Por escopo, está relacionado com técnicas de processamento.

Por resultado, está relacionado com os tipos de resultado de cada técnica.

DESENHO

Através do diagrama mostrando uma seqüência tradicional para processamento da imagem, da captura à classificação, podemos ter uma idéia melhor das classes de processamento por resultado.

Há um fator comum em todas as classes de processamento, este fator é qualidade. Existem duas subdivisões em qualidade de imagem: fidelidade e inteligibilidade.

Fidelidade: Estamos preocupados em aproximar a imagem processada da imagem original ou de um padrão estipulado que a melhor represente.

Inteligibilidade: nos preocupamos com a informação que conseguimos extrair da imagem, seja pelo olho humano, seja por algum processamento.

Programas para editoração eletrônica precisam ter um cuidado muito grande com a fidelidade na representação da cor da imagem, já programas de processamento de imagens científicas em geral não estão preocupados com a fidelidade da cor e sim a informação contida na imagem.

Restauração e Realce

A restauração busca compensar distorções específicas, normalmente gerada no momento de aquisição.

Quando se pode identificar experimentalmente a função que representa a deformação ou construir um modelo matemático adequado, é possível buscar a função inversa e aplicá-la sobre a imagem deformada.

Por exemplo: Correção de foco, Imagens borradas por movimento.

Em todos os casos, a formulação matemática envolvida é extremamente complexa e o custo computacional muito alto.

Os resultados podem ter conseqüências somente qualitativas.

Segmentação

Quando estamos no contexto de processamento de imagens científicas, o mais comum é queremos obter dados relacionados com os objetos presentes na imagem.

Então são necessárias as operações de Segmentação que procurarão isolar regiões de pixels, e operações de Extração de Atributos que vão olhar para essas regiões e calcular uma série de parâmetros que as descreverão.

A operação de segmentação mais comum é a limiarização por um tom de corte. Tudo que está acima deste tom vira branco, tudo que está abaixo vira preto, obtendo-se uma imagem binária.

A partir desse momento as operações Morfológicas são excepcionalmente úteis, veja em Operações Locais.

Extração de Atributos

Utilizando imagens binárias é muito simples obter dados relevantes, ou atributos, das regiões segmentadas, tais como:

• Número total de objetos.
• Propriedades geométricas, do tipo: Área, Perímetro, Centro de gravidade, Largura máxima e mínima
• Atributos relacionados à forma, tais como: Circularidade, Concavidade
• Propriedades associadas à textura
• Propriedades de luminância, tais como: Nível de cinza médio de cada região (1o momento da distribuição), Desvio padrão do nível de cinza (2o momento da distribuição),outros momentos estatísticos da distribuição de cada região (skewness e kurtosis)

As propriedades geométricas são medidas diretamente sobre a imagem binária.

As de luminância são obtidas da imagem original, a partir da informação de posição dos diversos objetos, fornecida pela imagem binária.

Classificação

Uma vez com esses parâmetros coletados, queremos distinguir objetos na imagem agrupando esses parâmetros de acordo com sua semelhança para cada região de pixels encontrada.

Feita essa classificação desses parâmetros os objetos estão reconhecidos e podemos agora tomar decisões e relatar fatos relacionados com os objetos do mundo real, ponderando sempre através uma medida de erro da classificação.

Este processo é muito complexo e existem diversos níveis de automação.

Os mais simples implicam em processos de agrupamento estatístico, para os quais a decisão humana é fundamental.

Os mais sofisticados permitem ao computador reconhecer diferentes objetos através de técnicas de inteligência artificial com pouca ou nenhuma intervenção humana.

Os processos que possuem intervenção são chamados de supervisionados.

Aqui, a palavra classificação não denota nenhum juízo de valor, mas apenas o grupamento em classes dos diversos objetos obtidos na segmentação, cujos atributos já foram medidos.

Em geral, vários atributos são necessários para uma correta classificação. Mas, quanto mais atributos, mais complexo se torna o problema.

Desta forma, é muito importante realizar uma seleção adequada dos atributos disponíveis, visando otimizar o processo.

Operações Pontuais

Operações pontuais são operações em que um pixel da imagem resultante depende apenas do mesmo pixel na imagem original.

Neste caso a única informação que nós temos é a cor do pixel, por isso muitas das operações pontuais são operações que alteram características de cor e luminância, tais como: brilho, contraste, nível de branco e nível de preto, saturação, correção gamma, limiar (threshold), posterização, solarização, negativo, etc.

Qualquer operação pontual pode ser visualizada como um mapeamento de pixels da imagem original para a imagem processada.

E isso é facilmente representado como um gráfico que relaciona as tonalidades disponíveis na imagem original com as tonalidades disponíveis na imagem processada.

Inclusive algumas operações bastantes conhecidas são visualizadas nesse gráfico como funções muito simples.

A operação pontual de identidade é simplesmente uma reta que mapea todos os tons da imagem original nos mesmos tons na imagem processada. Transladando essa reta estamos simplesmente alterando o brilho na imagem.

Alterando sua angulação estamos alterando o contraste, mas existem outras formas de se alterar o contraste como, por exemplo, usando uma função logarítmica que faria com que tons escuros fossem mapeados em um número maior de tons, realçando esses tons escuros, ou o inverso, uma função exponencial onde tons claros seriam realçados.

Até agora estávamos falando de operações pontuais que envolvem apenas uma imagem original. Estas são chamadas de unárias.

Mas podemos definir operações que usam mais de uma imagem original, são chamadas de binárias, ternárias, etc. Por exemplo, uma operação de média de várias imagens capturadas na mesma posição, é uma técnica comum de eliminação de ruído.

Mas as operações binárias mais comuns são as operações aritméticas de soma, subtração, divisão, etc de duas ou mais imagens.

Embora as funções pontuais estejam restritas somente ao pixel sendo processado, o processamento em si pode levar em consideração dados globais da imagem, como por exemplo, o histograma.