PROCESSAMENTO DIGITAL DE IMAGENS

Faça um programa para produzir a imagem de um quadrado (tom cinza 120) dentro de outro quadrado (tom cinza 32). (a) Apresente a imagem original e sua matriz de representação. (b) Insira ruído impulsivo em dois intervalos. (c) Insira ruído gaussiano em dois intervalos.

1. OBJETIVO

Realizar experimentos com imagens em tons de cinza entre 0 e 119, além de acrescentar ruídos que foram gerados a partir das distribuições impulsivas e gaussianas (normal),  apresentar as devidas observações, com o objetivo de comparar as imagens originais com as ruidosas.

1.  ESTUDO DE CASO

1. IMAGEM COM RUÍDO DE DISTRIBUIÇÃO IMPULSIVA

1. IMAGEM COM RUÍDO DE DISTRIBUIÇÃO GAUSSIANA

Na segunda imagem, gerou-se um quadrado 20 x 20, e coloriu-a com um nível de cinza 120. O interior desse, quadrado 4 x 4, foi colorido com um nível de cinza 32. Foi gerada uma matriz 20 x 20 de números aleatórios segundo a distribuição gaussiana ou normal, com uma média m = 0 e com uma variância σ²= 100. A matriz de números aleatórios foi adicionada como ruído à imagem inicial, gerando assim uma imagem ruidosa.

1. ANÁLISE DOS RESULTADOS

1. IMAGEM COM RUÍDO E DISTRIBUIÇÃO UNIFORME

1. IMAGEM COM RUÍDO E DISTRIBUIÇÃO GAUSSIANA

Foi observado uma maior percepção dos ruídos na imagem que seguiu a distribuição gaussiana, sendo a probabilidade de se ter um número gerado entre 10 e  -10 de aproximadamente 68%, e uma alteração da cor do pixel de até dez níveis de cinza, para mais ou para menos, é bastante perceptível visualmente.

1. COMPARAÇÃO ENTRE OS DOIS CASOS ANALISADOS

No segundo estudo foi utilizado um quadrado de 64 x 64 com um nível de cinza 32, menor que o utilizado na primeira imagem que foi 56. Por isso, o quadrado 64 x 64 da segunda imagem ficou mais escuro que o da primeira imagem, já que na escala de níveis de cinza utilizada, o nível zero é a cor preta, e nível 63 é a cor branca.

Para o caso da distribuição gaussiana, aproximadamente 68% dos valores gerados estão

próximos do intervalo de  -10 a 10, porém, ainda seria bastante diferente de uma imagem com um ruído uniforme no mesmo intervalo, pois a distribuição gaussiana (normal) ainda pode gerar   32% dos valores fora deste intervalo, podendo alcançar intervalos superiores a -30 a 30.

1. CÓDIGO FONTE

1. RUÍDO GERADO SEGUINDO A DISTRIBUIÇÃO UNIFORME

1. RUÍDO GERADO SEGUINDO A DISTRIBUIÇÃO GAUSSIANA

function [] = Segunda_Imagem ()

clc;

%parametros  da distribuicao  gaussiana

media = input('Entre com a média:');

variancia = input('Entre com a variância:');

%gera o quadrado grande

Im(1:20,1:20) = 120;

%gera o quadrado menor

Im(3:6,3:6) = 32;

%gera a distribuição Gaussiana com média 0 e variancia 100

d_gaussiana  = media + sqrt(variancia) * randn(20);

%adiciona os pontos à imagem1 para gerar a imagem ruidosa

Im2 = Im + d_gaussiana;

%exibe as imagens

subplot(121);

image(uint8(Im));

subplot(122);

image(uint8(Im2));