Introdução A Visão Computacional Usando Matlab

Introdução A Visão Computacional Usando Matlab –

A visão computacional está presente no dia a dia das pessoas em tarefas que nos passam despercebidas, como, por exemplo, a função de detecção de rosto em uma câmera digital. Porém, muitos profissionais usam as técnicas dessa área de conhecimento em tarefas mais complexas, como a análise automática de amostras em um laboratório, a detecção de defeitos em peças em uma linha de montagem e a classificação automática de frutas. Apesar disso, poucos são os profissionais que desenvolvem essas aplicações devido ao enorme volume teórico por trás da maioria das técnicas de processamento de imagens e de reconhecimento de padrões. Nesse sentido, pre- tende-se uma nova abordagem que tenha como foco a utilização da ferramenta MATLAB® para o aprendizado dessas técnicas, livrando assim o profissional da excessiva carga teórica e permitindo a aplicação imediata dos recursos do software para o desenvolvimento de sistemas. Este livro apresenta as técnicas de visão computacional com uma abordagem mais prática e menos teórica, utilizando exemplos simples e um software (MATLAB®) com funções já prontas. Os tópicos abordados foram criteriosamente escolhidos com base tanto na formação acadêmica (mestrado e doutorado) quanto na pesquisa atual dos autores, ambas dedicadas à área de visão computacional. Desse modo, este trabalho almeja servir como um guia prático para uma ampla faixa de leitores, contemplando desde o leitor autodidata que pretende dar os seus primeiros passos na área, até o estudante mais experiente que precise aplicar rapidamente alguma técnica ao seu problema. Assim, o leitor encontrará neste livro os seguintes tópicos: Uma breve introdução à visão computacional; Uma ampla apresentação dos fundamentos de MATLAB®; Conceitos fundamentais de imagens; As principais abordagens de pré-processamento de imagens; As principais técnicas de filtragem de imagens (incluindo wavelets); Morfologia matemática; Métodos de segmentação de imagens (incluindo Watershed); Métodos de extração de características (incluindo técnicas baseadas em análise de complexidade); Técnicas de reconhecimento de padrões (incluindo redes neurais artificiais); E, finalmente, aplicações, ou seja, problemas reais que podem ser abordados com as técnicas expostas. BOA LEITURA!