Princípios Básicos de Computação Gráfica 3D Aplicada às Ciências da Saúde – Visualização da cena

For who speaks English: http://arc-team-open-research.blogspot.com.br/2016/12/basic-principles-of-3d-computer.html

Caros amigos,

Esse post se trata de um material introdutório, criado para o nosso curso presencial e online de “Princípios Básicos de Computação Gráfica 3D Aplicada às Ciências da Saúde”. O treinamento é fruto de uma parceria que iniciou em 2014, junto ao renomado cirurgião ortognático brasileiro, o Dr. Everton da Rosa.

Inicialmente o objetivo era desenvolvermos uma metodologia de planejamento cirúrgico utilizando apenas software livre e gratuito. Os trabalhos foram bem sucedidos e resolvemos compartilhar os resultados com a comunidade de cirurgia ortognática. Assim que postamos os primeiros conteúdos relacionados às pesquisas em nossas mídias sociais, a procura foi grande e não se limitou apenas aos profissionais da Odontologia, mas estendeu-se a todos os campos da saúde humana e também veterinária.

Em face dessa procura, decidimos abrir o conteúdo inicial e teórico dos tópicos que abordam o nosso curso (que é consideravelmente prático). Assim, os eventuais interessados poderão aprender um pouco acerca dos conceitos envolvendo o treinamento, ao passo que aqueles curiosos da área de computação gráfica, terão ao alcance das mãos um material que os introduzirá ao campo da modelagem e digitalização nas ciências da saúde.

Nesse primeiro post abordaremos os conceitos relacionados a visualização de objetos e cenas 3D.

Esperamos que apreciem, boa leitura!

 

Capítulo 1 – Visualização da cena

 

Cicero Moraes

3D Designer – Art-Team (Itália)

 

Everton da Rosa

Hospital de Base, Brasília-DF

 

Você já sabe muito do que precisa

O que é necessário para aprender a trabalhar com 3D?

Se você é uma pessoa que sabe operar um computador e ao menos já editou um texto, a resposta é, pouca coisa.

Ao editar um texto nós utilizamos o teclado para entrar com as informações, ou seja, as palavras. O teclado nos auxilia com os atalhos, por exemplo os popularíssimos CTRL+C e CTRL+V para copiar e colar. Perceba que não usamos o menu do sistema para acionar esses comandos por um motivo muito simples, é muito mais rápido e prático fazê-los pelas teclas de atalho.

Ao escrever um texto nós não nos limitamos a compor uma frase ou redigir uma página. Quase sempre formatamos as letras, deixando-as em negrito, setando-as como título ou inclinando-as e importamos imagens ou gráficos. Essas últimas ações também podem ser chamadas de interoperabilidade.

O nome é complexo, mas o conceito é simples. Interoperabilidade é, grosso modo, a capacidade que os programas têm de trocarem informações uns com os outros. Ou seja, você tira a foto de uma câmera, salva ela no PC, talvez use um editor de imagens para aumentar o contraste, depois importa essa imagem no seu documento. Ora, a imagem foi criada e editada em outros lugares! Isso é interoperabilidade! O mesmo acontece com uma tabela, que pode ser feita em um editor de planilhas e importada posteriormente no editor de texto.

Esse montante de conhecimento não é trivial. Poderíamos dizer que, você já conta com 75% de todas as habilidades computacionais necessárias para trabalhar com modelagem 3D.

Agora, se você é daqueles que jogam ou já jogaram um game de tiro em primeira pessoa, pode ter certeza que conta com 95% de tudo o que precisa para modelar em 3D.

Como isso é possível?

Muito simples. Além de todo o conhecimento envolvendo a maioria dos programas de computador, como já citados, o jogador ainda desenvolve outras capacidades inerentes ao campo da computação gráfica 3D.

Ao jogar nessas plataformas é necessário antes de tudo analisar a cena a qual se vai interagir. Depois de estudar o campo de atuação, o jogador se desloca pela cena e se aparecer alguém na reta a chance desse indivíduo levar um tiro é bem grande. Essa habilidade de se deslocar e interagir em um ambiente 3D é a peça inicial para se trabalhar com um programa de modelagem e animação.

Observação e deslocamento pela cena

Quando chegamos a um local desconhecido, a primeira coisa que fazemos é observar. Imagine que você vai fazer um curso em um determinado espaço. Dificilmente alguém “chega chegando” em um ambiente assim. Antes de tudo nós observamos a cena, fazemos um apanhado geral do número de pessoas e até estudamos as rotas de fuga caso aconteça um imprevisto muito sério. Em seguida nos deslocamos pela cena estudada, indo até o local onde aguardaremos o início das atividades. Em um terceiro momento, nós interagimos com o cenário, tanto utilizando os equipamentos do curso como caderno e caneta, quanto conversando com outros alunos e/ou professores.

Veja que o evento foi marcado por três fases:

1. Observação

2. Deslocamento

3. Interação

No mundo virtual da computação gráfica a sequência é praticamente a mesma. A primeira parte do processo consiste em observar a cena, em ter uma idéia de como ela é. Esse comando é conhecido como orbit. Ou seja, um observador orbita (Orbit) a cena observando-a, como se fosse um satélite artificial em torno da terra. Ele mantém uma distância fixa e pode ver a cena de todos os ângulos possíveis.

Mas, nem só de orbitação vive o homem, é preciso aproximar-se para ver os detalhes de algum ponto específico. Para isso utilizamos os comandos de zoom, já bem conhecidos da maioria dos operadores de computador. Além da aproximação e afastamento (+ e – zoom) você também precisa caminhar pelas cenas ou mesmo deslocar-se horizontalmente (movimento conhecido como Pan).

Um fato curioso sobre esses comandos de observação de cena, é que quase sempre se concentram nos botões do mouse. Veja a tabela abaixo:

Temos acima o comparativo de três programas sobre os quais abordaremos mais à frente. O importante agora é saber que, nos três comandos básicos de zoom nós vemos o envolvimento direto do mouse. Isso deixa bem claro que, se você se deparar com uma cena 3D aberta e usar essas combinações de comandos, pelo menos deslocar o observador você vai conseguir.

 

Se desejar fazer um teste na 3D view acima com os seguintes comandos:

Orbitar: Botão direito do mouse

+- Zoom: Roda o scroll

Pan: Clica no scroll e move

A frase “deslocar o observador” foi grafada, para que você se atente a uma situação. Até agora estamos tratando apenas de comandos de observação. Pela característica de seu funcionamento, ele pode muito bem ser confundido com o comando de rotação do objeto. Como diriam alguns, “uma coisa é uma coisa e outra coisa é outra coisa”. É muito comum que os iniciantes nessa área se confundam entre um e outro.

Para ilustrar bem a diferença entre eles, observe na figura acima a cena ao centro (Original) que se trata da referência inicial. À esquerda nós observamos o comando de orbitar em ação (Orbit). Veja que o elemento grid (em cinza claro) que é referência do que seria o chão da cena acompanha o cubo. Isso acontece porque na verdade quem se desloca na cena é o observador e não os elementos. Já à direita (Rotate) vemos o grid na mesma posição que na cena ao centro, ou seja, o observador se manteve no mesmo ponto, só que o cubo sofreu rotação.

Por que isso parece confuso?

No mundo real, aquele que vivemos, o observador é… você. Você usa os seus olhos para ver o espaço com toda a profundidade tridimensional que esse sistema binocular natural oferece. Quando trabalhamos com um software de modelagem e animação 3D, os seus olhos passam a ser a 3D View, ou seja, a janela de trabalho onde a cena está sendo apresentada.

No mundo real, quando vamos caminhar por um espaço, nós temos o chão para nos deslocar. Ele é a nossa referência. Em uma cena 3D geralmente esse chão inicial é representado pelo grid que vimos na figura de exemplo. Sempre é importante ter uma referência para se trabalhar, caso contrário fica quase impossível, principalmente para quem está começando, conseguir fazer alguma coisa no computador.

Tipo de visualização

A televisão engorda.

Com certeza você já ouvir essa frase em alguma entrevista ou até de algum conhecido ou conhecida que já fora filmado e viu o resultado na tela. De fato, pode acontecer da pessoa parecer mais robusta do que o “normal”, mas a resposta é que, de fato todos nós somos mais encorpados do que a estrutura que os nossos olhos nos apresentam quando nos fitamos frente ao espelho.

Para que você tenha uma noção clara do que isso significa, é preciso compreender alguns conceitos simples que envolvem a visualização a partir de um observador em um programa de  modelagem e animação 3D.

O observador nesse caso é representado por uma câmera.

 

Curiosamente, uma das representações mais usadas para a câmera dentro de uma cena 3D é um ícone de uma pirâmide. Veja na figura acima, onde são apresentados três exemplos. Tanto o software Blender 3D, quanto o MeshLab contam com um ícone em forma de pirâmide para representar a câmera no espaço. A forma mais simples de representar essa estrutura pode ser um triângulo, como o que aparece à direita (Icon).

Tudo isso não é à toa. Essa representação guarda em si os princípios básicos da fotografia.

Você já deve ter ouvido de falar da câmera pinhole. Em uma tradução livre significa câmera fotográfica de orifício. O funcionamento desse mecanismo é muito simples, trata-se de uma câmera arcaica feita com uma pequena caixa ou lata. Em um lado é ela apresenta um orifício bem fino e no outro lado é colocado um papel fotográfico. O furo fica tampado por uma fita adesiva escura até o fotógrafo em questão posicionar a câmera em um ponto. Uma vez que a câmera esteja posicionada e imóvel, a fita é retirada e o filme recebe a luz externa por um tempo. Em seguida o orifício é novamente tampado, a câmera é transportada até um estúdio e o filme revelado, apresentando a cena em negativo. Tudo simples e funcional.

Para nós o que interessa mesmo são alguns pequenos detalhes. Imagine que temos um objeto a ser fotografado (A), a luz que vem de fora entra na câmera por um orifício feito na parte frontal (B) e projeta a imagem invertida dentro da caixa (C). Tudo o que estiver fora dessa área de captura ficará invisível (ilustração à direita).

Nessa altura já temos a resposta do porquê os ícones de câmera serem semelhantes em programas diferentes. A pirâmide representa a projeção da área visível da câmera. Atente-se que projeção da área visível não o mesmo que TODA a área visível, ou seja, temos uma pequena apresentação de como a câmera recebe a cena externa.

 

Tudo o que estiver fora dessa projeção simplesmente não aparecerá na cena, como no caso da esfera acima, que está parcialmente oculta.

Mas ainda falta uma peça nesse quebra-cabeças, o motivo de parecermos mais robustos para as câmeras de TV.

Observe as duas figuras acima. Olhando uma em relação a outra, podemos identificar algumas características que as diferenciam. A imagem à esquerda parece tratar-se de uma estrutura que está sendo espremida, ainda mais quando vemos os olhos, que parecem saltar para os lados. Já à direita, temos uma estrutura que, em relação a outra, parece ter os olhos mais centrados, o nariz menor, a boca mais aberta e um pouco mais para cima, vemos as orelhas despontando e a parte superior da cabeça é notoriamente maior.

As duas estruturas têm bastante diferenças visuais… mas se tratam de um mesmo objeto em 3D!

A diferença mora na forma em que as fotografias foram feitas. Nesse caso, utilizou-se dois comprimentos focais diferentes.

 

Acima nós vemos as duas câmera pinhole em topo. A imagem à esquerda indica o valor de comprimento focal (focal length) de 15 e à direita vemos o valor do comprimento focal de 50. De um lado vemos uma estrutura mais compacta (15), onde o fundo está bem próximo a parte da frente e no outro uma estrutura mais esticada, com um ângulo de captura mais fechado (50).

Mas porque neste caso do comprimento focal 15,  as orelhas não aparecem na cena?

 

A explicação é simples e pode ser abordada de modo geométrico. Veja que para enquadrar a estrutura na foto foi necessário aproximá-la bastante do orifício de entrada de luz. Ao fazer isso, o volume capturado (BB) pega apenas a parte frontal da face (Visible), ocultando as orelhas (Invisible). Ao final, temos uma projeção limitada (CC) que sofre ainda certa deformação, dando a impressão dos olhos estarem levemente separados.

 

Com o comprimento focal de 50 a área visível da face é mais ampla. Podemos atestar isso com a projeção da região visível, como fizemos anteriormente.

Neste exemplo optou-se por enquadrar a estrutura bem próximo aos limites da captura da câmera e desse modo evidenciar as diferenças de captação. Assim vemos claramente como um valor maior de comprimento focal implica em uma captura mais ampla da estrutura fotografada. Um bom exemplo é que, com o valor 15 vemos muito discretamente as pontas inferiores das orelhas, em 35 as estruturas já despontam, em 50 vê-se quase o dobro da área e em 100 temos uma visão quase completa das orelhas. Note ainda que em 100, a região marginal dos olhos transpassa a estrutura da cabeça e em ortogonal (Ortho) a região marginal dos olhos está alinhada com a mesma estrutura.

Mas, o que vem a ser uma vista ortogonal?

Para a compreensão ser mais completa, vamos por partes.

Se isolarmos as arestas de todas as vistas, alinharmos pelas sobrancelhas e base do queixo e colocarmos as formas sobrepostas, veremos ao final que quanto menor a distância focal, menor a área estrutural visualizada. Dentre todas as formas a que mais se destaca é justamente a visualização ortogonal. Ela simplesmente tem mais área que todas as outras. Vemos isso à extrema direita ao atestar a cor azul despontando nas regiões marginais da sobreposição.

Mas, e a projeção ortogonal, como funciona?

 

O melhor exemplo é a fachada de uma casa. Acima à esquerda temos uma visão com comprimento focal 15 (Perspective) e à direita em ortogonal.

 Analisando a captura com comprimento focal 15, temos as linhas em azul, como de praxe, representando o limite da área visível (limite da imagem gerada) e nas demais linhas a projeção de algumas partes-chave da estrutura.

A visão ortogonal por sua vez não sofre a deformação da distância focal. Ela simplesmente recebe as informações estruturais diretamente, gerando um gráfico condizente com as medidas do original, ou seja, ela mostra a casa “como ela é”. O processo lembra muito a projeção de raio-x, que representa a estrutura radiografada sem (ou quase sem) deformação de perspectiva.

Olhando as imagens lado a lado, a partir de outro ponto de vista, é possível atestar uma diferença marcante entre elas. A parte de baixo e de cima das paredes laterais são paralelas, mas se traçarmos uma linha em cada uma dessas partes na perspectiva, esse traçado vai acabar se encontrando numa intersecção que é conhecida como ponto de fuga (A e B). No caso da vista ortogonal, as linhas não se encontram, porque… são paralelas! Ou seja, novamente vemos que a projeção ortogonal respeita a estrutura real do objeto.

Então quer dizer que a visão ortogonal sempre é a melhor opção?

Não, não é sempre a melhor opção, porque tudo depende do que vocẽ está fazendo. Tomemos como exemplo as visualizações frontais, abordadas anteriormente. Mesmo que a vista ortogonal ofereça uma área maior de captura (D) se compararmos as regiões exclusivas da ortogonal (E) com as regiões exclusivas visualizadas pela perspectiva de comprimento focal 15 (F), atestaremos que, mesmo cobrindo uma área em pixels menor, a vista com deformação de perspectiva contemplou regiões que ficaram ocultas na vista ortogonal.

 

Moraes e Salazar-Gamarra (2016)

Isso responde a pergunta sobre a TV engordar ou não as pessoas. Quanto maior a distância focal, mais robusta é a aparência do rosto. Mas isso não significa engordar ou não, mas sim, mostrar de fato a sua estrutura, ou seja, a imagem ortogonal é o indivíduo em suas medidas mais coerentes com a volumetria real.

O interessante desse aspecto é que ele mostra que os olhos nos enganam, a imagem que vemos das pessoas não corresponde ao que de fato eles são estruturalmente falando. O que vemos no espelho também não.

Os fotógrafos profissionais, por exemplo, sabem bem como explorar essa realidade e extrair o máximo de qualidade em suas obras.

 Visão 3D

Você já se perguntou por que tem dois olhos e não apenas um? Na maioria do tempo nós esquecemos que temos dois olhos, pois vemos apenas uma imagem quando observamos as coisas à nossa volta.

 Faça esse teste rápido.

Procure um objeto pequeno para fitar (A), que esteja a mais ou menos um metro de distância. Posicione o indicador (B) apontando para cima a 15cm da frente dos olhos (C), alinhado com o nariz.

Ao olhar para o objeto você verá um objeto e dois dedos.

Ao olhar para o dedo, você verá um dedo e dois objetos.

 

Se você observar com apenas um dos olhos, atestará que cada um tem uma visão distinta da cena.

Essa é uma forma bem simples de testar os limites do sistema binocular de visualização característicos dos humanos. Também fica bem claro o motivo dos pintores clássicos fecharem um dos olhos ao medir as proporções de um objeto com o pincel, de modo a replicá-la na tela (veja mais detalhes no link da bibliografia). Se eles usassem os dois olhos simplesmente não funcionaria!

Você deve estar se perguntando como conseguimos enxergar apenas uma imagem com os dois olhos. Para compreender um pouco melhor esse mecanismo, vamos tomar como exemplo o cinema 3D.

O que acontece se você olha para uma tela de cinema 3D sem os óculos polarizados?

Algo parecido como a figura acima, uma distorção muito conhecida daqueles que já exageraram em bebidas alcoólica. No entanto, mesmo parecendo o oposto, não há nada de errado com essa imagem.

 

Ao colocar os óculos, cada lente recebe as informações relacionadas ao seu olho. Temos então duas imagens distintas, como quando piscamos para ver com apenas um dos lados.

Vamos refletir um pouco. Se a imagem borrada entra pelos óculos e se converte em parte do cenário, transportando-nos para dentro dos filmes a ponto de nos assustarmos com detritos de explosões que parecem ser projetados para cima da gente… pode ser que, as informações que recebemos do mundo sejam imagens borradas com essa. Só que, lá dentro do cérebro, em algum lugar acontece uma “mágica” que em vez de mostrar esse desfoque, as duas imagens se juntam e formam apenas uma.

Mas por que duas imagens, porque dois olhos?

A resposta está justamente na parte dos detritos da explosão que vêm ao nosso encontro. Se você assistir a mesma cena com apenas um dos olhos, os objetos não “pulam” em cima de você. Isso acontece porque a visão estereoscópica (com os dois olhos) lhe dá o poder de percepção da profundidade do ambiente. Ou seja, a noção de espaço que temos deve-se a nossa visão binocular, sem ela, ainda que tenhamos noção do ambiente por conta da perspectiva, em muito perderemos a capacidade de mensurar o seu volume.

Para que você entenda melhor a questão da profundidade da cena, veja a seguinte imagem.

 Se fosse perguntado a um grupo de indivíduos, qual dos dois objetos está mais à frente da cena, é quase certo que grande parte dos entrevistados responderia que é o objeto à esquerda.

Entretanto, nem tudo é o que parece. O objeto à esquerda está mais distante. Esse exemplo ilustra bem como podemos ser enganados pela visão monocular ainda que seja em perspectiva.

Não seria mais fácil que os programas de modelagem e animação oferecessem suporte a visualização estereoscópica?

De fato poderia ser, mas os programas mais populares ainda não oferecem essa possibilidade. Em face da popularização dos óculos de realidade virtual e a convergência das interfaces gráficas, vislumbra-se a possibilidade desse nicho contar com suporte pleno para a visualização estereoscópica na fase de produção. No entanto, essa  possibilidade é mais uma projeção futura do que uma realidade presente e as interfaces de hoje ainda contam com muitos elementos que remontam décadas atrás.

É por esse e outros motivos que precisamos da ajuda de uma visão ortogonal quando trabalhamos em um software 3D.

Se de um lado ainda não contamos com soluções acessíveis de visualização 3D com profundidade, por outro podemos contar com ferramentas robustas testadas e aprovadas por anos e anos de desenvolvimento. Em 1963, por exemplo, foi desenvolvido no MIT o editor gráfico Sketchpad. De lá para cá a forma de abordar objetos 3D em uma tela digital não mudou muita coisa.

O mais importante de tudo isso, é que a técnica funciona muito bem e com um pouco de treinamento você se adapta tranquilamente a metodologia, a ponto de esquecer que um dia já teve dificuldades com isso.

 

Quase todos os programas de modelagem, de modo semelhante ao Sketchpad, oferecem a possibilidade de dividir a área de trabalho em quatro vistas: Perspectiva, frente, direita e topo.

Mesmo não se tratando de uma perspectiva da qual contamos com a noção de profundidade, e mesmo as outras vistas sendo uma espécie de “fachada” do cenário, o que temos ao final é um idéia bem clara da estrutura da cena e do posicionamento dos objetos.

Se por um lado dividir a cena em quatro partes reduz a área visual de cada vista, por outro o especialista pode optar alterar essas vistas na área total do monitor.

Com o tempo, o usuário vai se especializando em trocar o ponto de vista utilizando as teclas de atalho, de modo a completar a informação necessária e não cometer erros na composição da cena.

Uma amostra da versatilidade da orientação 3D a partir de vistas ortogonais é o exercício do “chapéu no macaquinho” repassado a alunos iniciantes de modelagem tridimensional. Esse exercício consiste em solicitar aos alunos que coloquem um chapéu (cone) sobre a primitiva Monkey (macaco). Ao tentarem utilizar apenas a visão em perspectiva as dificuldades são muitas, pois é muito difícil aqueles que estão iniciando se localizarem em uma cena 3D. Em seguida lhes é ensinado como utilizar as visualizações ortogonais (frente, direita, topo, etc.). A tendência é que os alunos posicionam o “chapéu” tomando apenas uma vista como referência, nesse caso frente (Front). Só que, ao trocarem a vista para perspectiva, o chapéu aparece deslocado. Ao visualizarem por outro ponto de vista, como, por exemplo à direita (Right) acabam se dando conta que o objeto está afastado de onde deveria estar. Com o tempo os alunos “pegam o jeito” e trocam o ponto de vista ao trabalharem com o posicionamento de objeto.

 Se observarmos o gráfico dos eixos que aparecem à esquerda das figuras, veremos que no caso do Front temos as informações de X e Z, mas falta o Y (justamente a profundidade onde o chapéu se perdeu) e no caso do Right temos Y e Z, mas falta o X. O segredo é sempre orbitar a cena ou alternar os pontos de vista, de modo a ter uma noção clara da estrutura da cena, fundamentando assim as suas intervenções futuras.

 

Conclusão

Por ora é isso, em breve retornaremos com mais conteúdo abordando os princípios básicos da computação gráfica 3D aplicada às ciências da saúde. Se quiser receber mais novidades, apontar alguma correção, sugestão ou mesmo conhecer melhor o trabalhos dos profissionais envolvidos com a composição desse material, por gentileza envie-nos uma mensagem ou mesmo, curta as páginas dos autores no Facebook:

Página do 3D designer Cícero Moraes

Página do Dr. Everton da Rosa

Agradecemos a sua atenção e deixamos aqui um grande abraço.

Até a próxima!

 

Fontes:

Entendendo lentes, abertura, comprimento focal e olho-de-peixe

https://epxx.co/artigos/pinhole.html