Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Introducción.
2. Propiedades deseables de una rasgo.
3. Tipos de bordes.
4. Proceso de detección de un borde.
5. Detectores de bordes.
6. Detección de bordes basada en el cálculo de segundas
derivadas.
7. Detector de bordes de Canny.
8. Otros detectores de bordes.
Segmentación Extracción de
rasgos
Pre-
procesamiento Descripción
BASE DE
CONOCIMIENTO
Adquisición de
imagen Reconocimiento
Entrada Salida
x1
x2
x
x
n
Resultado del proceso de etiquetado:
x1
x2 x1
x
x2
x
x
n 3 1 2
x
n
𝑥1 = área del objeto 6 7 5 4
𝑥2 = perímetro 8 9
𝑥3 = factor de compacidad.
Etcétera. 10
Propiedades
deseables de un
rasgo descriptor:
Para que un rasgo descriptor sea útil para el reconocimiento
de un objeto, debe poseer un conjunto de propiedades
deseables:
Poder de discriminación.
Para que un rasgo descriptor sea útil para el reconocimiento
de un objeto, debe poseer un conjunto de propiedades
deseables:
Poder de discriminación.
Fiabilidad.
Para que un rasgo descriptor sea útil para el reconocimiento
de un objeto, debe poseer un conjunto de propiedades
deseables:
Poder de discriminación.
Fiabilidad.
Incorrelación.
Para que un rasgo descriptor sea útil para el reconocimiento
de un objeto, debe poseer un conjunto de propiedades
deseables:
Poder de discriminación.
Fiabilidad.
Incorrelación.
Rapidez.
Para que un rasgo descriptor sea útil para el reconocimiento
de un objeto, debe poseer un conjunto de propiedades
deseables:
Poder de discriminación.
Fiabilidad.
Incorrelación.
Rapidez. Hay dos maneras de escoger un rasgo:
Economía.
1) Manualmente.
2) De manera automática.
Un rasgo descriptor puede ser:
mientras que los bordes tipo línea aparecen como bordes tipo
techo.
El ruido en una imagen provoca también variaciones de
intensidad, lo cual resulta en bordes espurios. Un buen
detector de bordes debería ser capaz de suprimir la mayoría
de estos bordes espurios
Fuentes provocadoras de bordes:
Bordes A
A
Fuentes provocadoras de bordes:
Bordes A
Bordes B A
B
Fuentes provocadoras de bordes:
Bordes A
Bordes B A
Bordes C C
B
Fuentes provocadoras de bordes:
Bordes A
Bordes B A
Bordes C C
Bordes D D
B
Fuentes provocadoras de bordes:
Bordes A
Bordes B A
Bordes C C
Bordes D D
Bordes E
E
B
Fuentes provocadoras de bordes:
Bordes A
Bordes B A
Bordes C C
Bordes D D
Bordes E
Bordes F (textura)
E
Etcétera.
B
Proceso de
detección de un
borde:
Proceso de detección de bordes en una imagen:
Imagen en Filtrado
niveles de gris del ruido
Proceso de detección de bordes en una imagen:
Acentuado
Imagen en Filtrado
de los
niveles de gris del ruido
bordes
Proceso de detección de bordes en una imagen:
G x f
G f x, y f
x
G y y
G f x, y Gx2 G y2 , iguala la tasa máxima de crecimiento de:
G f x, y
Aproximaciones:
G f x, y G x G y
G f x, y max G x , G y
Otra cantidad importante: x, y arctan G y
Gx
donde se mide con respecto al eje x.
PRIMERA APROXIMACIÓN DEL GRADIENTE:
f x, y
Gx x f x, y f x 1, y f x, y
x
f x, y
Gy y f x, y f x, y 1 f x, y
y
1
máscaras de convolución: G x y G y 1 1
1
x 1/ 2, y 1/ 2
𝑥 + 1, 𝑦
(x,y) = 7, (x+1, y) = 10, Gx = 10 – 7=3
(x,y) = 7, (1, y+1) = 15, Gy = 15 – 7=8
f x, y
Gx x f x, y f x 1, y f x, y
x
f x, y
Gy y f x, y f x, y 1 f x, y
y
¿Qué pasa si (x,y) = (x+1, y)?, es claro que Gx = 0.
Lo mismo se puede decir de Gy.
1
G x y G y 1 1
1
SEGUNDA APROXIMACIÓN: GRADIENTE CRUZADO DE
ROBERTS:
G f x, y f x, y f x 1, y 1 f x 1, y f x, y 1
G f i, j G x G y
Magnitud: M s x2 s y2
-1 -2 -1 -1 0 1
0 0 0 -2 0 2
1 2 1 -1 0 1
-1 -1 -1 -1 0 1
0 0 0 -1 0 1
1 1 1 -1 0 1
1
Con:
-1
1 2 1
1 2 1 1
sx
1 0 0 0
1 2 1 1 1
2
-3 -3 5 -3 5 5 5 5 5 5 5 -3
K1 -3 0 5 K2 -3 0 5 K3 -3 0 -3 K4 5 0 -3
-3 -3 5 -3 -3 -3 -3 -3 -3 -3 -3 -3
5 -3 -3 -3 -3 -3 -3 -3 -3 -3 -3 -3
K5 5 0 -3 K6 5 0 -3 K7 -3 0 -3 K8 -3 0 5
5 -3 -3 5 5 -3 5 5 5 -3 5 5
1 1 2 1 6
2 1 1 6 5
2 1 5 6 7 K1: -3-3+30-3+0+30-18-18+25 = 40
1 6 6 5 6
5 6 7 5 6
El valor del módulo del gradiente y su dirección se obtienen
como sigue:
Se aplican las ocho máscaras sobre ese punto, como
resultado se obtienen ocho valores. Se obtienen los valores
absolutos de estos ocho valores. El valor más grande
determina el valor del gradiente.
La dirección del gradiente en p se obtiene de manera directa
por el valor asociado a la máscara:
{0,45,90,135,180,225,270,315}.
Ejemplo:
Al aplicar los dos pasos antes dados, se
1 1 2 1 6 tiene: 40, 8, 32, 72, 32, 8, 40, 40.
2 1 1 6 5 Se puede ver que el valor máximo recae
2 1 5 6 7 en la ventana K4.
1 6 6 5 6 La dirección a tomar en cuenta es de 135
5 6 7 5 6 grados.
Máscaras de Robinson:
-1 0 1 0 1 2 1 2 1 2 1 0
R1 -2 0 2 R2 -1 0 1 R3 0 0 0 R4 1 0 -1
-1 0 1 -2 -1 0 -1 -2 -1 0 -1 -2
1 0 -1 0 -1 -2 -1 -2 -1 -2 -1 0
R5 2 0 -2 R6 1 0 -1 R7 0 0 0 R8 -1 0 1
1 0 -1 2 1 0 1 2 1 0 1 2
Ejemplo:
Al considerar la imagen del ejemplo
1 1 2 1 6 anterior, tenemos los siguientes valores:
2 1 1 6 5 14, 0, 14, 19, -14, 0, -14 y -19.
2 1 5 6 7 De nuevo la máscara ganadora es de
1 6 6 5 6 nuevo la número cuatro.
5 6 7 5 6 La dirección del borde es también 135.