Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Segmentacion PDF
Segmentacion PDF
Introduccin
Caractersticas Principales
Deteccin de Discontinuidades
Deteccin de Punto
T es un umbral no negativo
R es la suma de productos de los coeficientes con los
niveles de gris contenidos en la regin en la que se
superpone la mscara.
Deteccin de Punto
Ejemplo
FIGURA 10.2
Mscara
para la
deteccin de
punto
(b) Imagen Rayos
X de una
aleta de
turbina con
porosidad
(c) Resultado de
la deteccin
de punto
(d) Resultado de
utilizar la
ecuacin
(10.1_2)
Deteccin de Lnea
Deteccin de Lnea
Deteccin de Lnea
Ejemplo
Figura 10.4
Ilustracin de direccin
de lnea
(a)
Mscara de
conexin
binaria
(b)
Valor absoluto
del resultado
despus de
procesar con un
detector de lnea
-45
(c)
Resultado de
umbralizar la
imagen (b)
11
Deteccin de Borde
Formulacin Basica
(a)
Modelo de una
imagen digital ideal.
(b)
Modelo de un borde
en rampa. La
pendiente de la
rampa es
proporcional al
grado de
borroneado en el
borde
Debido
a la of
ptica,
because
optics,
muestreo, imperfeccin
sampling,
image
de la adquisicin
de la
acquisition
imagen
imperfection
14
Borde grueso
Dos regiones
separadas por un
borde vertical.
(b)
Derivada
Primera
Derivada
Segunda
16
Derivadas Segundas
18
19
Recordar
20
Punto de borde
21
Problema de segmentacin
22
Operador Gradiente
f
Gx x
f = = f
G y
y
f = mag (f ) = [G + G ]
2
x
f 2 f 2
= +
x y
2
y
Aproximacin comn
f G x + G y
23
Mscaras Gradiente
25
Ejemplo
FIGURA 10.10
(a)
Imagen original
(b)
componente
|Gx| del
gradiente en la
direccin x.
(c)
Componente
|Gy| en la
direccin y.
(d)
Gradiente de
laimagen,
|Gx|+|Gy|
27
Ejemplo
FIGURA 10.11
La misma secuencia
de la figura 10.10,
pero con la imagen
original suavizada
con un filtro
promedio 5x5
28
Ejemplo
FIGURA 10.12
Deteccin de borde
diagonal.
(a)
Resultado
utilizando la
mscara de la
figura 10.9.
(b)
Resultado
utilizando la
mscara de la
figura
10.9(d). La
entrada en
ambos casos
fue la figura
10.11(a)
29
Laplaciano
Operador Laplaciano
(operador lineal)
f ( x, y ) f ( x, y )
+
f =
2
2
x
y
2
2 f = [ f ( x + 1, y ) + f ( x 1, y )
+ f ( x, y + 1) + f ( x, y 1) 4 f ( x, y )]
FIGURA 10.13
Mscara Laplaciano
utilizado para
implementar las
ecuaciones (10.1-14)
y (10.1-15),
respectivamente
30
Laplaciana de Gaussiana
h(r ) = e
donde r2 = x2+y2, y
Es la desviacin estndar
r2
2
r
h(r ) =
e
4
r2
2 2
31
Sombrero Mejicano
FIGURA 10.14
Laplacioana de una
Gaussiana
(LoG).
(a)
Grfico 3-D.
(b)
Imagen (negro
es negativo, gris
es plano cero, y
blanco es
positivo).
(c)
Seccin de corte
mostrando el
cruce por cero.
(d)
Mscara
aproximacin
5x5 de la forma
(a)
32
Operacin Lineal
33
Ejemplo
a). Imagen original
b). Gradiente de
Sobel
c). Funcin de
suavizado espacial
Gaussiana
d). Mscara
Laplaciana
e). LoG
f). LoG umbralizado
g). Cruce por cero
34
Atractivo
Inconvenientes
Procesamiento local
Procesamiento global por medio de la
Transformada de Hough
37
Procesamiento Local
Criterios
La magnitud de la respuesta del
operador gradiete usado para producir
cada pixel
1.
|f(x,y) - f (x0,y0) | E
39
Criterios
la direccin del vector gradiente
2.
Criterios
Ejemplo
FIGURA 10.16
(a)
Imagen de
entrada.
(b)
Componente Gy
del gradiente.
(c)
Componente Gx
del gradiente.
(d)
Resultado de
unir los bordes
aislados
condiciones de unin:
42
Plano xy
yi =axi + b
(a)
Plano xy.
(b)
Espacio de
parmetros
todos los puntos (xi ,yi) contenidos en la misma lnea deben tener lneas en
el espacio de parmetros que se interceptan en (a,b)
43
Celdas acumuladores
b = - axi + yi
44
plano
FIGURA 10.19
Plano
(a)
Representacin
normal de una
lnea.
(b)
Subdivisin del
plano en
celdas
x cos + y sin =
= 90 medido con respectoal eje x
45
FIGURA 10.20
Ilustracin de la
transformada de
Hough
rangedeof
rango
= 2D
donde D es la distancia
entre las esquinas en la
imagen
46
Transformada de Hough
generalizada
47
Transformada de Hough
(Circulos)
ecuacin:
2.
3.
4.
Continuidad
50
FIGURA 10.21
(a)
Imagen
infrarroja
(b)
Imagen
gradiente
umbralizada
(c)
Transformada
de Hough.
(d)
Pixeles unidos
Criterio de unin:
1). los pixeles pertenecen a uno de las tres celdas
51
Umbralizacin
Imagen con un
fondo oscuro y
un objeto claro
Imagen con un
fondo oscuro y dos
objetos claros
FIGURA 10.26: Histogramas de niveles de gris que pueden ser particionados por (a) un simple
umbral, y (b) mltiples umbrales
52
Umbralizacin multinivel
T depende de
El rol de la Iluminacin
f(x,y) = i(x,y) r(x,y)
FIGURA 10.27
Dificil de segmentar
54
Compensacin de la Iluminacin
Compensacin de la Iluminacin
Imagen original
(b)
Histograma de la
imagen
(c)
Resultado de la
umbralizacin
global con T valor
medio entre los
niveles de gris
mximo y mnimo
1.
2.
3.
4.
5.
6.
Imagen
original
(b)
Resultado de
la
segmentacin
con el umbral
estimado por
iteracin
T0 = 0
3 iteraciones con resultado T = 125
59
Umbralizacin Adaptativa
Bsica
Ejemplo : Umbralizacin
Adaptativa
FIGURA 10.31
(a)
Imagen original
(b)
Resultado de la
umbralizacin
global
(c)
Imagen
subdividida en
subimgenes
individuales
(d)
Resultado de la
umbralizacin
adaptativa
61
Subdivisin posterior
a). Subimgenes segmentadas
incorrectamente y correctamente del
ejemplo previoe
b)-c). histogramas correspondientes
d). subdivisin posterior de la
subimgen segmentada
incorrectamente.
e). histograma de la subimagen
superior
f). resultado de la segmentacin
adaptativa de d).
62
p ( z ) = P1 p1 ( z ) + P2 p2 ( z )
P1 + P2 = 1
63
Probabilidad de clasificacin
erronea
T
E1 (T ) =
p
(
z
)
dz
2
E2 (T ) =
p
(
z
)
dz
1
E (T ) = P2 E1 (T ) + P1 E2 (T )
64
Error mnimo
Diferenciando E(T) con respecto a T (usando la regla
de Leibniz) e igualando el resultado a 0
dE (T ) d ( P2 E1 (T ) + P1 E2 (T ))
=
=0
dT
dT si P = P luego el umbral
1
P1 p1 (T ) = P2 p2 (T )
65
Densidad Gaussiana
Ejemplo: usar PDF = densidad Gaussiana : p1(z) y p2(z)
p( z ) = P1 p1 ( z ) + P2 p2 ( z )
P1
=
e
2 1
( z 1 ) 2
2 12
P2
+
e
2 2
( z 2 )2
2 22
donde
1 y 12 son la media y variancia de la densidad Gaussiaa de
un objeto
2 y 22 son la media y variancia de la densidad Gaussiana
del otro objeto
66
Ecuacin cuadrica
AT + BT + C = 0
2
donde
where
A =
2
1
2
2
B = 2( 1 2 )
2
2
2
1
C = + 2 2 ln( 2 P1 / 1 P2 )
2
1
T=
2
2
1 + 2
2
2
2
2
1
2
1
2
2
P2
+
ln
1 2 P1
si P1 = P2 o = 0
luego el umbral
ptimo es el
promedio de las
medias
67
Ejemplo
FIGURA 10.33
Un
angiocardiograma
antes y despus del
preprocesamiento
(Chow y Kaneko)
68
69
Ejemplo:
Contorno superpuesto
FIGURA 10.35
Angiocardiograma
mostrando los contornos
superpuestos. (Chow y
Kaneko)
70
s ( x , y ) = +
if f < T
if f T and f 0
2
if f T and f < 0
2
Ejemplo
FIGURA 10.36
Imagen de una firma
escrita a mano
codificada utilizando
la ecuacin (10.3-16)
72
73
Resultado de aplicar T
FIGURA 10.37
(a)
Imagen original
(b)
Imagen segmentada
por umbralizacin local
74
Segmentacin Basada en
Regiones
Formulacin
Basica
n
(a ) Ri = R
i =1
regin conectada
(b) Ri es
is una
a connected
region, i = 1, 2 , ..., n
todo
i y j,j, i j
(c) Ri R j = para
for all
i and
parai i == 1, 2 , ..., n
(d ) P(Ri ) = TRUE for
75
Agrupamiento de Regiones
76
Agrupamiento de Regiones
criterios:
FIGURA 10.40
(a)
1. el valor absoluto de
(b)
las diferencias de
niveles de gris entre (c)
cualquier pixel y la
(d)
semilla debe ser
menor que 65
2. el pixel debe estar 8conectado al menos a
un pixel en esa regin
(si se une a mas de
una regin, las
regiones etn unidas)
Imagen
mostrando una
soldadura
defectuosa.
Puntos
semilla.
Resultado del
agrupamiento
de regiones.
Contornos de
las soldaduras
defectuosas
segmentadas
77
78
Imagen
particionada
(b)
Arbol
cuaternario
correspondiente
Arbol Cuaternario
1.
Ejemplo
FIGURA 10.43
(a)
Imagen original
(b)
(b) Resultado
del
procedimiento
de divisin y
unin.
(c)
Resultado de
umbralizar (a)
FIGURA 10.49 Imgenes Diferencialees Acumuladas (ADI) de un objeto rectangular movindose en direccin
sudeste. (a) ADI Absoluto. (b) ADI positivo. (c ) ADI negativo
81
FIGURA 10.50 Construccin de una imagen de referencia. (a) y (b) Dos cuadros en una
secuencia. (c ) automvil movindose hacia el este sustrado de (a) y el fondo restaurado
desde el rea correspondiente en (b). (Jain y Jain)
82
FIGURA 10.39 (a) Imagen color original mostrando un cuadro monocromo. (b) Segmentacin de pixeles
con colores prximos a los tonos de la cara. (c ) Segmentacin de las componentes rojas
83