Introdução à 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 t arefas 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 aplicaçõe s 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 d essas 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 prá tica 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 ma is 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 fundam entais 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 c aracterísticas (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!