CS Fundamentals Trainer · Guias
Processamento pontual versus de vizinhança: o que cada um pode e não pode fazer
As duas famílias de operações de imagem lado a lado: tabelas de consulta nas operações pontuais, janelas deslizantes nas de vizinhança. O que cada uma pode e não pode fazer, por que uma curva de tons não linear e um filtro não comutam, as operações que vivem nos dois mundos e a ordem padrão de um pipeline: ruído, tom, nitidez.
7 min de leitura
As operações de processamento de imagens se dividem em duas famílias que parecem iguais no código e se comportam de modo muito diferente: o processamento pontual, em que cada pixel de saída depende só do pixel de entrada no mesmo lugar, e o processamento de vizinhança, em que depende de uma janela ao redor desse lugar. Saber a que família uma operação pertence diz o que ela pode fazer, o que não pode, quanto custa e em que ordem combiná-la com as outras. Este guia constrói esse mapa.
1. Duas definições
O processamento pontual (uma transformação de intensidade) se escreve s = T(r): o valor de saída s depende só do valor de entrada r no mesmo pixel. Os vizinhos e a posição não participam. Negativo, log, lei de potência (gama), esticamento de contraste, limiarização e equalização de histograma (global) são operações pontuais.
O processamento de vizinhança (filtragem espacial) se escreve g(x, y) = uma função dos pixels ao redor de (x, y). Um filtro espacial linear é o caso especial em que a função é uma soma ponderada com um kernel. Suavização por caixa e gaussiana, mediana, laplaciano, Sobel e máscara de nitidez são operações de vizinhança.
Diagram: Point versus neighbourhood processing
2. Lado a lado
| Pontual | Vizinhança | |
|---|---|---|
| Entrada para a saída em um pixel | um valor | m × n valores |
| Implementação | uma tabela de consulta de L entradas (256 para 8 bits), feita uma vez | janela deslizante sobre a imagem, com preenchimento na borda |
| Custo por pixel | uma consulta à tabela, seja qual for a imagem | cerca de mn operações (m + n se separável) |
| Conhece formas, bordas, textura | não | sim |
| Muda o histograma | sim, por projeto | como efeito colateral |
| Pode reduzir ruído | não por si só: não distingue ruído de detalhe (ainda pode aumentar ou diminuir a amplitude do ruído) | sim |
| Pode aguçar ou borrar | não | sim |
| Pode corrigir brilho ou contraste globais | sim | não diretamente |
| Problema de borda | nenhum | sim, precisa de preenchimento |
A tabela de consulta merece destaque: uma imagem de 8 bits tem só 256 entradas possíveis, então qualquer operação pontual, por complicada que seja a fórmula, é calculada 256 vezes e depois aplicada com uma consulta por pixel.
3. O que cada família não consegue fazer
Uma operação pontual não pode usar contexto. Dois pixels com o mesmo valor sempre têm a mesma saída, então ela não torna uma borda mais nítida (a borda é uma relação entre vizinhos), não remove um pixel ruidoso (não tem como distingui-lo de um verdadeiro) e não nivela a iluminação irregular (o mesmo cinza significa coisas diferentes no lado claro e no escuro).
Uma operação pontual muda o tamanho do ruído, e se ele cresce ou diminui depende da transformação e do nível do sinal. Uma curva com inclinação acima de 1 em alguma faixa amplia as diferenças entre pixels nessa faixa, ruído incluído; uma inclinação abaixo de 1 as reduz; o corte as remove onde o sinal satura. O que ela não consegue é separar o ruído do detalhe.
Um filtro de suavização normalizado não pode mudar o tom global. Seu kernel soma 1, então uma região plana mantém o valor. Ele não clareia uma imagem escura nem estica o contraste.
Duas operações de famílias diferentes não comutam. Esta é a sutil. Uma convolução seguida de outra pode ser feita em qualquer ordem, porque a convolução é comutativa. Uma operação pontual não linear seguida de um filtro é diferente do filtro seguido da operação pontual. Um caso simples: tome dois pixels vizinhos de valor 0 e 1 e aplique uma lei de potência de expoente 2, depois faça a média. Dá (0 + 1) / 2 = 0,5. Fazer a média primeiro e depois elevar ao quadrado dá 0,5² = 0,25. As mesmas duas operações, respostas com fator dois de diferença.
Isso importa na prática. Os arquivos de imagem guardam valores codificados com gama, então fazer a média deles diretamente (para borrar ou para reduzir uma imagem) faz a média dos números codificados e não da luz. Para uma suavização fisicamente significativa, converta antes para uma escala linear, filtre e converta de volta. Para a melhoria comum, a escolha costuma ser questão de gosto, mas deve ser feita de propósito.
4. Operações que vivem nos dois mundos
Algumas técnicas cruzam a linha:
- A equalização local de histograma é uma operação pontual (uma curva equalizadora) cuja curva é calculada a partir de uma vizinhança. Seu custo é o da vizinhança, e ela pode amplificar o ruído em regiões planas, e é por isso que se põe um limite ao contraste.
- As estatísticas locais (média e variância em uma janela) controlam um ganho do tipo pontual: reforçar o contraste onde a variância local é baixa, deixar em paz as áreas movimentadas.
- A máscara de nitidez é uma etapa de vizinhança (o borramento) combinada com aritmética ponto a ponto (a subtração e a soma ponderada).
- O processamento fuzzy baseado em regras pode ser de qualquer tipo. Uma regra de contraste como "se um pixel é escuro, torne-o mais escuro" é uma operação pontual. Uma regra de fronteira que olha as diferenças para os oito vizinhos é uma operação de vizinhança.
Um teste útil é perguntar: "se eu embaralhar todos os pixels da imagem ao acaso, o resultado da operação em cada pixel continua o mesmo?" Se sim, é uma operação pontual.
5. Escolher a ordem em um pipeline
Os pipelines costumam misturar as duas famílias, e a ordem não é arbitrária. Um padrão sensato, a ser conferido com suas imagens e sua implementação, é:
- Vizinhança: reduza o ruído primeiro. Curvas de tons que esticam (inclinação acima de 1) e aguçadores multiplicam as diferenças entre pixels, ruído incluído. Um gama abaixo de 1 tem inclinação acima de 1 na parte escura da faixa, então torna o ruído escuro mais visível. Remover o ruído antes permite tirá-lo antes que as outras etapas o ampliem.
- Pontual: corrija o tom. Gama ou um esticamento de contraste, escolhido a partir do histograma.
- Vizinhança: aguce por último. A nitidez é a mais sensível ao ruído, e as mudanças de tom alteram o contraste das bordas, então convém julgar a nitidez nos tons finais.
- Pontual: corte ou reescale para exibição. Faça uma só vez, no fim, para não perder valores intermediários negativos ou grandes.
Há exceções (a correção de sombreamento é melhor feita cedo, pois remove um padrão suave, parecido com aditivo, que confundiria todas as etapas seguintes), mas você deve saber dizer por que está quebrando o padrão.
6. Uma tabela rápida de seleção
| Você quer… | Família | Ferramenta |
|---|---|---|
| deixar a imagem mais clara ou mais escura | pontual | gama, log, mapa linear |
| usar toda a faixa de níveis de cinza | pontual | esticamento de contraste, equalização de histograma |
| mostrar detalhes em regiões escuras | pontual | lei de potência com γ < 1, log |
| destacar uma faixa de intensidades | pontual | fatiamento, planos de bits |
| reduzir ruído | vizinhança | gaussiano, mediana |
| aguçar | vizinhança | máscara de nitidez, laplaciano |
| encontrar bordas | vizinhança | gradiente de Sobel, laplaciano |
| remover iluminação irregular | vizinhança, depois pontual | estimativa passa-baixa, depois uma divisão |
| adaptar o contraste ao conteúdo local | as duas | equalização local de histograma com limite de contraste |
7. Perguntas de autoavaliação
- Por que uma tabela de consulta pode implementar qualquer operação pontual em uma imagem de 8 bits, mas não qualquer operação de vizinhança?
- Um colega diz "a correção de gama vai remover a granulação das áreas escuras". Por que isso está errado para um gama abaixo de 1?
- Você borra uma imagem e depois aplica uma transformação log. Um colega aplica o log primeiro e depois borra. Qual resultado é mais claro em torno de um ponto claro sobre fundo escuro, e por quê?
- Por que a ordem "remover ruído, tom, aguçar" é um bom padrão?
Leitura complementar
- Digital Image Processing, 4ª edição, capítulo 3 (transformações de intensidade, processamento de histograma e filtragem espacial).
- Gamma correction, Histogram equalization e Adaptive histogram equalization.
- Kernel (image processing)).
Pratique este tema: Computer Vision