5 Imagens Coloridas

A maioria das informações visuais percebidas pelo ser humano envolve cor. Em Processamento Digital de Imagens, o uso da cor amplia significativamente a capacidade de análise, interpretação e representação de cenas, tornando sistemas computacionais mais próximos da percepção humana.

Este capítulo apresenta os fundamentos das imagens coloridas, abordando os princípios da percepção da cor, os principais modelos de cor utilizados em sistemas computacionais e as formas de representação e manipulação de imagens coloridas.

5.1 Percepção da Cor

A percepção de cores é resultado de um processo fisiológico e psicológico realizado pelo sistema visual humano. A luz refletida pelos objetos é captada pelos olhos e convertida em sinais elétricos pelos fotorreceptores presentes na retina. Esses sinais são então transmitidos ao cérebro, que os interpreta e produz a sensação de cor. Entretanto, o mecanismo completo pelo qual o cérebro processa e interpreta essas informações ainda não é totalmente compreendido. Por esse motivo, a percepção de cor é frequentemente descrita como um fenômeno fisiopsicológico, pois envolve tanto mecanismos físicos de detecção da luz quanto processos cognitivos de interpretação.

Um passo fundamental para a compreensão da natureza da luz e das cores foi dado em 1666 por Isaac Newton. Em seus experimentos, Newton demonstrou que a luz branca não é uma entidade simples, mas sim uma combinação de diferentes componentes de luz. Ao fazer um feixe de luz branca atravessar um prisma de vidro, observou-se que a luz emergente se separa em várias cores distintas. Esse fenômeno ocorre porque cada componente da luz possui comprimentos de onda diferentes, que são desviados de maneira distinta ao atravessar o prisma.

O conjunto de cores resultante desse experimento é denominado espectro visível da luz. Ele corresponde à faixa do espectro eletromagnético que pode ser percebida pelo olho humano e costuma ser representado como uma sequência contínua de cores que se estende do violeta ao vermelho.

Para fins didáticos, esse espectro costuma ser dividido em seis regiões principais: violeta, azul, verde, amarelo, laranja e vermelho. No entanto, essas regiões não apresentam limites abruptos. Na realidade, as cores variam de forma contínua ao longo do espectro, de modo que uma tonalidade se transforma gradualmente na seguinte. Assim, entre duas cores adjacentes existem inúmeras tonalidades intermediárias que não podem ser classificadas de maneira absoluta como pertencentes a apenas uma região específica.

Fisicamente, cada cor do espectro está associada a um intervalo de comprimentos de onda da luz visível. De maneira aproximada, o violeta corresponde à faixa entre 380 e 450 nm, o azul entre 450 e 495 nm, o verde entre 495 e 570 nm, o amarelo entre 570 e 590 nm, o laranja entre 590 e 620 nm e o vermelho entre 620 e 750 nm. Essa relação entre comprimento de onda e cor percebida é fundamental em diversas áreas, como fotografia, computação gráfica e processamento de imagens, pois permite modelar matematicamente a formação e a reprodução das cores em diferentes dispositivos.

5.2 Conceitos Básicos de Cor

A descrição e o estudo das cores podem ser realizados a partir de atributos perceptuais, isto é, características que correspondem à forma como o sistema visual humano percebe as cores. Esses atributos permitem representar e diferenciar cores de maneira mais intuitiva, aproximando a descrição matemática da experiência visual humana. De modo geral, uma cor pode ser caracterizada por três propriedades fundamentais: matiz, saturação e brilho.

A matiz (hue) corresponde à tonalidade dominante da cor, sendo a característica que permite distinguir uma cor de outra no espectro visível. Em termos práticos, a matiz identifica se uma cor é percebida como vermelha, azul, verde, amarela, entre outras. Esse atributo está relacionado principalmente ao comprimento de onda predominante da luz que atinge o olho humano.

A saturação indica o grau de pureza ou intensidade da cor. Cores altamente saturadas apresentam tonalidades vivas e intensas, enquanto cores com baixa saturação tendem a parecer mais esmaecidas ou próximas de tons de cinza. Em outras palavras, a saturação expressa o quanto uma cor está misturada com luz branca ou com outras cores, afetando a vivacidade da tonalidade percebida.

O brilho, também denominado intensidade ou luminosidade, representa a quantidade de luz associada à cor. Esse atributo está relacionado à percepção de quão clara ou escura uma cor é. Cores com maior brilho são percebidas como mais claras, enquanto cores com menor brilho aparecem mais escuras.

Esses três atributos perceptuais são amplamente utilizados na definição de modelos de cor, que são representações matemáticas destinadas a descrever e manipular cores em sistemas computacionais. Modelos como HSV (Hue, Saturation, Value) e HSL (Hue, Saturation, Lightness) organizam as cores justamente com base nesses parâmetros perceptuais, facilitando tarefas como edição de imagens, segmentação de cores e desenvolvimento de algoritmos de processamento de imagens digitais.

5.3 Modelo de Cor RGB

O modelo RGB representa as cores a partir da combinação de três componentes espectrais primárias: vermelho (red), verde (green) e azul (blue). Cada cor é definida por um triplo de valores que indicam a intensidade de cada uma dessas componentes. Esse modelo pode ser interpretado geometricamente como um sistema de coordenadas cartesianas tridimensional, no qual cada eixo corresponde a uma das cores primárias.

No cubo RGB, o ponto de origem (0,0,0) representa a ausência total de luz, ou seja, a cor preta (black). À medida que os valores das componentes aumentam, a cor resultante torna-se mais clara. No extremo oposto do cubo, o ponto (1,1,1) representa a presença máxima das três componentes, resultando na cor branca (white).

Os vértices localizados sobre os eixos correspondem às cores primárias: azul em (0,0,1), verde em (0,1,0) e vermelho em (1,0,0). Esses pontos indicam que apenas uma das componentes está presente com intensidade máxima, enquanto as demais são nulas.

As demais cores são obtidas pela combinação dessas componentes. Por exemplo, o ponto (0,1,1), localizado no plano formado pelos eixos verde e azul, representa a cor ciano (cyan), que resulta da mistura dessas duas cores primárias. De forma análoga, o ponto (1,0,1) corresponde ao magenta (magenta), e o ponto (1,1,0) ao amarelo (yellow).

Assim, o cubo RGB fornece uma representação intuitiva e geométrica do espaço de cores, permitindo visualizar como diferentes combinações das componentes primárias geram todas as demais cores perceptíveis nesse modelo.

5.4 Modelo de Cor CMY e CMYK

O modelo CMY é um modelo de cores baseado nas componentes ciano (cyan), magenta (magenta) e amarelo (yellow), sendo amplamente utilizado em processos de impressão. Diferentemente do modelo RGB, que é aditivo (baseado na emissão de luz), o modelo CMY é subtrativo, pois descreve como as cores são formadas pela absorção de luz refletida por uma superfície.

Nesse modelo, parte-se da cor branca, que representa a reflexão total da luz (equivalente ao papel em branco). À medida que as tintas são aplicadas, certas componentes da luz são absorvidas (subtraídas), modificando a cor percebida. Cada uma das cores primárias do modelo CMY atua removendo uma componente do modelo RGB: o ciano absorve o vermelho, o magenta absorve o verde e o amarelo absorve o azul.

As cores no modelo CMY também podem ser representadas em um sistema de coordenadas tridimensional, semelhante ao cubo RGB. O ponto (0,0,0) corresponde ao branco (ausência de tinta), enquanto o ponto (1,1,1) representa a combinação máxima das três tintas, que idealmente resultaria em preto. No entanto, devido a imperfeições dos pigmentos, essa combinação geralmente produz um tom escuro acinzentado, motivo pelo qual, na prática, utiliza-se o modelo estendido CMYK, com a adição da tinta preta (black).

A conversão entre RGB e CMY pode ser expressa de forma simples, considerando valores normalizados:

\[ C = 1 - R, \quad M = 1 - G, \quad Y = 1 - B \]

As combinações entre as componentes CMY geram outras cores. Por exemplo, a mistura de ciano e magenta produz azul, a mistura de ciano e amarelo resulta em verde, e a combinação de magenta e amarelo gera vermelho. Essas relações evidenciam que o modelo CMY é, na prática, o complementar do modelo RGB.

O canal adicional K no modelo CMYK é utilizado para melhorar o contraste e reduzir o consumo de tinta.

5.5 Modelo de Cor HSV

O modelo HSV (Hue, Saturation, Value) é uma representação de cores que busca se aproximar da forma como os seres humanos percebem e descrevem as cores. Assim como o modelo HSI, ele separa a informação cromática da informação de brilho, facilitando tarefas de análise e processamento de imagens.

No modelo HSV, as cores são representadas em uma geometria conhecida como hexcone (ou cone hexagonal). Nessa representação, o eixo vertical corresponde ao valor (V), que indica o brilho da cor. O valor varia de 0 (preto) até 1 (máximo brilho). Diferentemente do modelo HSI, o topo do modelo HSV não corresponde ao branco puro necessariamente, mas à cor mais intensa possível para uma determinada matiz.

A matiz (H – hue) representa o tipo da cor e é dada por um ângulo ao redor do eixo vertical. Esse ângulo varia de 0° a 360°, sendo que diferentes intervalos correspondem a cores perceptuais distintas: 0° representa o vermelho, 120° o verde e 240° o azul. As demais cores são obtidas por valores intermediários desse ângulo.

A saturação (S) indica o quão “pura” ou “intensa” é a cor. No modelo HSV, a saturação mede a proximidade da cor em relação ao eixo central do cone. Quando (S = 0), a cor está no eixo e corresponde a um tom de cinza (sem cor definida). Quando (S = 1), a cor está na superfície externa do cone, apresentando máxima pureza.

No exemplo interativo em sequência está um cone que representa as matiz, saturação e o valor no modelo de cores HSV. Arraste o cone com o mouse para uma visualização tridimensional do cone:

Interpretação geométrica

O eixo vertical (V) vai do preto até as cores mais brilhantes.
A saturação (S) é a distância radial em relação ao eixo central.
A matiz (H) é o ângulo ao redor do eixo, determinando a cor.

Dessa forma, o modelo HSV pode ser visualizado como um conjunto de “discos” empilhados: cada disco corresponde a um valor de brilho, e dentro de cada disco as cores variam em matiz e saturação.

Conversão de RGB para HSV

Com os valores dos componentes de cor R, G e B, definidas no intervalo entre 0 e 1, o modelo HSV pode ser calculado através das seguintes equações:

\[ H = \left\{ \begin{array}{cl} 0 & \text{se } MAX = MIN \\ 60 \times \frac{G-B}{MAX-MIN} + 0 & \text{se } MAX = R \text{ e } G \geq B \\ 60 \times \frac{G-B}{MAX-MIN} + 360 & \text{se } MAX = R \text{ e } G < B \\ 60 \times \frac{B-R}{MAX-MIN} + 120 & \text{se } MAX = G \\ 60 \times \frac{R-G}{MAX-MIN} + 240 & \text{se } MAX = B \\ \end{array} \right. \]

\[ S = \left\{ \begin{array}{cl} 0 & \text{se } MAX = 0 \\ \frac{MAX- MIN}{MAX} & \text{caso contrário} \end{array} \right. \]

\[ V = MAX \]

No exemplo interativo em sequência está uma representação usando o círculo de cores e o triângulo que liga branco, o preto e todas as matizes da cor escolhida no modelo HSI. Clique no círculo de cores para selecionar a matiz. No triângulo correspondente estão representados o vértice da matiz selecionada, o vértice da cor branca e o vértice cor preta. O triângulo é pintado com as variações de saturação e intensidade da matiz selecionada:

5.6 Modelo de Cor HSI

O modelo HSI (Hue, Saturation, Intensity) descreve as cores de uma forma mais próxima da percepção humana, separando a informação de cor (matiz e saturação) da informação de brilho (intensidade). Essa separação é especialmente útil em processamento de imagens, pois permite manipular iluminação e cor de forma independente.

No modelo HSI, a intensidade (I) representa o brilho da cor e é definida ao longo de um eixo vertical que vai do preto (0,0,0) ao branco (1,1,1). Esse eixo corresponde à linha onde as três componentes RGB possuem o mesmo valor, ou seja, tons de cinza. Quanto maior o valor de intensidade, mais clara é a cor.

A saturação (S) indica o grau de pureza da cor. Geometricamente, ela corresponde à distância entre a cor e o eixo de intensidade. Cores localizadas exatamente sobre esse eixo possuem saturação zero (tons de cinza), enquanto cores mais afastadas do eixo são mais saturadas, ou seja, mais “vivas”.

A matiz (H – hue) representa o tipo da cor (vermelho, verde, azul, etc.). Ela é determinada pelo ângulo no plano perpendicular ao eixo de intensidade. Esse plano pode ser entendido como um triângulo formado pela interseção do cubo RGB com um plano de intensidade constante. Por exemplo, no plano que passa pela cor ciano, os vértices do triângulo ajudam a definir a matiz das cores presentes naquele nível de intensidade.

Conversão de RGB para HSI

Considere uma cor no modelo RGB com componentes normalizadas no intervalo \([0,1]\), ou seja, \(R\), \(G\) e \(B\).

\[ H = \left\{ \begin{array}{ll} \theta & se \quad B \leq G \\ 360 - \theta & se \quad B > G \end{array} \right. \]

onde: \[ \theta = \cos^{-1}\left\{\frac{\frac{1}{2}[(R-G) + (R-B)]}{\sqrt{(R-G)^2 + (R-B)(G-B)}}\right\} \]

\[ S = 1 - \frac{3}{(R + G + B)}[\min (R,G,B)] \]

\[ I = \frac{1}{3}(R + G + B) \]

No exemplo interativo em sequência estão implementados todas as conversões RGB para HSI e para HSV:

5.7 Representação de Imagens Coloridas

Imagens coloridas podem ser representadas de diferentes formas, dependendo do modelo de cor adotado. Em geral, uma imagem colorida pode ser vista como um conjunto de imagens monocromáticas correlacionadas.

Essa representação permite que técnicas clássicas de processamento em tons de cinza sejam aplicadas individualmente aos canais de cor ou a componentes específicas do modelo adotado.

5.8 Aplicações de Imagens Coloridas

O uso de imagens coloridas é essencial em diversas aplicações, tais como:

segmentação baseada em cor;
reconhecimento de objetos;
análise de cenas naturais;
visão computacional em robótica;
processamento de imagens médicas e industriais.

A escolha adequada do modelo de cor é determinante para o sucesso dessas aplicações.

5.9 Considerações Finais

As imagens coloridas desempenham um papel central no Processamento Digital de Imagens moderno. A compreensão dos modelos de cor e de suas características é fundamental para o desenvolvimento de sistemas eficientes e robustos.

O domínio desses conceitos permite selecionar representações adequadas e explorar de forma eficaz as informações cromáticas presentes nas imagens, ampliando as possibilidades de análise e interpretação.

Exercícios

Exercício 1 — Conceitual

Explique com suas palavras:

O que é uma imagem colorida
Como as cores são representadas digitalmente
Qual a diferença entre imagens em tons de cinza e coloridas

Exercício 2 — Modelo RGB

Explique:

O que representam os canais R, G e B
Como a combinação desses canais forma diferentes cores
O que acontece quando:

R = G = B
apenas um canal está ativo

Exercício 3 — Espaços de cores

Explique a diferença entre os seguintes espaços de cores:

RGB
HSV (ou HSI)
YCbCr

Indique uma aplicação típica para cada um.

Exercício 4 — Conversão de cores

Explique:

Por que é útil converter uma imagem RGB para HSV/HSI
Em qual componente (H, S ou V/I) geralmente se aplicam técnicas de segmentação
Vantagens dessa abordagem

Exercício 5 — Separação de canais

Considere uma imagem RGB:

O que representa cada canal individualmente
Como seria a aparência visual de cada canal isolado
Qual informação é perdida ao analisar apenas um canal

Exercício 6 — Manipulação de cores

Explique o efeito de:

Aumentar o valor do canal vermelho
Reduzir o canal azul
Ajustar brilho e saturação

Exercício 7 — Tons de cinza

Explique:

Como converter uma imagem colorida para tons de cinza
Por que usamos pesos diferentes para R, G e B
Qual seria o problema de usar apenas a média simples

Exercício 8 — Histograma em imagens coloridas

Explique:

Como é definido o histograma em imagens coloridas
Diferença entre histogramas por canal e histogramas conjuntos
Como o histograma pode ser usado para melhorar a imagem

Exercício 9 — Implementação prática (canais RGB)

Implemente um programa que:

Leia uma imagem colorida
Separe os canais R, G e B
Gere três imagens correspondentes a cada canal
Mostre ou salve os resultados

Exercício 10 — Implementação prática (conversão)

Implemente um programa que:

Converta uma imagem RGB para tons de cinza
Converta RGB para HSV (ou HSI)
Mostre cada componente separadamente

Exercício 11 — Manipulação prática

Implemente um programa que:

Aumente o brilho da imagem
Aumente a saturação
Realce uma cor específica (ex: vermelho)

Compare os resultados.

Exercício 12 — Segmentação por cor

Desenvolva um algoritmo que:

Detecte objetos de uma cor específica (ex: azul ou vermelho)
Gere uma imagem binária com os objetos detectados

Dica: utilize o espaço HSV/HSI.

Questão reflexiva

Explique a importância das imagens coloridas em aplicações como:

Visão computacional
Diagnóstico médico
Agricultura de precisão
Reconhecimento de objetos

Discuta por que a escolha do espaço de cores é fundamental em cada caso.

Atividade Prática: Equalização de Histograma em Imagens Coloridas (HSV)

Objetivo

O objetivo desta atividade é explorar o processamento de imagens coloridas, incluindo conversão entre espaços de cores, análise de componentes e aplicação de equalização de histograma para melhoria de contraste.

Problema

A equalização de histograma é uma técnica amplamente utilizada para melhorar o contraste de imagens. No entanto, quando aplicada diretamente em imagens coloridas no modelo RGB, pode causar distorções nas cores.

Uma alternativa mais adequada é converter a imagem para o espaço HSV, aplicar a equalização apenas no componente de intensidade (V) e, em seguida, reconstruir a imagem colorida.

O problema desta atividade consiste em implementar esse processo.

Descrição

Desenvolva um programa que:
1. Leia uma imagem colorida no formato PPM
2. Converta a imagem do espaço RGB para HSV
Após a conversão, o programa deverá:
1. Separar os componentes H, S e V
2. Aplicar equalização de histograma apenas no componente V (Value / intensidade)
Em seguida, o programa deve:
1. Recombinar os componentes H, S e V
2. Converter a imagem de volta para o espaço RGB
3. Gerar a imagem final no formato PPM

Entrada

Imagem colorida no formato PPM

Saída

O programa deve gerar:

Imagem original
Componente V antes da equalização
Componente V após a equalização
Imagem final com contraste melhorado

Execução

O programa deve ser executado via linha de comando:

./equaliza_hsv imagem.ppm

Atividade Prática: Esteganografia em Imagens

Objetivo

O objetivo desta atividade é explorar conceitos de esteganografia, utilizando técnicas de manipulação de bits em imagens digitais para ocultar e recuperar informações sem alterar perceptivelmente a imagem original.

Problema

O termo esteganografia¹ deriva da junção das palavras gregas estegano, que significa “esconder ou mascarar”, e grafia, que significa “escrita”. Portanto, esteganografia pode ser compreendida como a arte de esconder informações, tornando-as ocultas, assim como a criptografia. O objetivo desta técnica é que esses dados não sejam percebidos por terceiros; ou seja, a presença de mensagens escondidas dentro de arquivos é simplesmente desconhecida. Somente o receptor da mensagem tem conhecimento de sua existência, assim como da maneira como extraí-la.

Apesar de parecer, a esteganografia e a criptografia são duas áreas com objetivos bastante diferentes. Enquanto a criptografia tem o propósito de impedir que as pessoas saibam o conteúdo de uma mensagem, a esteganografia busca evitar que as pessoas saibam que a mensagem escondida existe. Ou seja, na criptografia, os receptores sabem da existência das mensagens, porém não conseguem, a princípio, lê-las; já a esteganografia tenta fazer com que os receptores não percebam que há uma mensagem naquele meio (imagem, texto, etc.).

Existem várias formas de esconder mensagens ou arquivos em imagens. Uma das técnicas possíveis é modificar alguns bits (menos relevantes) dos pixels da imagem com as informações que se deseja ocultar. Por exemplo, a modificação do bit menos significativo de uma banda (red) de um pixel de uma imagem colorida não é perceptível ao olho humano. A esteganoanálise dessa modificação, no entanto, pode ser realizada a partir da comparação entre o arquivo original e o arquivo modificado. O ruído, calculado como a diferença entre esses dois arquivos, corresponde à mensagem codificada.

Descrição

Um arquivo está escondido na imagem .PPM. O arquivo escondido está codificado nos pixels da imagem da seguinte forma:
- o binário dos códigos ASCII do nome original do arquivo (finalizado pelo caractere zero)
- o binário do tamanho do arquivo (em quatro bytes)
- e os bytes do arquivo
Os bits (zero ou um) das representações binárias estão armazenados modificando as bandas R, G e B dos pixels em sequência.

Por exemplo, considerando a imagem colorida:

Seja 'A', a primeira letra do nome do arquivo (código ASCII binário 01000001). Na codificação, a letra 'A' modifica as seguintes bandas dos pixels:

Onde:

\(R_1 = r_1 \,\& \,0xFE\) codifica o bit 0
\(G_2 = g_2 \,| \,0x01\) codifica o bit 1
\(B_3 = b_3 \,\& \,0xFE\) codifica o bit 0
\(R_4 = r_4 \,\& \,0xFE\) codifica o bit 0
\(G_5 = g_5 \,\& \,0xFE\) codifica o bit 0
\(B_6 = b_6 \,\& \,0xFE\) codifica o bit 0
\(R_7 = r_7 \,\& \,0xFE\) codifica o bit 0
\(G_8 = g_8 \,| \,0x01\) codifica o bit 1

A operação \(R_1 = r_1 \,\& \,0xFE\) (AND bit-a-bit) força o último bit para 0.
A operação \(G_2 = g_2 \,| \,0x01\) (OR bit-a-bit) força o último bit para 1.
Após o nome do arquivo, os quatro bytes seguintes representam o tamanho do arquivo.

Exemplo

Arquivo original:

P3
#Created with GIMP
10 10
255
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 140 26 26 197 40 40 197 40 40 140 
26 26 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 197 40 40 209 43 43 209 43 43 197 40 40 40 
140 26 59 197 40 59 197 40 40 140 26 0 0 0 
0 0 0 197 40 40 209 43 43 166 53 144 85 61 197
61 197 85 63 209 43 63 209 43 59 197 40 0 0 0 
0 0 0 140 26 26 197 40 40 85 61 197 43 63 209 61
198 90 63 209 43 63 209 43 59 197 40 0 0 0 
0 0 0 0 0 0 0 0 0 40 59 197 43 63 209 53 147 166
61 197 85 59 197 40 40 140 26 0 0 0 
0 0 0 0 0 0 0 0 0 26 40 140 40 59 197 40 
59 197 26 40 140 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Arquivo modificado:

P3
# CREATOR: Image Processing using C-Ansi - ByDu
#
10 10
255
0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 
0 1 0 0 0 0 1 0 0 0 1 0 0 0 1 
0 0 0 0 0 0 0 0 1 1 0 0 0 1 0 
0 0 0 141 26 26 197 40 40 197 40 40 140 
26 26 0 1 0 0 0 1 1 0 0 0 1 0 0 0 0 
0 0 0 197 40 40 209 43 42 209 43 43 197 41 40 40 
140 27 58 197 40 59 197 40 40 140 26 0 0 0 
0 0 0 197 40 40 208 43 43 166 52 144 85 61 196 
60 197 85 63 208 43 63 209 42 58 197 40 0 0 0 
0 0 0 140 26 26 197 40 40 85 61 196 42 63 209 61 
198 90 63 209 42 62 209 43 59 196 40 0 0 0 
0 0 0 0 0 0 0 0 0 40 59 197 43 62 209 53 147 166 
60 197 85 59 196 40 40 140 26 0 0 0 
0 0 0 0 0 0 0 0 0 26 40 140 40 59 196 40 
59 197 26 40 140 0 0 0 1 0 0 0 0 0 
0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 
0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 
1 0 0 0 1 0 0 0 0 0 0 0 0 1 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Arquivo ocultado: A.txt

Conteúdo:

Codificação binária:

A(41) 01000001 .(2E) 00101110 
t(74) 01110100 x(78) 01111000 t(74) 01110100 (0) 00000000
(0) 00000000 (0) 00000000 (0) 00000000 (2) 00000010
4(34) 00110100 2(32) 00110010

Para que um arquivo possa ser escondido na imagem:

TN = tamanho do nome (+1 para caractere nulo)
TA = 4 bytes (tamanho do arquivo)
NB = número de bytes do arquivo
nlinhas = número de linhas da imagem
ncolunas = número de colunas da imagem

A condição é:

\[ 8 \times (TN + TA + NB) \leq nlinhas \times ncolunas \]

No exemplo:

TN = 6
TA = 4
NB = 2

Total: 12 × 8 = 96 pixels usados (em uma imagem 10×10 = 100 pixels)

Considerando esse esquema, sua tarefa é desenvolver o decodificador.

O programa deve:

receber o nome da imagem
extrair o arquivo oculto
gerar o arquivo em disco

Formato da execução

O programa deve suportar duas operações:

./estego -e <entrada.ppm> <saida.ppm> <arquivo.ext>
./estego -d <imagem.ppm>

(https://www.gta.ufrj.br/grad/09_1/versao-final/stegano/introducao.html)↩︎