Академический Документы
Профессиональный Документы
Культура Документы
Imágenes II
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 1 / 31
Conexión de bordes por procesamiento local
* E, A ∈ R+ : valores umbrales.
* Proceso ejecutado en cada elemento definido como discontinuidad.
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 2 / 31
Conexión de bordes por procesamiento local
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 4 / 31
Conexión de bordes por procesamiento global: Transformada de Hough
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 5 / 31
Conexión de bordes por procesamiento global: Transformada de Hough
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 7 / 31
Umbralización de Intensidad
Objetos y fondo en una imagen tienden a estar descritos por agrupaciones de intensidad
bien distinguidas. Esto se refleja en histogramas con modas bien definidas.
* Efectos de ruido e iluminación en el histograma: reduce la separación entre modas!
adverso a la umbralización.
* Estrategia ante dichos efectos: filtro pasabajos (ej: filtro Gaussiano).
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 8 / 31
Umbralización de Intensidad
P1 +P2
iv Tk−1 ← Tk ; Tk ← 2
v si |Tk − Tk−1 | < τ (usualmente 1), entonces finalizar. Caso contrario regresar a II.
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 10 / 31
Umbralización de Intensidad
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 11 / 31
Umbralización de Intensidad
ii Para cada indice k ≥ k1 , determinar dk como la recta perpendicular a Y que pasa por el par
ordenado {k, h(k)} y hallar su punto de intersección.
iii Establecer el umbral óptimo como el argumento k que maximiza la magnitud de la recta
perpendicular dk :
T = argmax|dk |.
k
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 12 / 31
Umbralización de Intensidad
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 13 / 31
Método de Otsu
Asumiendo funciones de probabilidad con distribución Gaussiana: dos clases C1 y C2
2 ) con el
Maximizar la métrica de varianza entre clases (between-class variance, σB
umbral global seleccionado.
Procedimiento Simplificado: Analizar todas las intensidades como posibles umbrales
globales.
T (k) = k; k ∈ {0; L − 1}.
Clase 1: intensidades ∈ {0; k}. Clase 2: intensidades ∈ {k + 1; L − 1}.
i Hallar la función de distribución de probabilidad (histograma normalizado):
h(k)
pk = .
MN
ii Hallar probabilidad de la Clase 1:
k
X
P1 (k) = pi .
i=0
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 14 / 31
Método de Otsu
iii Hallar la suma acumulada de la Clase 1:
k
X
m(k) = i · pi .
i=0
2
v Calcular σB (k):
2 [mg P1 (k) − m(k)]2
σB (k) =
P1 (k)[1 − P1 (k)]
2
vi Seleccionar T = argmax σB (k).
k
2
* Si hay más de un argumento k que maximiza σB (k), elegir T como el promedio.
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 15 / 31
Método de Otsu
(a) Comparación entre métodos de umbralización (b) Respuesta del método de Otsu ante ruido
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 16 / 31
Region Splitting and Merging
Region Splitting and Merging: subdividir la imagen en regiones (sin intersecciones) que
satisfacen un determinado criterio de agrupación Q y luego unir aquellas regiones
adyacentes de manera iterativa.
Procedimiento iterativo:
Dada una imagen f ∈ RM ×N
i Dividir la imagen en cuatro cuadrantes {R1 , R2 .R3 , R4 }.
Si Q{Ri } = 0, i = 1, 2, 3, 4, subdividir Ri en cuatro cuadrantes {Ri1 , Ri2 , Ri3 , Ri4 }
ii Detener la división cuando todas las Quadregiones satisfagan Q o cuando se haya alcanzado
el tamaño mı́nimo (arbitrario)
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 17 / 31
Region Splitting and Merging
*Ej: (
1, σ{R} > a ∧ 0 < µ{R} < b
Q(R) =
0, otros
ii Unir regiones adyacentes que cumplan con:
Ejecutar dicho procedimiento de manera iterativa hasta que no sea posible unir más regiones.
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 18 / 31
Region Splitting and Merging
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 19 / 31
Métodos locales de Umbralización de Intensidad
Aplicar valores umbrales en función a la ubicación y vecindad de cada elemento.
i Umbralización local por subregiones de la imagen:
* Minimizar efectos por cambios de iluminación
a Dividir la imagen en rectángulos de m × n suficientemente pequeños para reducir los cambios
de iluminación de la imagen.
b Aplicar el método de selección automática (ej: Otsu) independientemente a cada rectángulo.
a Alternativa 1:
Definir Txy = a · σ{N m×n (x, y)} + b · µ{N m×n (x, y)} y
(
1, f (x, y) > Txy
g(x, y) =
0, otros
b Alternativa 2:
(
1, f (x, y) > a · σ{N m×n (x, y)} ∧ f (x, y) > b · µ{N m×n (x, y)}
g(x, y) =
0, otros
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 21 / 31
Métodos locales de Umbralización de Intensidad
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 22 / 31
Umbralización de Intensidad
(a) Umbralización de intensidad global vs. umbralización de (b) Histogramas para parches de imagen ruidosa.
intensidad por parches
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 23 / 31
Umbralización de Imágenes a Colores (RGB)
Dados elementos en una imagen f (x, y) caracterizados por tres valores de intensidad:
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 24 / 31
Segmentación de Objetos en Movimiento
Segmentación en video:
Dado un conjunto de imágenes (video) correctamente alineado y afectado por iluminación
constante y las imágenes f (x, y, ti ), f (x, y, tj ) en tiempos (ti , tj ), respectivamente, es
posible discriminar objetos no-estacionarios a partir de su diferencia de intensidades.
(
1, |f (x, y, ti ) − f (x, y, tj )| > T
dij (x, y) =
0, otros
T : arbitrario. Debe tener en cuenta cambios de iluminación.
* Robusto ante ruido: identificar regiones de valor “1” 8-adyacentes o 4-adyacentes y
eliminar regiones con número de elementos < N .
* Desventaja: rechaza objetos pequeños no estacionarios.
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 25 / 31
Segmentación de Objetos en Movimiento
Diferencias Acumulativas: discriminar objetos en movimiento a partir de la suma de
diferencias en cada pixel con relación a una determinada imagen de referencia.
i La imagen de referencia debe describir la mayor cantidad de regiones estacionarias posibles
(minimizar los objetos en movimiento).
ii Emplear alguno de estos tres tipos de diferencias acumulativas
(
Ak−1 (x, y) + 1, |f (x, y, ti ) − f (x, y, tj )| > T
Ak (x, y) =
Ak−1 (x, y), otros
P
k−1 (x, y) + 1, f (x, y, ti ) − f (x, y, tj ) > T
Pk (x, y) =
Pk−1 (x, y), otros
N
k−1 (x, y) + 1, f (x, y, ti ) − f (x, y, tj ) < −T
Nk (x, y) =
Nk−1 (x, y), otros
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 27 / 31
Morfologia Matemática I
1 Imagen binaria: Dado un par ordenado p = (px , py ), una imagen binaria I(p) puede ser
descrita por su subconjunto de elementos de valor 1:
QI = {p|I(p) = 1}; p ∈ Z2
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 28 / 31
Morfologia Matemática II
2 Reflexión: La reflexión de un conjunto QI corresponde a un cambio de signo en sus pares
ordenados. Esto implica una reflexión respecto al origen de coordenadas.
QcI = {w|w ∈
/ QI }
4 Unión e Intersección: Dados los conjuntos QI1 y QI2 , las operaciones unión ∪ e
intersección ∩ corresponden a los siguientes conjuntos:
(QI )z = {p + z; p ∈ QI }
6 Erosión: Dada una imagen representada por QI y una máscara (elemento estructural)
representada por un conjunto H, Erosión corresponde a todos los pares ordenados z tal
que los elementos de H desplazados un factor z estén incluidos en QI .
QI H = {z|(H)z ⊆ QI }
7 Dilatación: Dada una imagen representada por QI y una máscara (elemento estructural)
representada por un conjunto H, Dilatación corresponde a todos los pares z tal que el
conjunto reflejado Ĥ desplazado por un factor z tenga algún elemento incluido en QI .
QI ⊕ H = {z|(Ĥ)z ∩ QI 6= ∅}
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 30 / 31
Morfologia Matemática
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 31 / 31
Morfologia Matemática
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 32 / 31
Morfologia Matemática
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 33 / 31
Morfologia Matemática
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 34 / 31
Referencias
(1) Capı́tulo 10
Gonzalez, Rafael C. & Woods, Richard E. (2006), Digital Image Processing, 3rd Edition,
Prentice-Hall Inc.
http://www.imageprocessingplace.com/
(2) Rosin, Paul L., “Unimodal thresholding”. Pattern recognition 34, no. 11 (2001):
2083-2096.
Renán Rojas G. IEE239: Segmentación de Imágenes II Pontificia Universidad Católica del Perú 35 / 31