título do resumo

UM MÉTODO AUTOMÁTICO DE SEGMENTAÇÃO DE IMAGENS APLICADO
À ANÁLISE DO MARMOREIO DA CARNE EM PLATAFORMA MÓVEL
Matheus Camilo da Silva(Bolsista Iniciação Científica), Sylvio Barbon Jr, e-mail:
[email protected].
Universidade Estadual de Londrina/ Departamento de Computação/ CCE
Área e sub-área do conhecimento: Ciências Exatas e da Terra/
Processamento Gráfico.
Palavras-chave: Processamento de Imagens, Segmentação, Watershed
Resumo
Na área de processamento de imagens que está presente na computação
gráfica, são realizados vários procedimentos para a análise de imagens e
melhoramento na sua qualidade a fim de proporcionar uma melhor identificação
e extração de informações, o que se mostra muito útil para atividades como a
análise do nível de marmoreio de filés de carne bovina através do
processamento de imagens. Dentre os problemas clássicos existentes na área,
será abordado nesse trabalho o reconhecimento de objetos através de
métodos de segmentação, como o “Watershed”, que possibilitam a
segmentação de múltiplos objetos de interesse em uma imagem digital. O
trabalho também apresentará os resultados sobre a implementação de um
sistema que possua tais métodos de segmentação em uma plataforma móvel.
Introdução e objetivo
Por meio de avanços na pesquisa da área de visão computacional e processamento de
imagens, se torna possível analisar através de uma imagem o nível de marmoreio
(gordura) de filés de carne bovina, sendo que estes níveis estão diretamente
relacionados às qualidades das mesmas [1]. Em geral, especialistas determinam o nível
de marmoreio através de uma análise visual da carne, com o auxílio de imagens já
classificadas de acordo com a quantidade de gordura entre as fibras musculares. Essa
metodologia é altamente subjetiva e dependente do profissional, podendo ser
questionável[1], por isso soluções automatizadas baseadas em Visão Computacional,
que possam avaliar a qualidade da carne através do processamento da imagem da
mesma é preferível.
Entretanto, para que se possa tirar conclusões e consequentemente dados sobre
quaisquer objetos em uma imagem, sejam eles, poliedros, rostos humanos, letras,
veículos ou filés de carne; é necessário que seja determinado se, uma imagem possui
tais objetos, podendo ser mais de um em uma mesma imagem, e, caso possua, onde
1
todos se encontram. Para isso, é necessário a utilização de algoritmos de segmentação.
O resultado da segmentação é um conjunto de regiões extraídos de uma imagem com
base em características em comum como cor, forma e textura por exemplo, as quais os
definem como um certo objeto. O objetivo deste trabalho é a criação de um sistema de
visão computacional que, dada uma imagem digital, possa segmentar múltiplos objetos
com precisão, a fim de auxiliar na automatização da análise de nível de marmoreio em
filés de carne bovina.
Procedimentos metodológicos
A organização do sistema de visão computacional apresentado por este trabalho possui
uma funcionalidade especificada, ou seja, não há nenhuma parte dependente de
aprendizagem de máquina, o sistema conta com o método de segmentação “Watershed”
(derramamento de água em português)
O método de segmentação “Watershed” calcula o gradiente para todos os pixels
da imagem. Os segmentos são formados por regiões que partindo de um mínimo local,
formam um objeto de interesse. O agrupamento dos pixels é feito por mecanismos de
busca de valores próximos a partir de cada mínimo local[3], ideal para a segmentação
de múltiplos objetos de formas diferentes.
Esse método possibilita a segmentação de objetos de interesse (Em uma imagem
composta somente por tons de cinza), necessitando apenas da marcação de três tipos de
regiões com diferentes tons de cor: a região de plano de fundo, composta por todos os
pontos em que se tem certeza que pertencem ao plano de fundo da imagem; as áreas de
incerteza, onde não se sabe se os pontos pertencentes a essa região são plano de fundo
ou objeto de interesse; e finalmente objetos de interesse, em que se tem certeza que
todos os pontos que pertencem a essas áreas compõem objetos de interesse. O método
então encontra os contornos dos objetos de interesse através da análise de afinidade em
relação às cores marcadas entre regiões de incerteza e as de objetos de interesse, em um
processo que se assemelha ao derramamento de água em um mapa topográfico[2].
Resultando na segmentação dos objetos.
Resultados e discussão
Durante o desenvolvimento do sistema apresentado por este trabalho constatou-se que
não seria viável uma integração do sistema com uma plataforma móvel, devido aos altos
custos computacionais que se atribuem aos processamentos de imagens, e da capacidade
de processamento dos dispositivos móveis que se mostrou insuficiente. Logo optou-se
pela integração com sucesso do sistema com computadores tradicionais que portem uma
câmera.
O sistema desenvolvido por este trabalho apresentou os seguintes resultados em
um computador tradicional após a realização de seus processos:
2
Figura 1 – Imagem Original
Fonte: o próprio autor
Figura 2 – Imagem processada pelo sistema
Fonte: o próprio autor
Conclusão
O processamento de imagens é uma tarefa muito importante dentro da computação
gráfica. Nesse trabalho foram exploradas técnicas de segmentação de múltiplos objetos
3
de uma imagem, que possibilitam melhor análise e coleta de dados, o que por sua vez
possibilita a criação de tarefas, como a análise automatizada do nível de marmoreio de
filés bovinos. Pretende-se com trabalhos futuros encontrar meio de diminuir a
complexidade computacional do sistema, permitindo uma integração de sucesso com
plataformas móveis.
Agradecimentos
Agradeço ao orientador Sylvio Barbon Jr. pela oportunidade de participação do projeto
e todo aprendizado adquirido durante a fase de desenvolvimento. Também agradeço a
instituição Universidade Estadual de Londrina e ao CNPq por oferecer espaço e
fomento por meio da bolsa de iniciação científica como auxílio e incentivo para a
produção do projeto.
Referências
[1] Campos, G.F.C. Sistema Robusto de visão computacional para
segmentação da gordura da carne. Universidade Estadual de Londrina. 2014.
[2] S.Beucher. The Watershed Transformation applied to image segmentation.
SCANNING MICROSCOPY-SUPPLEMENT, page 299. 1992.
[3] Paulo Pizarro, Eros Comunello, Sylvio Mantelli. Ln: Segmentação por Crescimento
de Regiões. c. 3.
[4] HK Yuen, J Princen, J Illingworth, J Kittler. Comparative study of Hough
Transform methods for circle finding. Image and Vision Computing. Volume 8, Issue 1,
February 1990, Pages 71-77
4