles.


possvel tambm constatar que, devida propriedade de idempotncia ( = e
= ) esses filtros so os nicos a poderem ser realizados desta maneira. possvel
ainda acrescentar que, caso o usurio no for satisfeito com os resultados desses produtos
de aberturas ou de fechamentos, a nica possibilidade consiste em mudar o tamanho ou a
forma do elemento estruturante empregado.
Esses filtros compostos so muito usados, particularmente antes de qualquer o-
perao que aumenta o rudo da imagem, como por exemplo o gradiente. A figura 2.43
ilustra o efeito dos filtros produtos e , a partir do elemento estruturante g = B Q
sobre uma mesma imagem. O uso do produto g teve como conseqncia de reduzir as
regies claras para reforar as regies escuras (figura 2.43-(b)). Enquanto que empregar
o produto g teve com efeito limpar o fundo reforando de certa maneira o contraste
entre o fundo e as regies escuras (figura 2.43-(c)). Ambos os filtros produtos e
homogeneizaram as partes internas dos objetos.

2.3.5.2. Filtros alternados seqenciais

A partir de uma abertura, possvel definir uma famlia de aberturas de parmetro da


seguinte maneira:
( ) ( f ) = ( g) ( f ) = ( )g ( ( 1)g (... g( f ))) (53)

119
VII Workshop de Visao Computacional WVC 2011

(a) (b) (c)


Figura 2.43. Exemplos de filtros produtos: (a) Imagem original, (b) Filtro , (c)
Filtro .

Uma tal famlia tem a seguinte propriedade:

f , = ( ) ( f ) ( ) ( f )

Da mesma maneira, possvel definir uma famlia de fechamentos de parmetro


da seguinte maneira:

( ) ( f ) = ( g) ( f ) = ( )g ( ( 1)g (... g( f ))) (54)

possvel verificar que uma famlia de fechamento verifica a seguinte proprie-


dade:
f , = ( ) ( f ) ( ) ( f )

A gerao dessas duas famlias permite definir dois filtros alternados seqenciais
(i) e (i) .

Definio 2.33 O filtro alternado seqencial (i) :

(i) ( f ) = (i) ( (i) [ (i1) ( (i1) [.. .. (1) ( (1) ( f )).. ..])])

Definio 2.34 O filtro alternado seqencial (i) :

(i) ( f ) = (i) ( (i) [ (i1) ( (i1) [.. .. (1) ( (1) ( f )).. ..])])

O mecanismo de filtragem aqui mais complexo e tambm mais poderoso. A


primeira iterao com o elemento estruturante unidade (1) no filtro alternado seqencial

120
VII Workshop de Visao Computacional WVC 2011

(i) (respectivamente (1) no filtro alternado seqencial (i) ) consiste em eliminar o


rudo pequeno. Usar imediatamente o processo dual (1) (respectivamente (1) no filtro
alternado seqencial (i) ) deve permitir recuperar a informao prejudicada pelo pri-
meiro processo. Caso for necessrio, pode eliminar mais rudo usar portanto um elemento
estruturante maior. Donde as outras etapas (i) e (i) .
A figura 2.44 ilustra o efeito dos filtros alternados seqenciais (2) e (2) , a
partir do elemento estruturante g = BC sobre a mesma imagem da figura 2.43-(a). No
caso do filtro alternado seqencial (2) , o rudo claro no fundo e nos objetos eliminado
e conjuntos pequenos escuros integram-se nas regies escuras (figura 2.44-(b)). Tudo isto
realando o contraste entre estas regies e dando mais importncia s regies escuras. O
filtro alternado seqencial (2) , como de se esperar, tem o efeito dual (figura 2.44-(c)).
Elimina o rudo escuro no fundo e nos objetos e integra conjuntos pequenos claros nas
regies claras. Tudo isto realando novamente o contraste entre estas regies e dando
mais importncia s regies claras.

(a) (b) (c)


Figura 2.44. Exemplos de filtros alternados seqenciais: (a) Imagem original, (b)
Filtro (2) , (c) Filtro (2) .

Constata-se, atravs dos exemplos anteriores que esses filtros tem como particu-
laridade suavizar a imagem. Os filtros produtos e alternados seqenciais tm a fama de
constituir os melhores "limpadores de rudo"dentro dos filtros morfolgicos existentes.
Uma maneira de ilustrar esse fato aplicar um filtro passa-alta de tipo operador de gra-
diente. A figura 2.45 ilustra os efeitos do gradiente morfolgico por dilatao e eroso
(pgina 55) respectivamente sobre a imagem da figura 2.45-(a) e sobre a imagem filtrada
pelos filtros produto (figura 2.45-(c)) e alternado seqencial (figura 2.45-(d)),
respectivamente. Percebe-se a apario de menos altas freqncias (menos bordas) inde-
sejveis.
Empregar filtros alternados seqenciais supe uma certa estacionaridade espacial
das imagens a serem tratadas, o que no sempre verificado. Na prtica, o uso de tais
filtros faz-se por uso heurstico dos elementos estruturantes sobre as imagens. [Net95]
props uma verso adaptativa desses filtros onde o elemento estruturante definido em
funo do aspecto local das imagens, que [Net95] chamou de filtros alternados seqen-
ciais adaptativos.

121
VII Workshop de Visao Computacional WVC 2011

(a)

(b) (c) (c)


Figura 2.45. Gradiente da imagem original versus Gradiente das imagens filtra-
das: a) Imagem original, (b) Gradiente da imagem original, (c) Gradiente aps o
filtro produto , (d) Gradiente aps o filtro alternado seqencial .

122
VII Workshop de Visao Computacional WVC 2011

2.3.6. Transformao TOPHAT


comum na rea de Processamento e Anlise de imagens ter que extrair conjuntos de
geometria complexa num universo ruidoso e/ou em imagens com fundos heterogneos.
Tcnicas tradicionais de segmentao como a deteco de bordas ou a limiarizao, de
forma geral, tm dificuldades para recuperar a informao relevante e ao mesmo tempo
eliminar a heterogeneidade do fundo e o rudo. Veja o exemplo da figura 2.46 onde
nenhuma tcnica de limiarizao capaz de lidar com a heterogeneidade do fundo para
obter uma imagem satisfatria dos caracteres manuscritos.
Como lidar com a heterogeneidade do fundo e a presena de rudo? Sero apre-
sentadas a seguir ferramentas que respondem muito bem a essa necessidade.

(a) (b)
Figura 2.46. Exemplo de imagem com fundo heterogneo: (a) Imagem Original,
(b) Segmentao por limiarizao.

2.3.6.1. Tophat por abertura

No caso de deteco de estruturas mais claras que o fundo (picos), um modo de pensar
consiste em usar uma combinao entre uma imagem original e a imagem correspondente
g
aberta. A transformao Tophat por abertura Tophat segue esse princpio.

g
Definio 2.35 O Tophat por abertura Tophat de uma imagem f pelo ele-
mento estruturante g :

g
Tophat = f g ( f )

Como a abertura um processo anti-extensivo, o seu resultado fica abaixo do sinal


original, portanto a transformao Tophatg sempre positiva. A figura 2.47 ilustra os
aspectos tericos deste processo.
O exemplo da figura 2.48 ilustra a extrao do brilho em gotas em uma imagem
apresentando um fundo heterogneo por Tophat por abertura. Com o uso de um elemento

123
VII Workshop de Visao Computacional WVC 2011

Figura 2.47. Exemplo terico da transformao Tophat por abertura

estruturante adequado (figura 2.48-(c)), o processo de abertura permite a eliminao de


estruturas mais claras que o fundo (picos) preservando o fundo heterogneo. Realizar
a diferena entre as imagens original e aberta permite tirar o rudo e eliminar o fundo
heterogneo, assim ressaltando as estruturas mais claras que tinham sido eliminadas aps
a abertura. O exemplo da figura 2.48-(e)) ilustra bem a extrao de caracteres manuscritos
aps limiarizao do Tophat.

2.3.6.2. Tophat por fechamento

De forma anloga, a deteco de estruturas mais escuras que o fundo (vales) consiste em
usar uma combinao entre uma imagem original e a imagem correspondente fechada. A
g
transformao Tophat por fechamento Tophat segue esse princpio.

Definio 2.36 O Tophat por fechamento Tophatg de uma imagem f pelo


elemento estruturante g :

g
Tophat = g ( f ) f

Como o fechamento um processo extensivo, o seu resultado da transformao


g
Tophat sempre positiva. A figura 2.49 ilustra os aspectos tericos deste processo.
O exemplo da figura 2.50 ilustra a extrao de caracteres manuscritos em uma
imagem apresentando um fundo heterogneo com uso do Tophat por fechamento. O
processo de fechamento permite, com o uso de um elemento estruturante adequado (fi-
gura 2.50-(c)), a eliminao de estruturas mais escuras que o fundo (vales) preservando o

124
VII Workshop de Visao Computacional WVC 2011

(a)

(b) (c)

(d) (e)
Figura 2.48. Exemplo de segmentao por Tophat: (a) Imagem Original, (b) Ima-
gem erodida, (c) Imagem abertura, (d) Tophat por abertura, (e) Extrao do brilho
em gotas aps limiarizao do Tophat.

125
VII Workshop de Visao Computacional WVC 2011

Figura 2.49. Exemplo terico da transformao Tophat por fechamento

fundo heterogneo. Realizar a diferena entre as imagens original e fechada permite tirar
o rudo e eliminar o fundo heterogneo, assim ressaltando as estruturas mais escuras que
tinham sido eliminadas aps o fechamento. O exemplo da figura 2.50-(e) ilustra bem a
extrao de caracteres manuscritos aps limiarizao do Tophat.

126
VII Workshop de Visao Computacional WVC 2011

(a)

(b) (c)

(d) (e)
Figura 2.50. Exemplo de segmentao por Tophat: (a) Imagem Original, (b) Ima-
gem dilatada, (c) Imagem fechada, (d) Tophat por fechamento, (e) Extrao dos
caracteres manuscritos aps limiarizao do Tophat.

127
VII Workshop de Visao Computacional WVC 2011

Referncias
[BB94] G.J.F Banon and J. Barrera. Bases da Morfologia Matemtica para a Anlise
de Imagens Binrias. IX Escola de Computao, Recife, 1994.

[Beu77] S. Beucher. Random process simulation on the texture analyser. Lecture Notes
in Biomathematics, 23, 1977.

[CC89] M. Coster and J.L Chermant. Prcis D Analyse D Images. Presses du CNRS,
1989.

[Dou92] E. R. Dougherty. An Introduction to Morphological Image Processing, volume


TT9. SPIE Press, 1992.

[Had50] H. Hadwiger. Minkowskische addition und subtraktion beleibiger punktmengen


und die theoreme von erhard schmidt. Math.Zeitschrift, 53(3):210218, 1950.

[Had57] H. Hadwiger. Vorlesungen uber inhalt, oberflche und isoperimetrie. Springer


Verlag, Berlin, 1957.

[LM84] C. Lantujoul and F. Maisonneuve. Geodesic methods in quantitative image


analysis. Pattern Recognition, 17:177187, 1984.

[Mat75] G. Matheron. Random Sets and Integral Geometry. J. Wiley, New York, 1975.

[Min03] H. Minkowski. Volumem und oberflache. Math. Annalen, 57:447495, 1903.

[Net95] U.D.M.B. Neto. Adaptative alternating sequencial filters. SIGRAPI-95, VIII


Simpsio Brasileiro de Computao Grfica e Processamento de Imagens, pa-
ges 3542, Outubro 1995.

[Pr93] F. Prteux. Mathematical Morphology in Image Processing, chapter On a Dis-


tance Function Approach for Gray-Level Mathematical Morphology. E. Dou-
gerthy, Rochester Institute of Technology, New York, 1993.

[Sch67] L. Schwartz. Mathematics for Physical Sciences. Hermann, Paris, 1967.

[Ser82] J. Serra. Image Analysis and Mathematical Morphology. Academic Press, Lon-
don, 1982.

[Vin91] L. Vincent. Exact euclidean distance function by chain propagation. Proc.


Computer Vision and Pattern Recognition Conf. Hawaii, pages 520525, Junho
1991.

[Vin94] L. Vincent. Digital Image Processing Methods, chapter Morphological Seg-


mentation. E. Dougerthy, Rochester Institute of Technology, New York, 1994.

128