Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Daniel Bolao Asenjo Jos Juan Corpas Martos Oscar D. Fernndez Martnez Javier Gutirrez Segura
Tabla de contenidos
- Momentos Geomtricos
- Momentos de Legendre
Momentos Geomtricos
Introduccin Momentos Simples Momentos Centrales Centroide Momentos Normalizados Momentos Orden 0 Momentos Orden 1
Momentos Orden 2 Matriz Rotacin Angulo Rotacin Excentricidad Momentos Orden 3 Momentos Invariantes
Introduccin
Los momentos son propiedades numricas que se pueden obtener de una determinada imagen. Tienen en cuenta todos los pxeles de la imagen, no solo los bordes. Clasificacin de los momentos: Momentos Simples Momentos Centrales Momentos Centrales Normalizados
Momentos Simples
Se emplean para obtener otros momentos, pero tambin dan informacin por s mismos. Para una funcin continua f(x,y), el momento de orden (p+q) se define como:
m pq = x p y q f ( x, y )dxdy
En discreto obtenemos lo siguiente:
M ( p, q ) = x p y q f ( x, y )
x y
5
Momentos Centrales
(0,0)
(0,0)
Continuo Discreto
pq = ( x X ) p ( y Y ) q f ( x, y )
MC pq = ( x X ) p ( y Y ) q f ( x, y )
6
Centroide
Centro de masas de la figura. Viene representado por los momentos de orden 0y1 X = M(1,0) / M(0,0) Y = M(0,1) / M(0,0)
El rea de la figura que queda a la derecha e izquierda del punto X es la misma. Igual para el rea que queda por encima y por debajo del punto Y
7
Permiten reconocer figuras dentro de una imagen independientemente de su tamao. Se normalizan los momentos centrales con el momento de orden 0, obteniendo as figuras independientes de la escala.
Momento de Orden 0
El momento simple de orden 0 representa el rea de la figura en imgenes binarias y la superficie en imgenes en escala de grises. Es la suma de los valores de todos los pxeles.
M (0,0) = f ( x, y )
x y
Momentos simples de Orden 1 (M(1,0),M(0,1)): Se emplean para hallar el centro de masas de una figura.
M (1,0) = xf ( x, y )
x y
M (0,1) = yf ( x, y )
x y
U (1,0) = ( x x)1 ( y y ) 0 f ( x, y )
x y
U (0,1) = ( x x) 0 ( y y )1 f ( x, y )
x y
10
Momentos Centrales Normalizados de Orden 1 (MCN(1,0),MCN(0,1)): Estos momentos son 0 por definicin.
11
Son importantes para el calculo de los momentos centrales. La densidad de la figura se multiplica por distancias al cuadrado desde el centro de masas o centroide (Inercia).
y y y
U ( p, q ) = ( x x) p ( y y ) q f ( x, y )
x y
12
Matriz de rotacin
Los tres momentos centrales de 2 orden forman las componentes del tensor de inercia o matriz de rotacin.
A partir de estas componentes se podrn obtener: El ngulo de rotacin de la figura alrededor de su centro de masas La excentricidad de la figura
13
Angulo rotacin
La orientacin o ngulo de rotacin de la figura se define como el ngulo entre el eje de abscisas y el eje alrededor del cual la figura puede rotar con mnima inercia.
14
Excentricidad
x y y
15
Momentos Invariantes
A partir de los momentos centrales normalizados de orden 2 y 3 se obtienen los siete momentos invariantes. Estos conjunto de momentos es invariante a la traslacin y cambio de escala de una figura.
I 1 = N (2,0) + N (0,2)
2
17
Momentos Invariantes
I 5 = ( N (3,0) 3N (1,2))(N (3,0) + N (1,2)) ( N (3,0) + N (1,2))2 3( N (2,1) + N (0,3))2
I 6 = ( N (2,0) N (0,2)) ( N (0,3) + N (1,2))2 ( N (2,1) + N (0,3))2 + 4 N (1,1)(N (3,0) + N (1,2))(N (2,1) + N (0,3))
]
2
Ejemplo
Estrella Estrella Ampliada Estrella Girada
Forma
Forma Ampliada
Forma Centrada
19
Conclusiones
La resolucin de las imgenes y la propia naturaleza digital de los datos, producen una serie de errores en los clculos. Se han usado imgenes en blanco y negro y de un tamao determinado (150 x 150). Posibles mejoras: Tener en cuenta las distintas gamas de colores. Eliminar ruidos. Aplicaciones: Construir una base de datos de momentos geomtricos y emplearla como patrones para el reconocimiento de formas.
20
Momentos de Legendre
Condiciones de las pruebas Resultados experimentales Conclusiones de las pruebas Conclusiones finales
21
Motivacin
Reconstruccin mediante momentos geomtricos muy costosa y propensa a errores. Cmo reconstruir la imagen con un conjunto finito de momentos.
22
Definicin
pq
(2p + 1)(2q + 1) = 4
+1 +1 1
Pp ( x) Pq ( y ) f ( x, y ) dxdy
dp Pp ( x) = p ( x 2 1) p , x [1,1] 2 p! dx p 1
23
Aproximacin
Al igual que en el caso de los momentos geomtricos, los momentos de Legendre pueden aproximarse por:
pq = h pq ( x, y ) f ( x, y )
i =1 j =1
donde:
h pq ( x, y ) =
x y y + 2 2 x y x y 2 2 x+
Pp ( x) Pq ( y )dxdy
24
Versin computable
El valor de
f ( x, y )
Funcin de reconstruccin
f ( x, y )
como expansin
f ( x, y ) f M max ( x, y )
M max p
f ( x, y ) =
P =0 q =0
p q, q Pp q ( x) Pq ( y )
26
Imgenes en blanco y negro de 150x150 pxeles Clculo de momentos hasta orden 20 Precisin de coma flotante: 28 decimales Procesador a 1.5 Ghz 384 Mb RAM Duracin media del clculo de momentos hasta el orden 20: 120 Duracin media de la reconstruccin: 120
27
Resultados experimentales
Simulacin desde momento de orden 0 a 20
28
Resultados experimentales
Simulacin desde momento de orden 0 a 20
29
Mejores resultados con: Tamaos mayores de la imagen Un mayor nmero de pxeles negros Lneas ms rectas Condiciones necesarias para un mejor resultado: Mquina/s de gran potencia de clculo Aumentar el nmero de momentos Trabajar con aritmtica de grandes nmeros Utilizar el mximo posible de lugares decimales
30
Conclusiones generales
Los momentos de Legendre son una herramienta eficaz para la reconstruccin de imgenes mediante sus caractersticas numricas. El proceso de reconstruccin se comporta de mejor forma para imgenes grandes. Conforme crece el nmero de momentos, resulta muy costoso reconstruir una imagen.
31
Herramientas Utilizadas
Microsoft Visual Studio Visual Basic Visual C++ CVIP Tools (manipulado de imgenes) Microsoft Access
32
Referencias
Image Description using moments (Dr. S. Belkasim). On image analisis by moments (Liao-Pawlak) Image analysis with moment descriptor (LiaoPawlak). On the reconstruction aspects of moments descriptors (Pawlak). On image analysis by the methods of moments (Cho-Huak, Chin). Orthogonal Legendre moments and their calculation (Shen-Shen). Image characterization by fast calculation of loworder Legendre moments (Shen-Shen).
33