Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CÁLCULO DE CARACTERÍSTICAS
El cálculo de características es un proceso que permite caracterizar los objetos segmentados
(Regiones de Interés). Dentro del cálculo de características existen diferentes tipos, los
cuales pueden ser por contorno o por región y textura [González, 1996]. A continuación se
presentan las características que fueron calculadas por contorno y región como son posición
(x,y), densidad de región de regiones, área, perímetro, media del nivel de gris, desviación
estándar del nivel de gris, circularidad, compactibilidad y entropía del gradiente del contorno.
x ec. (5)
Posición _ x i 1
X
y
Posición _ y i 1 ec. (6)
Y
donde x,y son el valor de la posición del pixel, y X,Y son el número total de pixeles
respectivamente que representan el área de la región.
La densidad de regiones es una característica por región, la cual define la cercanía entre los
centros de un grupo de regiones en un área determinada, y está dada por:
donde Área_Umbral está dada por Πr² y Num_ROIs es el número total de regiones de interés
segmentas en la etapa de segmentación.
4.3. ÁREA
El área es una característica que describe una región, la cual es definida por González como
el número total de pixeles que forman esa región [González, 1996].
4.4. PERÍMETRO
4.5. DENSIDAD
El área y el perímetro son usados en conjunto para formar una nueva característica conocida
como densidad. La densidad de una región está definida como se muestra a continuación:
2
Densidad P ec. (8)
A
La media del nivel de gris es el valor medio o valor promedio de todos los valores de cada
pixel que en conjunto forman un área o una región de interés. La media del nivel de gris está
dada por:
M
1
m
M
m
k 1
k
ec. (9)
donde m k es el valor del nivel de gris del pixel k y M es el número de pixeles del área
La desviación estándar del nivel de gris mide la variabilidad de valores del nivel de gris de los
pixeles que forman un área o una región de interés. La desviación estándar del nivel de gris
está dada por:
M
1
M
(m
k 1
k m) 2 ec. (10)
donde m k es el valor del nivel de gris del pixel k y M es el número de pixeles del área
4.8. CIRCULARIDAD
La circularidad es definida por González como el radio del área de la región de un círculo,
teniendo el mismo perímetro [González, 2008]. La circularidad está dada por:
La compactibilidad es una característica que permite conocer la cercanía que existe entre
pixeles, o bien su lejanía. Se calcula mediante la división del área de la región de interés por
el perímetro y está dada por:
2
Compacticidad P ec. (12)
4A
Se define como el valor del gradiente que será orientado al valor del máximo cambio,
utilizando una máscara de ocho vecinos. La entropía del gradiente del contorno para la
dirección del contorno del gradiente es obtenida con el histograma de la dirección del
gradiente para todos los pixeles en el contorno de la región de interés [Cascio, 2006]. Está
dada por:
8
Entropía pk Log ( pk ) ec. (13)
k 1
4.11. TEXTURA
4.12. CONTRASTE
K K
Contraste (i j ) 2
pij ec. (14)
i 1 j 1
donde Pij es el valor del pixel en su posición i,j de la matriz de concurrencia, k representa el
número máximo de renglones y columnas representados por i y j respectivamente.
4.13. CORRELACIÓN
K K (i mr )( j mc ) Pij
Correlación r , c 0
i 1 j 1 r c ec. (15)
donde Pij es el valor del pixel en su posición x,y de la matriz de concurrencia, K representa el
número máximo de renglones y columnas representados por i y j respectivamente, mr y mc
representan dos matrices únicamente de renglones y de columnas respectivamente.
4.14. UNIFORMIDAD
K K
Uniformidad p i2 j ec. (16)
i 1 j 1
donde Pij es el valor del pixel en su posición x,y de la matriz de concurrencia, K representa el
número máximo de renglones y columnas representados por i y j respectivamente.
4.15. HOMOGENEIDAD
K K pij
Homogeneidad 1 | i j | ec. (17)
i 1 j 1
donde Pij es el valor del pixel en su posición x,y de la matriz de concurrencia, K representa el
número máximo de renglones y columnas representados por i y j respectivamente.
Lo anterior permite concluir que la segmentación del área de interés se podrá calificar como
óptima, siempre y cuando se caractericen adecuadamente tales regiones segmentadas, es
decir, se tienen que encontrar las características adecuadas que definan íntegramente una
región de interés, para formar una muestra de entrenamiento confiable.