Com base no programa pixels.cpp, foi desenvolvido o código regions.cpp, que recebe como entrada dois pontos P1 e P2 (coordenadas x e y) e aplica o efeito de negativo à região compreendida entre eles.

Imagem de entrada:

Após compilar o código com o arquivo CMakeLists.txt, os seguintes resultados foram obtidos:

P1 = [100, 50], P2 = [200, 200]

P1 = [50, 50], P2 = [100, 150]

Na segunda parte do exercício, que envolvia a troca de regiões, foi criado o programa trocaregioes.cpp, utilizando um novo arquivo de build: CMakeLists.txt.

Resultado:

Nesta atividade, foi solicitado gerar uma imagem senoidal de 256x256 pixels com 4 períodos e amplitude 127, salvando-a em formato .png e .yml.

Exemplo de senóide com 8 períodos:

Arquivo YML: https://github.com/IgorCirne/IgorCirnePDI/tree/main/exercicio_5/8-senoide-256.yml

Resultado com 4 períodos:

Arquivo YML: https://github.com/IgorCirne/IgorCirnePDI/tree/main/exercicio_5/4-senoide-256.yml

Em seguida, foi traçado um gráfico da diferença entre uma linha extraída dessas imagens:

Nota-se que a sobreposição das ondas originais resulta em uma nova forma de onda periódica, porém mais complexa, devido à interferência entre elas.

Esta atividade explora a esteganografia, onde uma imagem é codificada discretamente dentro de outra. O código base utilizado foi bitplanes.cpp, e o programa criado para recuperar a imagem oculta foi o recover.cpp.

Imagem de entrada:

Imagem recuperada:

O código labeling.cpp rotula regiões conectadas em uma imagem. No entanto, por utilizar o tipo uchar (8 bits), apenas 255 objetos distintos podem ser representados. Para permitir contagem além desse limite, é necessário alterar o tipo de CV_8U para CV_16U.

Modificação sugerida abaixo da linha 21:

Para a segunda parte do exercício, que envolve identificar bolhas com ou sem buracos internos (excluindo bordas), foi desenvolvido o código newlabeling.cpp.

Evolução do processo:

Com base no código histogram.cpp, foi desenvolvido o programa equalize.cpp para realizar a equalização do histograma de imagens capturadas com o aplicativo DroidCam.

Imagens de entrada e resultado:

O exercício propõe a aplicação de filtros de média com máscaras de diferentes tamanhos (3x3, 11x11 e 21x21). O código está disponível em: convolucao.cpp.

Resultados:

(Este capítulo ainda não possui conteúdo registrado.)

Com o código dft.cpp, foi calculado o espectro de magnitude de uma imagem senoidal. Em seguida, um código alternativo foi feito para ler a imagem diretamente de um arquivo .yml, disponível em: dft_2.cpp.

A segunda imagem apresenta melhor fidelidade à senóide original, pois os valores são lidos diretamente do arquivo de dados.

Foi proposto modificar o código dftfilter.cpp para aplicar correção de iluminação com filtro homomórfico. O código final está disponível em: homomorfico.cpp.

Exemplos de resultado com ajustes na barra deslizante:

A atividade consistia em realizar 10 execuções do algoritmo k-means com diferentes centros iniciais, baseado no código kmeans.cpp. O código final com aleatoriedade está em: kmeans_random.cpp.

Resultados:

Este exercício foi dividido em duas partes. A primeira consistia em aplicar o código contornos.cpp à imagem dos retângulos e verificar o número de pontos extraídos do contorno.

Resultado da primeira execução:

Na segunda parte, o programa foi modificado para reduzir os pontos de contorno, gerando o arquivo contornos2.cpp.

Resultado:

Nota: O resultado ideal seria 8 pontos, mas é possível que alguns cantos tenham sido contados duas vezes devido à interseção dos retângulos.

Neste exercício, o objetivo era identificar uma pessoa no meio de uma multidão utilizando momentos de Hu.

O código implementado está disponível em: momento-regioes-2.cpp.

Imagens utilizadas:

Resultado obtido após análise por varredura:

A proposta era modificar o código para extrair os momentos de Hu de contornos rotulados de uma imagem. O resultado foi implementado no arquivo momentos.cpp.

Imagens envolvidas:

Com esses dados, é possível notar que figuras semelhantes (como as arruelas circulares) compartilham valores de momentos semelhantes, ainda que pequenas variações possam surgir por rotação ou leve distorção.

Neste exercício final, o objetivo era transformar dígitos de 7 segmentos em números legíveis por um sistema digital. É importante preservar o ponto decimal separadamente para manter a estrutura numérica.

Imagens de entrada:

Após o processamento com o código morfologia2.cpp, os resultados foram os seguintes:

O resultado final foi satisfatório, com os números bem definidos para futura interpretação por um leitor automatizado.