Estudo da granulometria em imagens via a modelagem das freqüências espaciais.

Abstract

Este trabalho examina a análise de granulometria em objetos baseada na modelagem das freqüências espaciais via a utilização das transformadas wavelets. Em contraste com as técnicas comumente empregadas para a realização de estudos dessa natureza, em geral baseadas na aplicação da transformada de Fourier e nas técnicas de segmentação, em especial, de detecção de bordas, o presente estudo cria um modelo entre o padrão de freqüências espaciais e a granulometria. O intuito é otimizar as técnicas clássicas para determinação da variação da granulometria com a minimização dos erros oriundos do processamento de imagens e obter uma melhor performance nos resultados. A motivação desse estudo foi a percepção de que os métodos até então empregados são adequados para a medição de objetos de geometria bem definida, mas falham para a granulometria em função diversos fatores, como ruídos na imagem, influência de coloração e de texturas. Além disto, a segmentação consegue, sob certo aspecto, validar um número reduzido de objetos o que pode descaracterizar ou pelo menos diminuir a amostra, e como consequência gera a propagação de erros no modelo. Tais erros tendem a se tornarem mais significativos quando trata-se do estudo de materiais em pilhas ou sobre transportadores, situação em que há a influência da sobreposição de objetos. O resultado então é a identificação de "partes" de objetos como se fossem inteiros, demandando operações complicadas para validação e/ou correções nos resultados por algum tipo de inferência estatística. Nesse contexto, o objetivo deste trabalho é verificar a possibilidade de se mensurar a granulometria em imagens através da determinação dos padrões de frequências espaciais, como ferramenta auxiliar no controle de processo industrial para um monitoramento contínuo e digital. Isto será avaliado adotando como parâmetro estatístico a análise de correlação entre um padrão de frequências espaciais e a granulometria conhecida.