Documentos de Académico
Documentos de Profesional
Documentos de Cultura
conceptos bsicos:
Similitud: los pxeles agrupados del objeto deben ser similares respecto
algn criterio (nivel de gris, color, textura,....).
G1 G2 TM
1 2 TA (5. 1)
Un campo muy atractivo en esta materia son los contornos activos. Se trata de
emplear una curva cerrada que vaya adaptndose dinmicamente hasta alcanzar la
frontera del objeto.
yi axi b (5. 2)
El modelo de todas las infinitas rectas que pasan por (xi,yi) queda definida por
los infinitos valores de a y b. Haciendo la transformacin al espacio paramtrico, a y b
quedarn definidos como:
b yi axi (5. 3)
y b
(xi,yi) (a1,b1)
(a2,b2)
(xl,yl)
x a
Figura 5. 5 Ejemplo de conversin hacia el espacio paramtrico
Espacio de lneas
160
-150
140
-100
rho (pixeles desde el centro)
120
-50
100
0
80
50
60
100 40
150 20
Espacio de lneas
rho (pixeles desde el centro)
150
-100
100
0
50
100
0 50 100 150
theta (grados)
Resolucin Matlab
imgEnt=imread('cables_gris.bmp');imshow(imgEnt);pause;
imgBorde=edge(imgEnt,'canny');imshow(imgBorde);
theta = 0:180;
[acum,rho] = radon(imgBorde,theta);
imagesc(theta,rho,acum), colorbar;
xlabel ('theta (grados)'), ylabel ('rho (pixeles desde el centro)')
title('Espacio de lneas');
-150 120
rho (pixeles desde el centro)
-100
100
-50
80
0
60
50
40
100
150 20
0 50 100 150
theta (grados)
Para este caso, el espacio paramtrico ser 3D, correspondiente a la posicin del
centro del crculo, (x0, y0), y al radio, r:
xi x0 2 yi y0 2 r 2 (5. 5)
Resolucin Matlab
imgEnt = imread('coins.png');radioMoneda = 30;
[y0,x0,Accumulator]=houghcircle(edge(imgEnt,'canny'),radioMoneda,4)
UmbralVotaciones = 45; [x,y]=find(Accumulator>UmbralVotaciones);
imshow(imgEnt);hold on;
for i=1:size(x,1)
dibujarCirculos(radioMoneda,y(i),x(i));
end;hold off
Las funciones houghcircle y dibujarCirculos no estn en el toolbox de Image Processing, stas han sido previamente
implementadas.
xref xi r cos
y ref yi r sen (5. 6)
5.2 Umbralizacin
1 f x, y T
g x, y
0 f x, y T (5. 7)
f(x,y) es la funcin que retorna el nivel de gris del pxel (x,y), g(x,y) ser la
imagen binarizada y T es el umbral. En el caso de que los objetos sean oscuros respecto
del fondo, la asignacin sera:
1 f x, y T
g x, y
0 f x, y T (5. 8)
El umbral puede depender de f(x,y), de alguna propiedad local del pxel, p(x,y) y
hasta de su propia posicin:
T T f x, y , px, y , x, y (5. 9)
4
x 10 Umbral de 43 segn Otsu
1.8
1.6
1.4
Escenario con clulas Imagen binarizada
1.2
0.8
0.6
0.4
0.2
0 100 200
Hay diferentes estrategias para la eleccin del umbral ptimo; entre ellas
destacan aquellas cuyos fundamentos se basan en:
Ajuste gaussiano.
Anlisis de la concavidad.
Este mtodo se basa en la suposicin de que las funciones de densidad del fondo
y de los objetos siguen un modelo gaussiano, N(f, f2) y N(o, o2). Sin prdida de
generalidad, se supone que el fondo es oscuro y los objetos brillantes. Cada clase estar
formada por los niveles de grises fijados por el umbral, T:
1
Sahoo, P.K., A survey of Thresholding Techniques, Computer Vision, Graphics
and Image processing, 41, pp. 233-260, 1988.
T I 1
PC f pi PCo p i
i 0 i T 1 (5. 11)
T I 1
1 1
C
f
PC f
i p
i 0
i C o
PC0
i p
i T 1
i
i
I 1
i
T
1 2 1 2
C2 Cf pi C2 C0 pi
f
PC f i 0
o
PCo i T 1 (5. 12)
p2 PC C2 PC C2
f f o o (5. 13)
1 f x, y T
g x, y
0 f x, y T
n
a) I Ri b) Ri R j i j
i 1
c) pi R j PR j ( pi ) 1 d) pi R j PR j ( pi ) 0 (5. 14)
a) f x, y f xs ,i , y s ,i T b) f x, y Ri T c) f x, y Ri k Ri (5. 15)
La segunda cuestin resulta ser tan decisiva como la regla de similitud: cul es
el pxel semilla?. La eleccin de uno u otro pxel hace que el resultado final de la
segmentacin pueda variar. Estas tcnicas suelen ser frgiles en sus resultados por la
alta dependencia entre los pxeles semillas y las reglas de similitud. Por tanto, se suele
acompaar con otras estrategias para incrementar su robustez. La eleccin de la semilla
puede abordase buscando el nivel de gris de mayor probabilidad en el histograma. Para
su situacin espacial se puede apoyarse en una deteccin de los bordes, los cuales
delimitarn las fronteras de las regiones. Los centroides de las reas delimitadas por las
fronteras, junto con el valor del nivel de gris del entorno del centroide, dar un conjunto
de semillas. En todo caso, la casustica de cada problema de anlisis de imagen decidir
que algoritmia emplear en la localizacin de las semillas y en las reglas de similitud.
Resolucin Matlab
%Divisin de la imagen
imgEnt = imread('liftingbody.png');
im1=imfilter(imgEnt,fspecial('gaussian'));
imgDescomp = qtdecomp(im1,.27);
imgDivision = imgEnt;
for dim = [128 64 32 16 8 4 2 1]
[valores,fila,columna] = qtgetblk(im1, imgDescomp, dim);
if (~isempty(valores))
doublesum = sum(sum(valores,1,'double'),2);
end
imgDivision = qtsetblk(imgDivision, imgDescomp, ...
dim, doublesum ./ dim^2);
end
5.4 Ejercicios
5.5 Problemas
Ejercicio 1
2 3 4 3 2 2 3 2
2 2 2 8 9 2 2 3
2 2 2 9 10 3 2 2
Dada la siguiente imagen calcular 2 9 8 8 9 9 8 2
:
3 8 8 8 2 3 3 2
2 9 8 9 9 2 2 3
2 8 8 9 8 4 2 2
2 2 3 2 2 2 2 2
1. El mdulo
del gradiente mediante la aproximacin
f ( x, y) x f ( x, y) y f ( x, y)
. Utilice la mscara ms simple para la
implementacin de la diferenciacin y para los bordes replique el valor de los
pxeles de frontera (condicin de Neumman).
0 0 0 0 0 0 0 1 1 1 1 0
0 1 2 5 7 0 0 0 0 6 1 7
0 0 0 1 0 1 0 0 0 7 0 6
y f x, y
0
x f x, y
0 7 6 1 0 6 0 7 1 0 1
1 1 0 0 7 6 0 5 0 0 6 1
1 1 0 1 7 1 0 7 1 1 0 7
0 1 0 0 1 2 0 6 0 1 1 4
0 0 0
6 5 7 6 2 0 1 1 0
Analizando el histograma se observa que el umbral de 6 servir para detectar los bordes:
20
18
16
14
12
10
8
6
4
2
0
0 2 4 6 8 10 1 14
2
Ejercicio 2
Dado los puntos: (x,y) = {(1,0), (3,2), (4,3), (3,4)}. Determinar mediante la
transformada de Hough, como tres de ellos pertenecen a la misma recta.
a = y i - b*x i
15
(1 0) azul
(3 2) verde
10
(4 3) rojo
(3 4) cian
5
a
-5
-10
-3 -2 -1 0 1 2 3
b
Ejercicio 3
0 1 1 1 1 1 1
0 0 0 0 0 0 0
0 0 0 0 0 0 1
0 0 0 0 0 0 1
0 0 0 0 0 0 1
0 0 0 0 0 0 1
0 0 0 0 0 0 1
xi 1 1 1 1 1 1 3 4 5 6 7
yi 2 3 4 5 6 7 7 7 7 7 7
0 1 1 1 1 1 1 3 4 5 6 7
90 2 3 4 5 6 7 7 7 7 7 7
1 2 3 4 5 6 7
0 6 0 1 1 1 1 1
90 0 1 1 1 1 1 6
Ejercicio 4
= xi cos + yi sen
-100 35
rho (pixeles desde el centro)
30
-50
25
20
0
15
50
10
5
100
0
0 20 40 60 80 100 120 140 160 180
theta (grados)
Ejercicio 5
1 1 2 0 2 2 1 3 1 1
1 1 3 3 3 3 2 2 1 0
1 1 2 2 5 3 2 2 1 1
3 2 3 6 6 6 2 2 1 1
2 2 6 7 7 6 6 1 1 1
2 2 6 6 7 6 6 0 3 2
2 2 2 6 5 5 3 2 1 1
1 1 2 3 5 5 3 2 1 0
1 1 1 3 3 3 3 2 2 1
0 0
1 1 1 1 2 1 1 1
nivel(i) 0 1 2 3 4 5 6 7
h(i) 6 33 26 16 0 5 11 3
p(i) 0.06 0.33 0.26 0.16 0 0.05 0.11 0.03
2.5
1.5
0.5
0 1 2 3 4 5 6
Ejercicio 6
1 1 2 0 2 2 1 3 1 1
1 1 3 3 3 3 2 2 1 0
1 1 2 2 5 3 2 2 1 1
3 2 3 6 6 6 2 2 1 1
2 2 6 7 7 6 6 1 1 1
2 2 6 6 7 6 6 0 3 2
2 2 2 6 5 5 3 2 1 1
1 1 2 3 5 5 3 2 1 0
1 1 1 3 3 3 3 2 2 1
0 0
1 1 1 1 2 1 1 1
Ejercicio 7
1 1 1 1 2 3 6
6
1 1 2 1 4 5 6
8
1 1 1 1 7 7 7
7
1 1 1 1 6 6 5
5
20 22 20 22 1 2 3 4
20 22 22 20 5 4 7 8
20 22 20 20 9 12 40 12
14 15 16
20 22 20 20 13
a)
1 1 1 1 2 3 6
6
1 1 2 1 4 5 6
8
1 1 1 1 7 7 7
7
1 1 1 1 6 6 5
5
20 22 20 22 1 2 3 4
20 22 22 20 5 4 7 8
20 22 20 20 9 12 40 12
14 15 16
20 22 20 20 13
b)
Ejercicio 8
2 2 4 4
2 2 3 3
I
7 8 1 7
7 8 8 9
2 2 44
2 2 33
7 8 1 7
7 8 8 9
2 2 4 4 7 8
R1 R2 R3 R4 1 R5 8 R6 7 R7 9
2 2 3 3 7 8
R1 R2 R4 R3 R5 R6 R7
0 0 0 0
0 0 0 0
S
1 1 0 1
1 1 1 1