Como capturar imagens limpas de formas geométricas para projeto ou dataset
Vou direto ao ponto porque já perdi tempo demais corrigindo fotos que pareciam boas na câmera e ruins no processamento. O problema com foto de formas geométricas não é tirar a foto — é fazer com que ela sirva para o que você precisa depois. O método mais confiável que eu uso envolve três coisas: fundo uniforme, iluminação lateral e um tripé mesmo que caseiro. Comprei uma prancha de isopor branca no supermercado por dez reais e usei como fundo infinito. Coloquei duas luminárias de mesa com lâmpadas LED neutras (5600K) em ângulos de trinta e quarenta graus em relação à superfície. Isso elimina reflexos e sombras duras. O resultado leva uns quinze minutos para montar, mas economiza horas de pós-processamento.
Pegando a foto de formas geométricas no ângulo certo
A maioria das pessoas tira a foto de cima, perpendicularmente. Isso funciona para círculos e quadrados, mas estraga formas como triângulos e trapézios porque a perspectiva distorce os ângulos internos. Se você precisa de medições precisas ou está construindo um dataset para treinamento de modelo de visão computacional, incline a câmera cerca de quinze graus e centralize a forma no enquadramento. Use o modo manual da câmera ou do celular — travar o foco e a exposição evita que a máquina tente "corrigir" o fundo branco como se fosse superexposto. Eu já tive um caso específico em que estava coletando imagens de formas geométricas recortadas em EVA preto sobre fundo branco para treinar um classificador. O problema era que a borda do EVA refletia a luz de maneira irregular, criando um halo cinza que confundia o modelo. A solução foi simples: replacei as luminárias brancas por softboxes com difusor duplo e aumentei a distância entre a luz e o objeto para cerca de cinquenta centímetros. O halo desapareceu e a acurácia do modelo subiu de sessenta e dois para noventa e um por cento em dois dias de treino.
Se você não tem softbox, um pano branco fino esticado entre a luz e o objeto faz o mesmo serviço. Custa quase nada.
Configurações práticas que funcionam
Resolução mínima: 1920 por 1080 pixels. Formatos mais baixos comprometem a detecção de bordas em ferramentas como OpenCV. JPG com qualidade setenta e cinco é suficiente — PNG não traz vantagem significativa aqui e só aumenta o tamanho do arquivo sem necessidade. Posicione a forma ocupando pelo menos sessenta por cento do quadro. Muito pequeno e o ruído da compressão do JPEG começa a corroer as bordas. Muito grande e você perde informação contextual que pode ser útil para escala ou referência.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Use grade no visor. Formas geométricas exigem alinhamento. Se o quadrado não está paralelamente às bordas da imagem, a correção perspectual no pós-processamento introduz artefatos. Leva cerca de cinco segundos ajeitar e evita dor de cabeça depois.
Ferramentas e onde baixar
Para quem quer começar rápido sem montar um estúdio caseiro, existem pacotes prontos de foto de formas geométricas em sites como Kaggle e Hugging Face Datasets. O dataset "Geometric Shapes Dataset" no Kaggle tem cerca de oito mil imagens rotuladas com categorias como circle, square, triangle, rectangle e pentagon. Baixe diretamente pelo navegador ou use o comando kaggle datasets download -d manavm55/geometric-shapes-dataset se tiver a CLI instalada. Se você prefere gerar suas próprias imagens com controle total, o Blender com geometria nodal permite renderizar formas perfeitas em lote. Eu fiz um script que gera trinta variações por forma mudando cor, tamanho e leve rotação — levou quatro horas para renderizar tudo em uma GPU dedicada e resultou em um dataset mais limpo do que qualquer foto real conseguiria.
O que ninguém conta sobre o processo
Formas com many-sided polygons, como hexágonos e octógonos, parecem círculos em resoluções baixas. Se seu pipeline de processamento usa detecção de contours com threshold simples, o modelo pode classificar um hexágono como círculo. Use suavização Gaussiana leve antes da detecção de bordas, mas com sigma baixo — zero ponto cinco a um ponto zero. Sigma alto demais apaga vértices e destruir a forma. Outro problema comum: fundos que não são perfeitamente uniformes. Uma mescla de tons de cinza no fundo branco faz com que o algoritmo de segmentação crie "ilhas" de ruído que parecem formas menores dentro da forma principal. Resolvi isso em um projeto aplicando morphological closing com um kernel de cinco por cinco antes de extrair os contours. Remove ruído pontual sem deformar a forma real.
Não tente corrigir iluminação desigual no pós-processamento usando histogram matching entre imagens. Funciona em teoria, mas na prática cria inconsitências de cor que confundem modelos treinados com dados normais. É mais barato e eficiente simplesmente refazer a foto com iluminação correta do que gastar horas tentando salvar imagens ruins. A maioria dos tutoriais online recomenda usar Photoshop ou GIMP para recortar as formas. Recomendo o oposto. Recorte digital introduz serrilhado nas bordas curvas. Se você precisa da forma isolada, tire a foto com a forma já sobre um fundo de cor contrastante e use segmentação por cor no código. Fica mais limpo e leva menos tempo.
