Neste trabalho é descrito um software denominado Scanc implementado no ambiente Windows, para a identificação de formas circulares em imagens digitais do tipo BMP. Dois métodos foram implementados para esse fim: a Transformada de Hough e Template Matching. Incluídos neste software encontram-se recursos para detecção de bordas e binarização da imagem, entre outros. O software tem aplicação nas mais diversas áreas, que requeiram a identificação de formas circulares. / The present work describes a software named Scanc, developed for circular pattern identification in digital bitmap images (BMP). Scanc was developed for Microsoft Windows environment and it takes advantage of two methods: Hough Transform and Template Matching. Image tools such as border detection and binarization are also available among other resources. The software finds several applications wherever circular forms identification is requered.

Neste trabalho é descrito um software denominado Scanc implementado no ambiente Windows, para a identificação de formas circulares em imagens digitais do tipo BMP. Dois métodos foram implementados para esse fim: a Transformada de Hough e Template Matching. Incluídos neste software encontram-se recursos para detecção de bordas e binarização da imagem, entre outros. O software tem aplicação nas mais diversas áreas, que requeiram a identificação de formas circulares. / The present work describes a software named Scanc, developed for circular pattern identification in digital bitmap images (BMP). Scanc was developed for Microsoft Windows environment and it takes advantage of two methods: Hough Transform and Template Matching. Image tools such as border detection and binarization are also available among other resources. The software finds several applications wherever circular forms identification is requered.

Neste trabalho é proposto a técnica da Transformada de Hough para a Inspeção Visual Automática de placas retangulares, visando a determinação de características tais como perímetro, ortogonalidade, centro de massa, área, independente de rotação e translação do objeto dentro da imagem. Os resultados obtidos por essa técnica são avaliados pela comparação com o método dos Momentos, o recurso mais utilizado para a determinação de área e centro de massa para imagens bi-dimensionais. A análise estatística dos dados mostra a robustez da técnica da Transformada Hough para imagens ruidosas. / In this work, is proposed the Hough transform method for the Automated Visual lnspection of rectangular boards. The aim is to extract features such as position, perimeter and area, despite of object translation and rotation. The results obtained by this method are evaluated by comparing them with the method of Moments, the most used method to determine the area and center of mass for bi-dimensional images. Statistical analysis show the robustness of Hough transform for noisy images visual inspection.

Neste trabalho é proposto a técnica da Transformada de Hough para a Inspeção Visual Automática de placas retangulares, visando a determinação de características tais como perímetro, ortogonalidade, centro de massa, área, independente de rotação e translação do objeto dentro da imagem. Os resultados obtidos por essa técnica são avaliados pela comparação com o método dos Momentos, o recurso mais utilizado para a determinação de área e centro de massa para imagens bi-dimensionais. A análise estatística dos dados mostra a robustez da técnica da Transformada Hough para imagens ruidosas. / In this work, is proposed the Hough transform method for the Automated Visual lnspection of rectangular boards. The aim is to extract features such as position, perimeter and area, despite of object translation and rotation. The results obtained by this method are evaluated by comparing them with the method of Moments, the most used method to determine the area and center of mass for bi-dimensional images. Statistical analysis show the robustness of Hough transform for noisy images visual inspection.

Um novo método para avaliação do tamanho de gotas de chuva e sua distribuição é apresentado. O método é baseado no processamento de imagens com o uso da transformada de Hough circular em conjunto com as técnicas de Backmapping e análise de vizinhança. Esta metodologia trás vantagens, uma vez que viabiliza medidas diretas e de forma automática para identificação e contagem de gotas de chuva. A calibração do método foi desenvolvida utilizando padrões de gotas conhecidos. Gotas, na faixa de 1 &#956m a 85 mm de diâmetro, foram automaticamente reconhecidas e medidas com sucesso. Resultados mostram erro médio percentual não maior que 3,61%. Adicionalmente é apresentado uma comparação de resultados obtidos com um método de análise de correlação em frequência e contagem direta. Resultados mostram a potencialidade da metodologia desenvolvida para aplicações agrícolas. / A new method for evaluating raindrop size and distribution has been developed. It is based on image processing with circular Hough fast transform composed with the Backmapping and neighborhood analysis techniques. This methodology has the advantage of being a direct measurement method that automatically identifies and counts raindrops. Calibration was carried out using standard patterns with known raindrop sizes. Drops sizes ranging from 1 &#956m sizes to 85 mm in diameter has been automatically recognized and successfully measured. Results show perceptual average error not larger than 3,61%. In addition a comparison of results with the correlation analysis in the frequency domain and directed counts methods are presented. Results show the suitability of developed methodology.

Com a crescente necessidade de segurança, o processo de identificação pessoal é cada vez mais exigido. A extração de características faciais é um passo importante quando se lida com interpretação visual automatizada no reconhecimento de faces humanas. Dentre as características faciais, os olhos são partes importantes no processo de reconhecimento, pois determinam o início da busca por outras características relevantes. Neste trabalho é apresentado um método de localização de olhos em imagens frontais de faces humanas. Este método é subdividido em duas partes. Primeiro, são identificados os possíveis candidatos a olhos usando a Transformada de Hough para círculos; depois é aplicada a Distância Euclidiana confirmando-se a localização pro biometria facial. / Personal identification process is an exigency for security systems. Facial feature extraction is a crucial step for automated visual interpretation in human face recognition. Withim all the facial features, the eyes are significantly parts for the recognition process, therefore they set up the start for another relevant feature search. In this work, we present a method for eyes locating in digital images of frontal human faces. This method is subdivided into two parts. First, we identify the possible eyes\'s candidates by Hough Transfor for circules, them we apply the Euclidian distance and calculate the eyes\'s position by facial biometric measurement.

A segmentação é uma etapa intermediária no registro e reconstrução 3D do pulmão. Geralmente, os métodos de segmentação são interativos e utilizam diferentes estratégias para combinar a expertise dos humanos e a velocidade e precisão dos computadores. A segmentação de imagens RM do pulmão é particularmente difícil devido à grande variação na qualidade da imagem. Dois métodos para a segmentação do contorno do pulmão são apresentados. No primeiro, uma análise individual de cada imagem da série de imagens RM é realizada, e a segmentação ocorre através de técnicas de limiarização e labeling. No segundo método, a respiração é associada a uma função respiração padrão, e através de técnicas de processamento de imagem 2D, detecção de bordas e transformada de Hough, padrões respiratórios são obtidos e, conseqüentemente, a posição dos pontos no tempo são estimados. Seqüências temporais de imagens RM são segmentadas, considerando a coerência no tempo. Desta forma, a silhueta do pulmão pode ser determinada em cada quadro, mesmo em quadros com bordas obscuras. A região do pulmão é segmentada em três etapas, neste método: uma máscara contendo a região do pulmão é criada a partir do resultado do primeiro método de segmentação; a transformada de Hough é aplicada exclusivamente aos pixels da máscara em diversos planos; o contorno do pulmão é extraído do resultado da transformada de Hough utilizando os contornos ativos. O formato da máscara pode ter uma grande variação, e a transformada de Hough modificada pode lidar com essa variação. Os resultados obtidos pelos dois métodos são comparados. / The segmentation of the lung is an intermediary step towards its registry and 3D reconstruction. Usually, segmentation methods are interactive and make use of different strategies to combine the expertise of the human and the computers accuracy and speed. Segmentation of lung magnetic resonance (MR) images is particularly difficult because of the large variation in image quality. Two methods for the lung contour segmentation are presented. In this first method, an individual analysis of each image in the series approach is taken, and the segmentation is made through thresholding and labeling techniques. In the second method, the breathing is associated to a standard respiratory function, and through 2D image processing, edge detection and Hough transform, respiratory patterns are obtained and, consequently, the position of points in time are estimated. Temporal sequences of MR images are segmented by considering the coherence in time. This way, the lung silhouette can be determined in every frame, even on frames with obscure edges. The lung region is segmented in three steps: a mask containing the lung region is created from the results of the first method; the Hough transform is applied exclusively to mask pixels in different planes; and the lung contour is created from the results of the Hough transform through active contours. The shape of the mask can have a large variation, and the modified Hough transform can handle such a shape variation. Results from both methods are compared.

Made available in DSpace on 2016-06-02T19:05:15Z (GMT). No. of bitstreams: 1 DissFBT.pdf: 3028392 bytes, checksum: 34e861e6d850526cff7048ebfc3f8aed (MD5) Previous issue date: 2003-08-20 / In this work, it is presented a system for decision-making based on stereoscopic image generation and recognition of circular patterns. For stereoscopic imaging are used two low cost Web cam in canonical configuration and block correspondence, which is used to find out the correspondence between images from a scene of interest. Also, the fast Hough transform is used to recognize circular patterns, which are identified and corrected based on their diameters with depth information obtained from both stereoscopic imaging and a calibration factor. The results obtained with simulated patterns and with composed real scenes with circular patterns in varied situations of special distribution illustrate the method potentiality for decision-making in procedures, which involve circular pattern recognition. / É apresentado um sistema para auxilio a tomada de decisão baseado na geração de imagens estereoscópicas e reconhecimento de padrões circulares. Para o imagiamento estereoscópico são utilizadas duas câmeras de baixo custo do tipo Webcam em configuração canônica e correspondência por blocos é utilizada para se encontrar a correspondência entre duas imagens adquiridas de uma cena de interesse. Adicionalmente a transformada rápida de Hough é utilizada para o reconhecimento de padrões circulares, os quais são, após identificados, corrigidos em função de seus diâmetros com a informação da profundidade obtida por estereoscópica e um fator de escala dado pela calibração do método. Resultados obtidos com padrões simulados e com cenas reais compostas com padrões circulares em diversas situações de distribuição espacial ilustram a potencialidade do método para auxílio de tomada de decisão em processos que envolvem o reconhecimento de padrões circulares.

Made available in DSpace on 2016-06-02T19:05:22Z (GMT). No. of bitstreams: 1 DissGMA.pdf: 4202044 bytes, checksum: bea6c57857111bd0f8123ccd46b6a280 (MD5) Previous issue date: 2006-08-17 / This work presents a computer aided system for automated counting of colony formation units in Petri dishes. The method implemented uses digital image processing, and among them Hough transform for circular objects and Match for correlation with objects having different forms. The method was developed based on the visual Borland Builderr C++ environment, and for the image acquisition a luminance equalization system was used to allow stabilized and continuous 1,200 lux. For the validation of the method, samples containing Acidithiobacillus ferrooxidans, Escherichia Coli, and Staphylococcus aureus were analyzed. Results have shown the potentiality of the methodology, which is applied for laboratory applications that involved the quantification of bacterial colonies in a solid culture environment. / Este trabalho apresenta um sistema, assistido por computador, para a contagem automática de Unidades Formadoras de Colônias bacterianas em placas de Petri. O método implementado no sistema utiliza-se de técnicas do processamento digital de imagens, dentre elas a transformada de Hough adaptada para objetos circulares e Match por correlação para objetos de natureza diversa. O sistema computacional foi desenvolvido em ambiente visual Borland Builderr C++ e para a aquisição das imagens das amostras foi elaborado um sistema de iluminação, o qual viabilizou a equalização do nível de iluminância para 1.200 lux e melhorou a formação das imagens. Para a validação do método foram ensaiadas amostras de Acidithiobacillus ferrooxidans, Escherichia Coli e Staphylococcus aureus. Resultados mostram a potencialidade da metodologia desenvolvida para aplicações laboratoriais que envolvam a quantificação de colônias bacterianas em meios de cultivo sólido.

A segmentação é uma etapa intermediária no registro e reconstrução 3D do pulmão. Geralmente, os métodos de segmentação são interativos e utilizam diferentes estratégias para combinar a expertise dos humanos e a velocidade e precisão dos computadores. A segmentação de imagens RM do pulmão é particularmente difícil devido à grande variação na qualidade da imagem. Dois métodos para a segmentação do contorno do pulmão são apresentados. No primeiro, uma análise individual de cada imagem da série de imagens RM é realizada, e a segmentação ocorre através de técnicas de limiarização e labeling. No segundo método, a respiração é associada a uma função respiração padrão, e através de técnicas de processamento de imagem 2D, detecção de bordas e transformada de Hough, padrões respiratórios são obtidos e, conseqüentemente, a posição dos pontos no tempo são estimados. Seqüências temporais de imagens RM são segmentadas, considerando a coerência no tempo. Desta forma, a silhueta do pulmão pode ser determinada em cada quadro, mesmo em quadros com bordas obscuras. A região do pulmão é segmentada em três etapas, neste método: uma máscara contendo a região do pulmão é criada a partir do resultado do primeiro método de segmentação; a transformada de Hough é aplicada exclusivamente aos pixels da máscara em diversos planos; o contorno do pulmão é extraído do resultado da transformada de Hough utilizando os contornos ativos. O formato da máscara pode ter uma grande variação, e a transformada de Hough modificada pode lidar com essa variação. Os resultados obtidos pelos dois métodos são comparados. / The segmentation of the lung is an intermediary step towards its registry and 3D reconstruction. Usually, segmentation methods are interactive and make use of different strategies to combine the expertise of the human and the computers accuracy and speed. Segmentation of lung magnetic resonance (MR) images is particularly difficult because of the large variation in image quality. Two methods for the lung contour segmentation are presented. In this first method, an individual analysis of each image in the series approach is taken, and the segmentation is made through thresholding and labeling techniques. In the second method, the breathing is associated to a standard respiratory function, and through 2D image processing, edge detection and Hough transform, respiratory patterns are obtained and, consequently, the position of points in time are estimated. Temporal sequences of MR images are segmented by considering the coherence in time. This way, the lung silhouette can be determined in every frame, even on frames with obscure edges. The lung region is segmented in three steps: a mask containing the lung region is created from the results of the first method; the Hough transform is applied exclusively to mask pixels in different planes; and the lung contour is created from the results of the Hough transform through active contours. The shape of the mask can have a large variation, and the modified Hough transform can handle such a shape variation. Results from both methods are compared.