INTRODUCCIÓN A LA DETECCIÓN DE OBJETOS

Componentes conexas

Maria Vanrell
DEPARTAMENTO DE CIENCIAS DE LA COMPUTACIÓN
 INTRODUCCIÓN a la DETECCIÓN DE OBJETOS – Componentes conexas

La generación de candidatos es el paso que define las regiones de interés en la imagen y ayuda a
resolver el problema de la localización del objeto dentro de la imagen.

Imagen Sistema detector de objetos

Ventana/-s
Extracción de
Generación de
características
candidatos
Clasificación de
candidatos
Refinación de
+ la decisión
Objeto cara
(cara, mano, persona, ...) mano

persona
Localización del objeto
 INTRODUCCIÓN a la DETECCIÓN DE OBJETOS – Componentes conexas

Esquema general de un sistema detector de objetos

Extracción de Generación de
características candidatos
Clasificación de Refinación de
candidatos la decisión
Generación de Extracción de
candidatos características

Localización del objeto

 INTRODUCCIÓN a la DETECCIÓN DE OBJETOS – Componentes conexas

Esquema:

Extracción de Clasificación de Generación de

características descriptores ventanas

Para cada píxel, p(x,y), le Clasificación de píxel si Regiones conectadas de

asociamos un descriptor de su descriptor cae dentro píxeles de clase piel
3 dimensiones: de la clase piel
x1 R s
G
Descriptor ( p ) x 2 G ( Rp Gp Bp )
x3 B
R
B Clase piel
INTRODUCCIÓN a la DETECCIÓN DE OBJETOS – Componentes conexas

Imagen entrada

Clase piel: ( R p Gp B p ) s1 s 2 s 3
Blanco: píxeles dentro de la clase piel
Negro: píxeles fuera de la clase piel

Generación de ventanas
Dos pasos:
1. Etiquetaje de regiones conectadas (Labelling)
2. Localización de ventanas
La generación de ventanas en dos pasos:

1. Etiquetaje de regiones conectadas (Labelling)

2. Localización de ventanas
INTRODUCCIÓN a la DETECCIÓN DE OBJETOS – Componentes conexas

Extracción de componentes conexas (Etiquetaje/Labelling)

Algoritmo de Etiquetaje: Dada una imagen binaria retorna un imagen con etiquetas
numéricas, de manera que todos los píxeles que pertenecen a una misma región conectada
compartan la misma etiqueta.

Dos recorridos de la imagen

(Un recorrido pasa por cada píxel de la imagen de izquierda a derecha y de arriba abajo)

Paso 1: Etiqueta cada píxel de la imagen atendiendo a sus vecinos superior e izquierdo
según la conectividad y guarda posibles equivalencias.

Paso 2: Resuelve todas las equivalencias detectadas de etiquetas y selecciona una etiqueta
para cada equivalencia, el segundo recorrido las resuelve y asigna la etiqueta seleccionada.
INTRODUCCIÓN a la DETECCIÓN DE OBJETOS – Componentes conexas

Concepto preliminar: CONECTIVIDAD, en las imágenes digitales hay de dos tipos

4-Conectividad: Considera la conectividad horizontal y vertical.

4 Etiquetas asignadas

- -

8-Conectividad: Considera la conectividad horizontal, vertical y diagonal.

2 Etiquetas asignadas

- -
 INTRODUCCIÓN a la DETECCIÓN DE OBJETOS – Componentes conexas

Algoritmo de etiquetaje de regiones:

Paso 1: Etiqueta cada píxel de la imagen atendiendo a sus vecinos superior e izquierdo
según la conectividad y guarda posibles equivalencias.
Consideramos solamente los píxeles etiquetados a 1:
Caso 1: Si (Vecinos=0) entonces Asignar etiqueta NUEVA
0 0 0 0 0 0 0 0
0 1 0 1 0 E 0 E

Caso 2: Si (Un Vecino <> 0) entonces Asignar la etiqueta del VECINO

1 0 0 1 E 0 0 E
0 1 0 1 0 E 0 E

Caso 3: Si (Más de un Vecino <> 0) entonces Asignar una etiqueta del VECINO e indicar equivalencia
1 1 0 1 E2 E1 0 E2
1 1 0 1 E1 E1 0 E1
Guardar E1=E2
Paso 2: Resuelve todas las equivalencias detectadas de etiquetas y selecciona una etiqueta
para cada equivalencia, el segundo recorrido las resuelve y asigna la etiqueta seleccionada.
 INTRODUCCIÓN a la DETECCIÓN DE OBJETOS – Componentes conexas

Ejemplo: aplicación del algoritmo

4-conectividad
Imagen
Paso 1: Paso 2:
1 1 1 1
2 3 4 Equiv: Resolución 2 3 43
2 3 3 3 Equiv: 2 3 3 3
5 5 5 3=4 53 53 53
- - 5 5 6 6 3=5 3=4=5 Etiqueta: 3 53 53 6 6
5 5 5 6 6 53 53 53 6 6
7 6 7 6
8 9 8 9

8-conectividad

Paso 1: Paso 2:
1 1 1 1
2 3 1 Resolución 2 31 1
2 3 3 3 1=3 2 31 31 31
3 3 3 Equiv:
31 31 31
3 3 4 4 1=3 Etiqueta: 1 31 31 4 4
3 3 3 4 4 31 31 31 4 4
4 4 4 4
5 4 5 4
 INTRODUCCIÓN a la DETECCIÓN DE OBJETOS – Componentes conexas

Ejemplo: aplicación del algoritmo

Imagen
Resultado 4-conectividad:
1 1 Etiquetas:
2 3 43
2 3 3 3
53 53 53 1
- - 53 53 6 6
2
53 53 53 6 6
7 6 3
8 9
4
5
Resultado 8-conectividad: 6
1 1 7
2 13 1 8
2 13 13 13
13 13 13 9
13 13 4 4
13 13 13 4 4
4 4
5 4
La generación de ventanas en dos pasos:

1. Etiquetaje de regiones conectadas (Labelling)

2. Localización de ventanas
INTRODUCCIÓN a la DETECCIÓN DE OBJETOS – Componentes conexas

Localización de las ventanas es el paso más simple

k 1

( x11 , y11 )
Para cada etiqueta: E k
( xi ,y j ) 1 2 3 4 5 6 7 8 9

x1k min{( x i , y j ) : etiqueta( x i , y j ) Ek } 1

xi
y1k min{( x i , y j ) : etiqueta( x i , y j ) Ek } 2
3
yi
4
x2k max{( x i , y j ) : etiqueta( x i , y j ) Ek } 5 ( x 12 , y 12 )
xi
6
y 2k max{( x i , y j ) : etiqueta( x i , y j ) Ek } 7
yi
8
9
INTRODUCCIÓN a la DETECCIÓN DE OBJETOS – Componentes conexas

Imagen
entrada

Clasificación Etiquetas:

1
1 2
3
Etiquetaje
5 4
2 3 4
5

Localización
INTRODUCCIÓN a la DETECCIÓN DE OBJETOS – Características de pixel

En resumen:

• Se ha tratado el problema de la generación de ventanas candidatas a contener objetos,

partiendo del resultado obtenido por un clasificador a nivel de píxel.
• Se ha definido el problema del etiquetaje de componentes conexas.
• Se ha visto un algoritmo de etiquetaje de regiones conexas.
• Se ha calculado la ventana que contiene la componente conexa.