Está en la página 1de 22

Detectores de bordes basados en Derivada Segunda

Detectores de bordes basados en Derivada Segunda

IPDI 2C 2009

5 de noviembre

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
Laplaciano

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
Laplaciano

El laplaciano de una funci


on f (x, y ) es una derivada de segundo orden
definida por
2f 2f
2 f = +
x 2 y 2

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
Laplaciano

Se puede aproximar como


f
x fx (n1 , n2 ) = f (n1 + 1, n2 ) f (n1 , n2 )

2f
x 2 fxx (n1 , n2 ) = fx (n1 , n2 ) fx (n1 1, n2 ) =

(f (n1 + 1, n2 ) f (n1 , n2 )) (f (n1 , n2 ) f (n1 1, n2 )) =

f (n1 + 1, n2 ) 2f (n1 , n2 ) + f (n1 1, n2 )

2f
y 2 fyy (n1 , n2 ) = fy (n1 , n2 ) fy (n1 , n2 1) =

(f (n1 , n2 + 1) f (n1 , n2 )) (f (n1 , n2 ) f (n1 , n2 1)) =

f (n1 , n2 + 1) 2f (n1 , n2 ) + f (n1 , n2 1)

2f 2f
2 f = x 2 + y 2 f (n1 + 1, n2 ) 4f (n1 , n2 ) + f (n1 1, n2 )+

f (n1 , n2 + 1) + f (n1 , n2 1)
IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda
Detectores de bordes basados en Derivada Segunda
Laplaciano

2 I 4I (i, j) + I (i 1, j) + I (i, j 1) + I (i, j + 1) + I (i + 1, j)


0 1 0
1 4 1 (1)
0 1 0
Su uso mas frecuente es encontrar la ubicaci
on de los bordes, utilizando
sus propiedades de paso por 0, zero crossing.

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
M
etodos basados en el Laplaciano

Los resultados del laplaciano generan muchos bordes falsos, en


general en regiones donde la varianza local es peque
na. Un caso
especial es considerar el background como constante, en cuyo caso
la derivada segunda sera cero.
En caso de zero crossing es donde apareceran cambios de signo,
indice que hay un borde.

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
M
etodos basados en el Laplaciano

Los resultados del laplaciano generan muchos bordes falsos, en


general en regiones donde la varianza local es peque
na. Un caso
especial es considerar el background como constante, en cuyo caso
la derivada segunda sera cero.
En caso de zero crossing es donde apareceran cambios de signo,
indice que hay un borde.
metodo para remover falsos contornos consiste chequear que la
varianza local sea suficientemente grande en esos puntos seg
un se
muestra en el esquema 1.

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
M
etodos basados en el Laplaciano

Los resultados del laplaciano generan muchos bordes falsos, en


general en regiones donde la varianza local es peque
na. Un caso
especial es considerar el background como constante, en cuyo caso
la derivada segunda sera cero.
En caso de zero crossing es donde apareceran cambios de signo,
indice que hay un borde.
metodo para remover falsos contornos consiste chequear que la
varianza local sea suficientemente grande en esos puntos seg
un se
muestra en el esquema 1.

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
M
etodos basados en el Laplaciano

Figure: Esquema 1: Sistema basado en el laplaciano que reduce la cantidad de


bordes falsos

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
M
etodos basados en el Laplaciano

La varianza local f2 (n1 , n2 ) puede estimarse como:


nX
1 +M nX
2 +M
1
f2 (n1 , n2 ) = [f (n1 , n2 ) mf (k1 , k2 )]2 (2)
(2M + 1)2
k1 =n1 M k2 =n2 M

donde
nX
1 +M nX
2 +M
1
mf (k1 , k2 ) = f (n1 , n2 ) (3)
(2M + 1)2
k1 =n1 M k2 =n2 M

que es el valor medio.

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
M
etodos basados en el Laplaciano

1
Como f2 (n1 , n2 ) se compara con un umbral, el factor de escala (2M+1) 2

puede suprimirse.
La varianza local f2 se eval ua para aquellos (n1 , n2 ) que son zero crossing
para 2 f (n1 , n2 ) En el esquema 1 se observa que la varianza esta
estrechamente relacionada con la magnitud del gradiente, comparar
f2 (n1 , n2 ) con un umbral es similar a comparar el gradiente con un
umbral.
2 f (n1 , n2 ) = 0 es decir que haya zero crossing, se interpreta que hay un
borde.
El sistema implementa en primer lugar evaluar f2 (n1 , n2 ) y luego
detectando los puntos zero crossing 2f (n1 , n2 ), s olo para aquellos puntos
donde f2 (n1 , n2 ) esta por encima del umbral elegido.

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
Detecci
on de bordes seg
un el m
etodo de Marr y Hildreth

hay significativos cambios de intensidad en escalas


diferentes(tama no deobjetos).
La detecci
on
optima de estos cambios de intensidad requiere el uso
de operadores para una serie de escalas diferentes.

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
Detecci
on de bordes seg
un el m
etodo de Marr y Hildreth

hay significativos cambios de intensidad en escalas


diferentes(tama no deobjetos).
La detecci
on
optima de estos cambios de intensidad requiere el uso
de operadores para una serie de escalas diferentes.
M y H argumentan que el mapeo de bordes de diferentes escalas
contiene informaci on importante acerca de importantes parametros
fsicos. Basandose en nuestra percepci
on visual del mundo
detectamos elementos como contornos, manchas y sombras las que
se localizan segun nuestra propia escala.

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
Detecci
on de bordes seg
un el m
etodo de Marr y Hildreth

hay significativos cambios de intensidad en escalas


diferentes(tama no deobjetos).
La detecci
on
optima de estos cambios de intensidad requiere el uso
de operadores para una serie de escalas diferentes.
M y H argumentan que el mapeo de bordes de diferentes escalas
contiene informaci on importante acerca de importantes parametros
fsicos. Basandose en nuestra percepci
on visual del mundo
detectamos elementos como contornos, manchas y sombras las que
se localizan segun nuestra propia escala.
Para limitar una imagen en diferentes frecuencias de corte la
respuesta al impulso h(x, y ) y la respuesta frecuencia H(x , y ) del
filtro pasabajo, M y H proponen el gaussiano dado por:
2
+y 2 )/(2 2 )
h(x, y ) = e (x (4)
2
(2x +2y )/2
H(x , y ) = 2 2 2 e (5)

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
Detecci
on de bordes seg
un el m
etodo de Marr y Hildreth

hay significativos cambios de intensidad en escalas


diferentes(tama no deobjetos).
La detecci
on
optima de estos cambios de intensidad requiere el uso
de operadores para una serie de escalas diferentes.
M y H argumentan que el mapeo de bordes de diferentes escalas
contiene informaci on importante acerca de importantes parametros
fsicos. Basandose en nuestra percepci
on visual del mundo
detectamos elementos como contornos, manchas y sombras las que
se localizan segun nuestra propia escala.
Para limitar una imagen en diferentes frecuencias de corte la
respuesta al impulso h(x, y ) y la respuesta frecuencia H(x , y ) del
filtro pasabajo, M y H proponen el gaussiano dado por:
2
+y 2 )/(2 2 )
h(x, y ) = e (x (4)
2
(2x +2y )/2
H(x , y ) = 2 2 2 e (5)

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
Detecci
on de bordes seg
un el m
etodo de Marr y Hildreth

2 h(x, y ) 2 h(x, y )
2 (f (x, y )h(x, y )) = f (x, y )[2 h(x, y )] = f (x, y )[ + ]
x 2 y 2
(6)
2
+y 2 )/(2 2 )
e (x
2 h(x, y ) = (x 2 + y 2 2 2 ) (7)
( 2 )2

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
Detecci
on de bordes seg
un el m
etodo de Marr y Hildreth

2 h(x, y ) 2 h(x, y )
2 (f (x, y )h(x, y )) = f (x, y )[2 h(x, y )] = f (x, y )[ + ]
x 2 y 2
(6)
2
+y 2 )/(2 2 )
e (x
2 h(x, y ) = (x 2 + y 2 2 2 ) (7)
( 2 )2
2
(2x +2y )/2
F [2 h(x, y )] = 2 2 2 e (2x + 2y ) (8)

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
Detecci
on de bordes seg
un el m
etodo de Marr y Hildreth

2 h(x, y ) 2 h(x, y )
2 (f (x, y )h(x, y )) = f (x, y )[2 h(x, y )] = f (x, y )[ + ]
x 2 y 2
(6)
2
+y 2 )/(2 2 )
e (x
2 h(x, y ) = (x 2 + y 2 2 2 ) (7)
( 2 )2
2
(2x +2y )/2
F [2 h(x, y )] = 2 2 2 e (2x + 2y ) (8)

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
Detecci
on de bordes seg
un el m
etodo de Marr y Hildreth

(a) (b)

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
Detecci
on de bordes seg
un el m
etodo de Marr y Hildreth

(c) (d)

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
Detecci
on de bordes seg
un el m
etodo de Marr y Hildreth

(e) (f)

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda


Detectores de bordes basados en Derivada Segunda
Detecci
on de bordes seg
un el m
etodo de Marr y Hildreth

Ejercitaci
on: Implementar
1 Metodo del Laplaciano
2 Metodo del Laplaciano agregandole evaluaci
on local de varianza
3 Metodo del Laplaciano del Gaussiano(Marr- Hildreth) para distintos
valores de .
Biliografa: Two Dimensional Signal and Image Processing, Jae S.Lim,
Prentice Hall Signal Processing series.

IPDI 2C 2009 Detectores de bordes basados en Derivada Segunda