Etapa 2: Segmentación de imágenes

Presentado por
Duban Felipe Delgadillo Calderón

Código 1.031.169.516

Grupo

208054_32

Presentado la tutora
Sandra Milena Garcia

Universidad Nacional Abierta y a Distancia – UNAD

Escuela de Ciencias Básicas, Tecnología e Ingeniería
Tratamiento de Imágenes.
Bogotá, Septiembre 28 de 2021.

Introducción.
1
En la presente actividad se dará desarrollo a la primera parte de la etapa 2 segmentación de
imágenes, en la cual se nos solicita dar definición de conceptos que serán usados y serán
fundamentales para el desarrollo de la presenta etapa empleando técnicas de detección de
bordes, binarización y filtrado, para la segmentación de objetos de interés.

La actividad consiste en:

2
1. Definición de conceptos: estudiando el libro guía, el estudiante investiga de manera
individual y da respuesta a las siguientes preguntas teóricas:

a. Cuál es la diferencia entre las siguientes imágenes y responda lo siguiente:

Fuente: Mateus. P. 2020

Respuesta: En ambas imágenes se tiene una binarización, la imagen 1 tiene 0 pixeles

en los objetos de interés, en la imagen 2 lo valores de los pixeles son igual a 1 en los
objetos de interés.

b. ¿En maltab, una imagen binaria que valores toma cada uno de sus pixeles? (responda
esta pregunta en un renglón máximo)

Respuesta: La binarización en Matlab, 0 pixel para negro y 1 pixel para blanco.

c. ¿Cuál es la diferencia entre segmentación de imagen e imagen en escala de gris?

(responda esta pregunta en 5 renglones máximo)

Respuesta: Las imágenes en escala de grises tienen 256 pixeles, 255 pertenecen al
blanco y 1 pixel al negro, lo que representa que las imágenes en binario siempre son en
blanco y negro, se estructuran en el umbral del color para definir que lo que está por
encima es blanco y lo que está por debajo es negro.

d. ¿Cuál es la diferencia entre umbralización global y local? (responda esta pregunta en

5 renglones máximo)

Respuesta: En la umbralización global la imagen es binarizada utilizando un solo

valor de intensidad: el umbral global. Los píxeles con valores mayores que el umbral
son puestos a 1 y los restantes a 0. En la técnica local se utiliza una superficie de
umbrales que es función del dominio de la imagen. Cada zona de la imagen es
binarizada utilizando un umbral específico de dicha zona, aunque habitualmente se
utiliza una superficie interpoladora de estos. Los umbrales locales pueden ser
determinados dividiendo una imagen en sub-imágenes y calculando los umbrales de
dichas sub-imágenes, o examinando las intensidades de la imagen en los alrededores
3
 de cada píxel

e. ¿Qué es umbral de Otsu? (responda esta pregunta en 5 renglones máximo)

Respuesta: Ideado por Otsu (1979), este procedimiento no paramétrico selecciona el

umbral óptimo maximizando la varianza entre clases mediante una búsqueda
exhaustiva. La varianza entre clases se define como una suma ponderada de las
varianzas. El método Otzu no precisa información previa de la imagen antes de su
procesamiento, ni supervisión humana para el cálculo de los umbrales.

f. ¿Para qué sirven los filtros de suavizado en una imagen? (responda esta pregunta en 5
renglones máximo)

Respuesta: Para reducir las variaciones de intensidad entre píxeles vecinos. Mediante
el cual se relaciona un píxel con los que tiene a su alrededor, de forma a eliminar los
píxeles abruptos afectados por un fuerte ruido y cuyo valor suele destacar muy por
encima de los otros.

g. Identifique que tipo de ruido tienen las siguientes imágenes, e indique cual es la
diferencia entre ellos

Fuente: Mateus. P. 2020

Respuesta: En las anteriores imágenes podemos observar dos tipos de ruido. La

imagen número 1 de izquierda a derecha tenemos el ruido gaussiano indica que el
valor final del píxel es el real más una cierta cantidad de error y en la imagen 2
tenemos el ruido de sal y pimienta indica que el valor que toma el píxel no tiene
relación con el valor real, sino que toma valores muy altos o muy bajos.

h. Explique diferentes técnicas de segmentación de imágenes (responda esta pregunta en

10 renglones máximo)

Respuesta: Transformadas de Hough: Determina la localización de curvas

parametrizadas dentro de una imagen. En este caso se emplearán para la localización
de líneas rectas y círculos.
Umbralización: Es una técnica de segmentación ampliamente utilizada en la industria.
Se trata de definir un umbral, de forma que separe los objetos de interés respecto del
4
 fondo. Para su aplicación se exige una clara diferencia entre los objetos y el fondo de
la escena.
Segmentación por análisis del histograma: Segmentación orientada a las regiones:
Las técnicas de segmentación orientadas a las regiones tienen su base en las reglas de
similitud y en la conectividad de los píxeles. Las regiones se forman mediante píxeles
que tengan conectividad y presenten alguna propiedad de similitud y discrepancia
respecto al resto de los píxeles que no pertenecen a la región.
Técnicas de división y fusión (split & merge) y árboles cuaternarios (quadtree): Se
pasa a la descomposición de la imagen en regiones arbitrarias, de forma que si la
región es muy discrepante con algún tipo de regla se dividirá, en caso contrario,
buscará fusionarse con regiones adyacentes. Para la partición de la imagen en
regiones arbitraria se suele emplear árboles cuaternarios. Se toma la imagen y se
divide en cuatro rectángulos iguales. Se analiza cada región, si ésta es muy discrepante
se vuelve a dividir en otras cuatro, generando un árbol cuaternario.

i. ¿Qué es reconstrucción morfológica? (responda esta pregunta en 5 renglones máximo)

Respuesta: Es una técnica de procesamiento no lineal de la señal, caracterizada en

realzar la geometría y forma de los objetos. Su fundamento matemático se basa en la
teoría de conjunto. Aunque en un principio se aplicará sobre las imágenes binarizadas,
luego se extenderá a las imágenes en niveles de grises. Este uso a niveles de grises
permitirá vislumbrar que el procesamiento morfológico también se puede utilizar como
técnica de procesado de la señal. Actualmente se puede encontrar aplicaciones en la
restauración de imágenes, en la detección de bordes, en el análisis de texturas, en el
aumento del contraste y hasta en la compresión de imágenes.

j. ¿Qué tipos de funciones morfológicas existen y cómo funcionan? (responda esta

pregunta en 10 renglones máximo)

Respuesta: Las dos principales operaciones morfológicas son la erosión y la

dilatación. Como es fácil apreciar, la erosión reduce el tamaño de las formas, mientras
que la dilatación tiene el efecto contrario, “engordándolas”.

Resultado de aplicar operaciones de erosión (a) y dilatación (b) sobre la imagen base.

5
 Conclusiones.

Con el desarrollo de la primera parte de la etapa 2 podemos aclarar las dudas a los conceptos y
teorías que usaremos en el desarrollo de la actividad, con estos conceptos podremos abordar de
una manera más clara y lograr comprender la técnicas de detección de bordes, binarización y
filtrado, para la segmentación de objetos de interés.

6
 Referencias Bibliográficas.

Bovik, A. C. (2009). The Essential Guide to Image Processing (Vol. 2nd ed). Amsterdam:
Academic Press, pp. 1 - 123. Recuperado de http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=249002&lang=es&site=eds-live&scope=site

Bovik, A. C. (2005). Handbook of Image and Video Processing (Vol. 2nd ed).
Amsterdam: Academic Press, pp. 4 - 12. Recuperado de
http://bibliotecavirtual.unad.edu.co/login?url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=214674&lang=es&site=eds-live&scope=site

Nixon, M. S., & Aguado, A. S. (2002). Feature Extraction and Image Processing. Oxford:
Newnes, pp. 1-14, 67-76. Recuperado de http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=204193&lang=es&site=eds-live&scope=site

Webconferencia Tratamiento de Imágenes (Segmentación) (2021-09-10 at 16:05 GMT-7) -

Google Drive. (n.d.). Retrieved September 28, 2021, from
https://drive.google.com/file/d/1mUiz37OqT8XXpVXsD3v3ktjCTrH0kzQm/view

CIPA Tratamiento de Imágenes (2021-09-24 at 15:05 GMT-7) - Google Drive. (n.d.).

Retrieved September 28, 2021, from https://drive.google.com/file/d/1WfPPsBQfHpjA-
d6bspbNrEXgNakavYPi/view

Mateus, P. (2019, Enero 14), Tratamiento de Imágenes. [OVI]. Recuperado de:

http://hdl.handle.net/10596/23302