Está en la página 1de 8

Tcnicas de Segmentacin en Procesamiento Digital de

Imgenes

Dra. Nora La Serna Palomino1, Lic. Ulises Romn Concha1

1
Facultad de Ingeniera de Sistemas e Informtica
Universidad Nacional Mayor de San Marcos

{nlasernap, uromanc}@unmsm.edu.pe

RESUMEN
El trabajo que se presenta en este artculo se desarrolla en el marco del procesamiento digital de
imgenes. En particular, se hace una revisin bibliogrfica de la segmentacin de imgenes y sus
principales tcnicas. La segmentacin subdivide una imagen en sus partes constituyentes u obje-
tos, con el fin de separar las partes de inters del resto de la imagen de acuerdo al tipo del problema
que se va a resolver. Fundamentalmente, se han revisado los siguientes tpicos en segmentacin:
1) Deteccin de bordes, 2) Umbralizacin, y 3) Basado en regiones.
Palabras claves: Procesamiento digital de imgenes, segmentacin, bordes, umbralizacin, re-
giones

ABSTRACT
The work that is presented in this article has being developed in the area of the digital image
processing. Especially, there is done a bibliographical review of the Image Segmentation and its
principals technics. The segmentation subdivides an image in its constituent part or objects, in order
to separate the parts of interest of the rest of the image according to the type of the problem that
is going to be solved. Fundamentally, the following topics have been reviewed in segmentation: 1)
Detection of edges, 2) Thresholding, and 3) Based on regions.
Keywords: Digital image processing, segmentation, borders, thresholding, regions

9
Revista de Ingeniera de Sistemas e Informtica vol. 6, N. 2, Julio - Diciembre 2009

1. INTRODUCCIN o codifican los niveles de intensidad en colores para


facilitar la interpretacin de las imgenes en rayos X, y
El trabajo que se presenta en este artculo se desarro-
de otras imgenes biomdicas. Los gegrafos emplean
lla en el marco del procesamiento digital de imgenes.
las mismas o similares tcnicas para estudiar los patro-
En particular, se hace una revisin bibliogrfica de la
nes de polucin a partir de imgenes areas o de sa-
Segmentacin de imgenes y sus principales tcnicas.
tlites. Los procedimientos de mejora de las imgenes
La segmentacin subdivide una imagen en sus partes
y de restauracin se emplean tambin para procesar
constituyentes u objetos, con el fin de separar las par-
imgenes degradadas de objetos irrecuperables o bien
tes de inters del resto de la imagen, por lo tanto el
resultados experimentales demasiados costosos para
nivel al que se lleva a cabo esta subdivisin depende
ser duplicados.
del problema a resolver.
En arqueologa, los mtodos de procesamiento de im-
Algunas de las tareas fundamentales del procesamien-
genes han servido para restaurar con xito imgenes
to digital de imgenes son: 1) Mejoramiento de una
borrosas. En la fsica y en campos afines, las tcnicas
imagen digital con fines interpretativos, y 2) Toma de
por computador realzan de forma rutinaria imgenes de
decisiones de manera automtica de acuerdo al conte-
experimentos en reas como los plasmas de alta ener-
nido de la imagen digital.
ga y la microscopa del electrn. Igualmente en astro-
Una imagen puede ser definida como una funcin bi- noma, biologa, medicina nuclear, y en aplicaciones
dimensional de intensidad de luz f(x, y), donde x e y industriales, en este ltimo se utilizan adems diversos
representan las coordenadas espaciales y el valor de f tipos de materiales como el cuero, vidrio, metales, ma-
en un punto cualquiera (x, y) es proporcional al brillo (o dera, hilos, etc. [9].
nivel de gris) de la imagen en ese punto. Una imagen
En la Figura N. 1 se muestran las etapas necesarias
digital es una imagen f(x, y) que se ha discretizado tan-
que se deben seguir para realizar el procesamiento de
to en las coordenadas espaciales como en el brillo; y
imgenes. El proceso se inicia con la etapa de adquisi-
puede considerarse como una matriz cuyos ndices de
cin de imgenes, en donde se requiere de un sensor
fila y de columna identifican un punto de la imagen y el
de imgenes, cuyas seales producidas deben ser di-
valor del correspondiente elemento de la matriz indica
gitalizadas. Por ejemplo se utilizan, la luz para la foto-
el nivel de gris en ese punto. Los elementos de una dis-
grafa; rayos X para la radiografa, ultrasonido para la
tribucin digital de este tipo se denominan elementos
ecografa, etc. La naturaleza del sensor depender del
de la imagen o ms comnmente pixels, abreviatura de
tipo de aplicacin que se quiera estudiar. La siguiente
su denominacin inglesa picture elements [4].
etapa es el preprocesamiento, que se realiza con el fin
Diversas son las aplicaciones que se vienen desarro- de detectar y eliminar las fallas que puedan existir en la
llando utilizando las tcnicas del procesamiento digital imagen para mejorarla. Las tcnicas ms utilizadas en
de imgenes. Una de las pioneras son las aplicaciones esta etapa son: a) mejora del contraste, b) eliminar el
a los programas espaciales. En medicina y biologa, ruido, y c) restauracin. En la siguiente etapa que es la
los procedimientos informatizados realzan el contraste segmentacin, la imagen se divide en sus partes cons-

Segmentacin Descripcin

Preprocesado
Resultado
Reconocimiento
Base de conocimiento
e interpretacin
Adquisicin
de imgenes

Figura N. 1. Etapas del procesamiento digital de imgenes.

10
UNMSM - Universidad Nacional Mayor de San Marcos

tituyentes u objetos con el fin de separar las partes ne- cas, los componentes de color en imgenes en color,
cesarias de procesamiento del resto de la imagen que textura, forma, etc. [4].
no interesan de acuerdo a la aplicacin que se quiera
La segmentacin automtica es una de las tareas ms
dar. Las tcnicas bsicas en esta etapa son aquellas
difciles del procesamiento de imgenes, esta etapa de-
orientadas a: a) el pxel, b) a los bordes, y c) a las regio-
termina el eventual xito o fracaso del anlisis, de he-
nes. Sin embargo, las tcnicas no son excluyentes sino
cho rara vez llega a alcanzar una solucin satisfactoria,
que se combinan de acuerdo del tipo de aplicacin.
se debe buscar un mtodo alternativo de comprobacin
La siguiente etapa es la descripcin o extraccin de para la verificacin de los resultados. Un considerable
caractersticas, consiste en extraer caractersticas con nmero de trabajos de investigacin se centran en este
alguna informacin cuantitativa de inters o que sean problema.
fundamentales para diferenciar una clase de objetos de
Los algoritmos de segmentacin de imgenes mono-
otra. Luego la etapa de reconocimiento es el proceso
cromticas generalmente se basan en una de las dos
que asigna una etiqueta a un objeto basndose en la
propiedades bsicas de los valores del nivel de gris:
informacin proporcionada por sus descriptores. La in-
discontinuidad y similaridad. En la discontinuidad el
terpretacin implica asignar significado a un conjunto
mtodo consiste en dividir una imagen basndose en
de objetos reconocidos. Finalmente, la etapa Base de
los cambios bruscos del nivel de gris. Los temas ms
Conocimiento, que va almacenar el dominio del proble-
importantes en la discontinuidad son: a) deteccin de
ma para guiar la operacin de cada mdulo de proce-
puntos aislados, y b) deteccin de lneas y c) detec-
samiento, tambin controla la interaccin entre dichos
cin de bordes de una imagen. En la similaridad, se
mdulos.
presenta la regularidad en los valores del nivel de gris,
La estructura del presente artculo es la siguiente: En la los principales mtodos estn basados en a) umbrali-
seccin 2 se bosqueja el marco terico que corresponde zacin, b) crecimiento de regin, y c) divisin y fusin
a segmentacin de imgenes; en la seccin 3 se dedica de regiones[4].
a las tcnicas de deteccin de bordes, y a cada uno
La segmentacin de una imagen basado en la discon-
de las subsecciones que comprende: Procesamiento
tinuidad o en la similaridad de los valores del nivel de
local y Procesamiento global usando la Transformada
gris de sus pixels es aplicable tanto a las imgenes es-
de Hough; en la seccin 4 se presenta el proceso de
tticas como a las dinmicas (variantes en el tiempo).
Umbralizacin; en la seccin 5 se bosqueja la tcnica
En la Figura N. 2 se muestra un ejemplo de segmen-
de segmentacin orientada a regiones. Mientras que la
tacin de imagen.
seccin 6 corresponde a las conclusiones del trabajo
realizado y se proponen tareas futuras para su imple-
mentacin; y finalmente en la seccin 7 se presentan
las referencias bibliogrficas del trabajo desarrollado.

2. SEGMENTACIN DE IMGENES
La segmentacin subdivide una imagen en sus partes
constituyentes u objetos, con el fin de separar las par-
tes de inters del resto de la imagen, por lo tanto el Figura N. 2. Segmentacin de imagen.
nivel al que se lleva a cabo esta subdivisin depende De otra manera, a lo largo de las ltimas dcadas se
del problema a resolver. En el proceso de detectar las han desarrollado diversas tcnicas de segmentacin,
partes en una imagen se identifican bordes de la ima- las que se pueden agrupar en tres: tcnicas orientadas
gen, o se segmenta esta en regiones, lneas o curvas, al pixel, a los bordes y a las regiones. Dentro de ellas se
etc. Otra definicin considera a la segmentacin como pueden destacar los siguientes mtodos: lnea divisoria
la clasificacin de los puntos de la imagen (pixels), in- de aguas (watershed) que a partir de los mnimos en la
dicando las clases a la que pertenecen los diferentes imagen se aumenta gradualmente el nivel de gris, como
pixeles. Los atributos bsicos de segmentacin de una si fuera agua que se vierte en un valle, hasta encontrar
imagen son: la luminancia en imgenes monocromti- sus valles vecinos; deteccin de bordes de las regiones

11
Revista de Ingeniera de Sistemas e Informtica vol. 6, N. 2, Julio - Diciembre 2009

mediante la bsqueda de mximos en el gradiente de de primer y segundo orden, en el caso de derivadas de


la imagen o cruces por cero en la segunda derivada de primer orden se utiliza el operador gradiente, mientras
la imagen; filtros en los que se optimiza una funcin de que en derivadas de segundo orden se utiliza el opera-
costo que considera la exactitud en la posicin del bor- dor laplaciano.
de y la cantidad de bordes detectados; y deteccin de
regiones mediante agrupacin de pixeles vecinos con 3.1 Derivada de primer orden, el operador gradien-
caractersticas similares (Regin Growing) [8]. te

Otra corriente intenta, por medio de filtros de mediana Una de las tcnicas ms comunes para detectar un
adaptados al objeto de inspeccin, la estimacin de borde de dos dimensiones (2D), es el uso de deriva-
una imagen libre de fallas a partir de la imagen tomada das de primer orden mediante el operador gradiente.
del objeto mismo. Mediante simple comparacin entre El gradiente de una imagen es una funcin f(x, y) que
la imagen real y la imagen libre de fallas estimada se se define como el vector bidimensional presentado en
segmentan las fallas. Si bien es cierto que con este la ecuacin 3.1.
ltimo mtodo se obtienen excelentes resultados, es Ecuacin 3. 1
necesario invertir mucho tiempo en el diseo del filtro
para conseguir una adaptacin al objeto. Tpicamente, G dF / dx
G(F(x, y) = x =
para el anlisis de una imagen es necesario dividirla Gy dF / dy

a priori en cientos de subimgenes. Cada subimagen
posee un filtro morfolgico distinto, configurado a partir El operador gradiente G alcanza su mximo valor en la
de las caractersticas de la porcin del objeto presente direccin en que la variacin es mxima, por lo tanto
en ella [8]. puede definirse como la ecuacin 3.2.
Ecuacin 3.2
3. DETECCIN DE BORDES [4,8] G(F(x, y) = ([Gx(x, y)]2 + [Gy(x, y)]2)1/2
Como se mencion en la seccin 2 de este artculo, la Es prctica comn aproximar el gradiente mediante los
deteccin de la discontinuidad consiste en dividir una valores absolutos, con el fin de conseguir un procesa-
imagen basndose en los cambios bruscos del nivel de miento ms rpido a costa de un error despreciable, y
gris. Es particularmente importante porque proporciona la expresin se aproxima a la ecuacin 3.3.
informacin de los objetos de la imagen a otras tareas Ecuacin 3.3
del procesamiento de imgenes como reconocimien- G(F(x, y) = [Gx(x, y)] + [Gy(x, y)]
to e interpretacin. Los temas ms importantes en la
discontinuidad son: a) deteccin de puntos aislados, y A partir de las ecuaciones 3.1 y 3.2, se deduce que
b) deteccin de lneas y c) deteccin de bordes o con- el clculo del gradiente de una imagen se basa en la
tornos de una imagen. Aunque la deteccin de punto obtencin de las derivadas parciales dF/dx y dF/dy en
y lnea son elementos de cualquier presentacin de la cada posicin de pixel. Las derivadas de primer orden
segmentacin de imgenes, la deteccin de bordes es permiten encontrar lugares en una imagen en donde
la tcnica ms comn para detectar discontinuidades la intensidad que cambia rpidamente es mayor en
significativas en el nivel de gris, debido a que son ms magnitud que un umbral especificado. Existen varios
frecuentes en las aplicaciones prcticas. estimadores derivativos como los de Sobel y Prewit.

Los mtodos de extraccin de bordes de una imagen, Las instrucciones i) y ii) de MatLab, que se muestran a
se basan en la diferencia que experimenta una carac- continuacin, permiten obtener la figura 3 b) deteccin
terstica en dos regiones adyacentes y que indican la de bordes de la imagen a), en este caso se utiliz el
existencia de un borde. A la vez los bordes pueden operador de Sobel.
clasificarse por su anchura, ngulo de su pendiente i) I = imread (C:\Documents and Settings \ exclam.
de variacin, y las coordenadas de su punto medio. En gif);
general, se identifican diferentes modelos de bordes o ii) [g, t] = edge(I); en donde el umbral t = 0.2187
contornos: lnea, tipo escaln, tipo rampa y tipo tejado.
Las discontinuidades son detectadas usando derivadas

12
UNMSM - Universidad Nacional Mayor de San Marcos

3.2 Deteccin de bordes utilizando derivadas de La primera propiedad establece que un pxel de coor-
segundo orden, el operador laplaciano denadas (x, y) es similar a otro (x, y) dentro de su entor-
no de vecindad si la ecuacin 3.5 se cumple.
El laplaciano de una funcin bidimensional f(x, y) es
una derivada de segundo orden definida por la ecua- Ecuacin 3.5
cin 3.4. G[F(x, y)] - G[F(x', y')] T
Ecuacin 3.4 Donde T es un umbral no negativo.
La segunda propiedad, es decir la direccin del gra-
2 2
2 = + diente (G), se puede establecer utilizando el ngulo
x2 y2
del vector () gradiente que viene dado por la ecuacin
3.6
3.3 Enlazado de bordes y deteccin de lmites
Ecuacin 3.6
Si bien hay varias tcnicas que detectan discontinuida-
des de intensidad, y que deberan dar como resultado Gx
pixels que estuvieran en la frontera entre un objeto y = tg-1
Gy
su fondo, en la prctica, este conjunto de pixels rara
vez caracterizan una frontera completamente debido Donde representa el ngulo respecto al eje de x.
al ruido, interrupciones en la frontera debido a la ilu- As, un pxel del borde situado en (x, y) tiene un ngulo
minacin no uniforme, y otros efectos que introducen similar a (x, y) si se cumple la ecuacin 3.7.
discontinuidades de intensidad esprias. Por ello, los
algoritmos de deteccin de bordes estn seguidos por Ecuacin 3.7
una unin y otros procedimientos de deteccin de fron- | - '| A
tera diseados para reunir a los pixels del borde en un Donde A es un umbral angular y ngulo del vector
conjunto con significado de fronteras de objetos [4]. gradiente.
A continuacin se presentan algunas tcnicas que se Un punto de la vecindad predefinida de (x, y) est enla-
ajustan a ese objetivo. zado con el pxel de (x, y) si se satisfacen los criterios
3.3.1 Procesamiento local de magnitud y direccin. Se repite para cada posicin
de la imagen. Un registro debe conservar los puntos
Consiste en analizar un entorno de vecindad (por ejem- enlazados a medida que el centro de la vecindad se
plo, 3x3, 5x5) sobre todos los puntos (x, y) de una ima- desplaza de pxel a pxel.
gen en los que haya sido llevado a cabo un proceso de
deteccin de borde, de forma que todos los puntos que 3.3.2 Procesamiento global usando la Transforma-
presenten caractersticas similares se unen formando da de Hough [4, 16]
una frontera comn. Se utilizan dos propiedades para Originalmente fue diseado para detectar lneas y cur-
determinar la similitud entre pixeles del borde: a) Mag- vas, utilizando ecuaciones analticas conocidas de bor-
nitud del vector gradiente (valor del umbral para deter- des de objetos, sin embargo con este mtodo original,
minar el borde), y b) Direccin del gradiente. no siempre es posible encontrar ecuaciones analticas

a) b)

Figura N. 3. a) Imagen; b) Deteccin de bordes de la imagen en a). Figura N. 3.1. Deteccin de bordes en escala de grises.

13
Revista de Ingeniera de Sistemas e Informtica vol. 6, N. 2, Julio - Diciembre 2009

que describan bordes. La transformada de Hough ge- se requiere de una especificacin completa de la for-
neralizada hace posible esto, es decir detectar bordes ma exacta del objeto de la imagen. Asimismo, permite
de objetos aun cuando las expresiones analticas de deteccin de objetos con formas predeterminadas, in-
bordes no es conocida. clusive es posible la deteccin de objetos cuya forma
exacta no es conocida pero que teniendo o asumiendo
Intuitivamente, este mtodo de deteccin de bordes
un conocimiento previo se puede formar un modelo
consiste en calcular el gradiente de una imagen, luego
aproximado del objeto.
crear un campo de acumulacin en funcin de los pa-
rmetros de la funcin que se busca, y posteriormente
los mximos en el espacio de acumulacin indican la 4. UMBRALIZACIN
existencia de los objetos buscados. Previamente, antes
La umbralizacin es uno de los mtodos ms impor-
de aplicar la transformada, la imagen de entrada ser
tantes de la segmentacin de imgenes. Se define el
la imagen binaria de los pixeles que forman parte del
umbral como una funcin que convierte una imagen
contorno de la imagen.
con diferentes tonalidades en una imagen en blanco y
La idea bsica del mtodo puede ser presentado desde negro. Si la imagen original es f(x, y), la imagen um-
un problema simple como la deteccin de lneas rectas, bralizada g(x, y) y se fija un umbral U (0 < U < 255), la
en este caso el objetivo de la transformada de Hough operacin de umbralizado se define como la ecuacin
es encontrar puntos alineados que puedan existir en la 4.1.
imagen, es decir, puntos en la imagen que satisfagan Ecuacin 4.1
la ecuacin de la recta para distintos valores de y .
Para ello, de manera general, se siguen los siguientes g(x, y) = 255 si f(x, y) > Umbral
pasos: g(x, y) = 0 si f(x, y) Umbral
a) La ecuacin de la lnea puede ser definida como Se selecciona un umbral que permita agrupar los pixels
(Figura N. 4-A) de una imagen pertenecientes a los diversos objetos
b) La transformada de Hough de esa lnea es un punto de la misma imagen diferencindolos del fondo. De
en el plano (r, ) (Figura N. 4-B) esta manera la segmentacin basada en el histograma
se basa en la eleccin de uno o varios umbrales que
c) Para cada punto de la imagen se calcula su repre- permiten agrupar los puntos de la imagen en regiones
sentacin en el plano. de caractersticas similares en funcin de sus niveles
d) Para reducir la bsqueda, se cuantifica el espacio de gris. El umbral de una imagen se define como la
de parmetros r y , dividiendo este en un espacio ecuacin 4.2 [4].
de grupos de posibles lneas.
Ecuacin 4.2
e) Los mximos locales en (r, ) son las lneas que se
T = T [x, y, p(x, y), f(x, y)]
desean encontrar.
Donde f(x, y) es la intensidad o nivel de gris del punto
La transformada de Hough generalizada, cuyo algorit-
(x, y) y p(x, y) representa alguna propiedad local medi-
mo puede ser revisado en [16], permite detectar bordes
da en un entorno de vecindad de este punto. La imagen
de imgenes que no sean lneas, crculos o elipses;
que se obtiene al llevar a cabo un procesamiento de
sin embargo, para alcanzar una segmentacin precisa,
umbral se define como la ecuacin 4.3.
y r Ecuacin 4.3
g(x, y) = 1 si f(x, y) > T o
si f(x, y) T
De este modo los pixeles marcados con 1 correspon-
(r, ,) den a objetos, mientras que los pixeles marcados con
r

0 corresponden al fondo. En la ecuacin 4.3 se ha su-
x
a) b) puesto que la intensidad de los objetos es mayor que la
Figura N. 4. a) lnea recta y los parmetros r y , y b) Punto en el intensidad del fondo. Este proceso es conocido como
plano (r , ). binarizacin.

14
UNMSM - Universidad Nacional Mayor de San Marcos

Por ejemplo, en la figura 7, se puede observar que una


No pixels imagen ha sido subdividida en dos regiones, en cada
fondo
regin se identifican un conjunto de objetos o subim-
crculo tringulo genes.
Nivel de gris
Varias tcnicas de esta clasificacin han sido desa-
0 125 255 rrollados, en este trabajo se presentan aquellas ms
Figura N. 5. Imagen y su histograma utilizadas: a) Crecimiento de regiones, y b) divisin y
fusin.

5.1 Crecimiento de regiones [4, 15]


A) f(x, y) > = 125 g(x, y) = 255
Es una tcnica muy utilizada, que consiste en el cre-
f(x, y) < 125 g(x, y) = f(x, y)
cimiento de regiones agrupando pixeles adyacentes
que presentan caractersticas o propiedades similares.
Se parte de un conjunto de puntos semilla y se hace
Figura N. 6. Imagen segmentada por la ecuacin A. crecer las regiones, aadiendo a los puntos semilla
los puntos vecinos que tengan propiedades similares,
Hay varios tipos de umbrales, los ms utilizados: a) como intensidad, textura, color, etc. Por ejemplo, si la
Umbral global, cuando T depende solamente de f(x, y), propiedad es intensidad, un criterio utilizado para incluir
b) Umbral local, si T depende de f(x, y) y de p(x, y), un pxel en una regin, puede ser que la diferencia ab-
y c) Umbral dinmico, si T depende de las coordenadas soluta entre la intensidad del pixel y la intensidad de
la semilla sea menor que un umbral, por ejemplo T =
x e y, adems de f(x, y) y de p(x, y). En la figura N.
8. Los puntos semillas pueden ser escogidos manual-
5 se observa una imagen, en la parte izquierda, que
mente o de manera automtica. En la figura N. 8, se
contiene tres elementos: a) un crculo de color negro
observa de manera grfica el proceso de esta tcnica.
con nivel de gris = 0, b) un tringulo con nivel de gris =
125, y c) el fondo con nivel de gris = 255; y en la parte 5.2 Divisin y fusin de regiones [8, 10]
derecha se muestra su histograma. En la figura 6, la
imagen es segmentada por la ecuacin A que presenta Consiste en dividir inicialmente una imagen en un
un umbral = 125. conjunto de regiones arbitrarias disjuntas, por ejemplo
64 divisiones, despus, dependiendo del criterio de
segmentacin, regiones adyacentes son fusionadas
5. SEGMENTACIN ORIENTADA A REGIONES [4,
15] Regin 1

Se utilizan propiedades espaciales de una imagen A1 A3


para segmentarla por regiones, es decir la imagen es
dividida en regiones conexas, en donde cada regin B1
A2
tienen propiedades distintas que las diferencian unas B3
de otras. En suma, se trata de extraer los objetos de B2
una imagen, las que pueden ser procesadas de manera Regin 2
independiente. Figura N. 7. Segmentacin orientada a regiones [8].

Figura N. 8. Segmentacin orientada a regiones

15
Revista de Ingeniera de Sistemas e Informtica vol. 6, N. 2, Julio - Diciembre 2009

[2] Castleman KR 1996. Digital Image Process-


ing, Prentice-Hall, Englewood Cliffs, New Jersey
07632.
[3] Faugeras O. 1993. Three-Dimensional Computer
Vision: A Geometric Viewpoint, The MIT Press,
Cambridge MA, London.
[4] Gonzalez RC, Woods RE 1996. Tratamiento dig-
ital de imgenes, Addison-Wesley Publishing Co,
Figura N. 9. Divisin y fusin de regiones [15]. Reading, Washington.
si tienen propiedades similares como nivel de gris si- [5] Gonzalez RC, Woods RE 2004. Steven Eddins
milares, o son divididos si no comparten las mismas Digital Image using MatLab Processing, Perason-
propiedades, como variaciones considerables de nive- Prentice Hall.
les de gris. Finalmente, la imagen queda segmentada [6] Haralick RM, Shapiro FG 1992. Computer and ro-
en un conjunto de regiones homogneas. La figura N. bot vision. Addison-Wesley Publishing Co, Reading,
9, muestra una imagen segmentada en 1405 regiones Massachusetts.
utilizando este mtodo. [7] Jhne B. 1997. Digital Image Processing, Springer,
4th Edition.
6. CONCLUSIONES [8] Mazo, Q. M. & Boquete, V.L. & Barea N.R. 1996.
Visin Artificial. Publicaciones UAH. ISBN 84 8138
El trabajo desarrollado ha dado lugar a una revisin
101 2, DL. M 1321.
bibliogrfica de las principales tcnicas usadas de seg-
mentacin de imgenes. En deteccin de bordes se han [9] Domingo M. 2002. Inspeccin Visual Automtica.
presentado las tcnicas: a) Derivada de primer orden, Primer Congreso Internacional de Ingeniera Meca-
el operador gradiente, b) Deteccin de bordes utilizan- trnica. Lima.
do derivadas de segundo orden, el operador laplaciano, [10] Domingo. M. 2002. Automated Flaw Detection in
y c) Tcnicas de enlazado de bordes y deteccin de Aluminum Castings Based on the Tracking of Po-
lmites. Se ha desarrollado el mtodo de umbralizacin; tencial Defects in a Radioscopic Image Sequence.
y en segmentacin orientada a regiones se han bos- IEEE Transactions on Robotics and Automation,
quejado las tcnicas: a) Crecimiento de regiones, y b) Vol. XX August.
Divisin y fusin. [11] Pratt WK. 1991. Digital Image Processing, John Wi-
Si bien se han presentado las definiciones fundamenta- ley & Sons.
les de las tcnicas mencionadas en el prrafo anterior, [12] Pistori H.; Pereira, M. C. 2006. Utilizacao de Fer-
por la longitud del trabajo no se han implementado las ramentas Livres em um Curso de Visao Compu-
tcnicas utilizando un software como el MatLab u otro tacional. II Workshop sobre Computao Grfica e
similar, dejando esta tarea para un prximo trabajo. Educao - SIBGRAPI2006, Manaus, Octubre 8.
[13] Pistori H. 2006. Computer Vision and Digital Inclu-
Agradecimientos
sion of Persons with Special Needs: Overview and
El presente trabajo se desarrolla en el marco del pro- State of Art. CompIMAGE - Computational Modelling
yecto de investigacin 2007 Procesamiento digital de of Objects Represented in Images: Fundamentals,
imgenes aplicado al rea de Biologa, financiado par- Methods and Applications, Coimbra, Outubro 20.
cialmente por el Vicerrectorado de Investigacin de la [14] Russ J. 1995. The image processing handbook.
Universidad Nacional Mayor de San Marcos. Boca Ratn, CRS Press.
[15] Reid M, Millar R. y Black N. 1997. Second-Gener-
7. REFERENCIAS BIBLIOGRFICAS ation Image Coding: An Overview. ACM computing
[1] Artculos seleccionados de las revistas IEEE Trans. surveys, Vol. 29, N. 1.
Image Processing, IEEE Trans. Pattern Analysis [16] Sonka M, Hlavac V, y Boyle R. 2008. Image Pro-
and Machine Intelligence 1992-2001. cessing, Analysis, and Machine Vision. Thomson.

16

También podría gustarte