Introdução à Visão Computacional e ao Processamento Digital de Imagens
Visão Computacional é o campo da inteligência artificial que permite aos computadores extrair informações significativas de imagens e vídeos digitais, procurando efetivamente preencher a lacuna semântica entre os dados brutos de pixels e a compreensão ao nível humano. Processamento Digital de Imagens serve como a camada fundamental para a Visão Computacional, concentrando-se na manipulação e no aprimoramento de sinais de imagem por meio de transformações pixel a pixel, de modo a preparar os dados para tarefas interpretativas de nível superior.
Princípios Fundamentais
- Representação de Dados: Ao nível da máquina, uma imagem é um tensor numérico, em vez de uma imagem holística. As imagens em escala de cinzentos são matrizes 2D de valores de intensidade, enquanto as imagens a cores são tensores 3D que representam os canais Vermelho, Verde e Azul (RGB) com dimensões $H \times W \times 3$.
- Transformação vs. Interpretação: O Processamento Digital de Imagens ocupa-se principalmente de operações de imagem para imagem, como redução de ruído, nitidez ou equalização de histograma. A Visão Computacional concentra-se em operações de imagem para conhecimento, como classificação de objetos, localização e segmentação.
- O Paradigma dos Gráficos Inversos: A Visão Computacional pode ser vista como o inverso da Computação Gráfica. Enquanto a Computação Gráfica procura gerar um mundo visual a partir de modelos matemáticos, a Visão procura recuperar estruturas 3D e rótulos semânticos a partir de projeções 2D.
O Desafio Central
O principal desafio neste campo é a Lacuna Semântica, que é a desconexão entre os valores de pixels de baixo nível processados pelas máquinas e os conceitos de alto nível percebidos pelos humanos.
Implementação em Python
Pergunta 1
Qual processo é categorizado como uma operação de imagem para conhecimento?
Pergunta 2
Ao nível da máquina, qual é a estrutura de dados de uma imagem a cores padrão?
Estudo de Caso: Sistema de Diagnóstico Médico
Leia o cenário abaixo e responda às perguntas.
Um hospital está a desenvolver um novo sistema automatizado de diagnóstico médico concebido para analisar radiografias e detetar potenciais fraturas ósseas. O sistema processa os dados brutos dos sensores da máquina de raios-X e produz um relatório de diagnóstico para o radiologista.
P
1. Se o sistema aplicar realce de contraste para tornar as estruturas ósseas mais nítidas, isto é Processamento Digital de Imagens (DIP) ou Visão Computacional (CV)?
Resposta:
Processamento Digital de Imagens. O realce de contraste é uma transformação de imagem para imagem que melhora a qualidade visual do sinal sem extrair significado semântico.
Processamento Digital de Imagens. O realce de contraste é uma transformação de imagem para imagem que melhora a qualidade visual do sinal sem extrair significado semântico.
P
2. Se o sistema assinalar automaticamente uma área específica como uma potencial fratura, que tarefa está a realizar?
Resposta:
Visão Computacional / Deteção de Objetos. O sistema está a interpretar o conteúdo da imagem para extrair conhecimento de alto nível (localizar uma fratura).
Visão Computacional / Deteção de Objetos. O sistema está a interpretar o conteúdo da imagem para extrair conhecimento de alto nível (localizar uma fratura).
P
3. Por que razão é necessária a redução de ruído antes de executar um algoritmo de deteção?
Resposta:
Para melhorar a qualidade do sinal e reduzir os falsos positivos na fase de interpretação semântica. O ruído pode ser interpretado incorretamente pelos algoritmos de CV como características ou contornos reais.
Para melhorar a qualidade do sinal e reduzir os falsos positivos na fase de interpretação semântica. O ruído pode ser interpretado incorretamente pelos algoritmos de CV como características ou contornos reais.