Documentos de Académico
Documentos de Profesional
Documentos de Cultura
f.
Trabajo: 3 caminos:
1) Mejorar watershed. Variables:
a. Versin de watershed: 3 implementaciones distintas con
diferencias no del todo claras debido a implementaciones
particulares -> OpenCV, SciPy y scikit-image.
b. Imagen base:
i. Imagen original (o invertida): filtros para suavizar ruido
(cunto?, cul?),
ii. Canny: distintas implementaciones, ecualizacin previa
cambia fuertemente resultados, tamao del filtro, proceso
para eliminar bordes sueltos, engrosar bordes, etc.
iii. Sobel:
iv. Otro filtro pasa-alto:
v. Pegar Canny encima de otro de los anteriores
c. Mejorar marcadores: transformaciones para eliminar falsos
positivos, forma de mantener burbujas ms pequeas.
2) Random Walker: instalar PyAMG, repetir pruebas de watershed con
random_walker().
3) A partir de Canny tartar de completer bordes de burbujas grandes.
Presentacin final
1) Resumen:
a. Ojetivos
b. Enfoques: bordes + detector (descartado, bordes demasiado feos
como para ser tiles directamente), watershed (decente, pero con
problemas y poco modificable, se mantiene como opcin si la
prioridad es la velocidad), completar contornos (descartado, malos
resultados y poco confiable).
c. Random walker: los mejores resultados, aunque lento. Sobel ->
bueno y robusto. Marcadores -> principal fuente de problemas.
Caso ideal (razonable): logramos aislar todos los puntos que
destacan, por regin (tenemos al menos un marcador por burbuja,
pero aparecen tambin falsos positivos en los contornos y en el
interior de las burbujas). Buena noticia: tiende a encerrarlos, por
lo que no afectan mucho a las burbujas adyacentes.
2) Primera mejora: filtrar a posteriori las burbujas al interior de otras.
Implementacin sencilla.
3) Desafo: hacer la deteccin lo ms robusta posible.
4) Otsu: concepto general.
5) Otsu local: bondades y problemas.
6) Falsos positivos en zonas homogneas: solucionado tomando una
vecindad lo suficientemente grande como para que siempre hayan
marcadores y no marcadores dentro, pero an as suficientemente
pequea para que la iluminacin sea relativamente homognea.
7) Tiende a generar manchones: queremos aumentar el umbral
encontrado. Idea para hacerlo inteligente: mximos. Concepto general.
Se puede pulir y mejorar con ms tiempo.
8) Problemas con burbujas grandes: demasiada segmentacin de los
marcadores, en algunos casos ya no se encierran.
9) Posible solucin: se puede jugar con el beta, de modo de hacer ms
difcil la difusin. Mejora algunos casos, otros no. Los que ms sufren son
los que mejor se detectaban con Otsu solo. Podra haber una forma de
discriminar entre casos y aplicar lo ideal, qu s yo. Me falta tiempo.
IMPORTANTE: me pasaron varias imgenes, algunas de las cules me parecen
fundamentalmente distintas de lo que tena al comienzo. Me voy a centrar en
imgenes que tienen slo burbujas, que por lo dems son la mayora de los
casos (despus puedo ver qu hace el algoritmo en los otros casos, pero dado
el tiempo que tena no los consider para la optimizacin). Para incorporar
estos casos se me ocurre hacer un anlisis previo basado ms en textura para
identificar zonas de no-burbujas y marcarlas antes de meterlo al random
walker (se puede hacer marcando esas zonas con un -1, con lo que no crecen
ni se consumen).