TALLER 7 SEGMENTACION DE IMAGENES POR MEDIO DE LA TRANSFORMADA WATERSHED

Jairo Felipe Osorio Pinilla Cdigo N.o 20062005070* o Andrs Julin Moreno Moreno Cdigo N.o 20062005102** e a o 22 de enero de 2012

Resumen Este documento presenta la solucin a un problema de segmentacin de una imagen en escala de o o grises, particularmente, una imagen de glbulos rojos obtenida por medio de un microscopio electrnico. A o o lo largo del documento se explica ms detalladamente la forma de abordar el problema y se ilustra la solucin a o por medio de las imgenes obtenidas en tal proceso; dicha solucin propone la transformada watershed como a o algoritmo principal, previo tratamiento de la imagen que incluye: correccin de la iluminacin, binarizacin y o o o ajuste. La transformada watershed por s sola puede no ser suciente para obtener resultados satisfactorios, por lo que se presentan variantes de esta involucrando transformada de distancia y gradiente con y sin modicaciones. Aunque el propsito nal del tratamiento de esta imagen es realizar el conteo de los glbulos, o o este art culo se limita a tratar el problema de la segmentacin. o Palabras clave: Filtraje, Gradiente, Imagen, Segmentacin, Transformada de distancia, Transformada o Watershed.

de Ingenier Electrnica, Universidad Distrital Francisco Jos de Caldas. Correo Electrnico: jfosoriop@correo.udistrital.edu.co a o e o de Ingenier a Electrnica, Universidad Distrital Francisco Jos de Caldas. Correo Electrnico: ajmoreo e o nom@correo.udistrital.edu.co
** Estudiante

* Estudiante

1.

Introduccin o

segmentacin con watershed con marcador controlado. o

La transformada de watershed aplica la idea de modelar una imagen como una cuenca hidrogrca, para el campo a de procesamiento digital de imgenes en escala de grises de a tal manera que puede ser usado para resolver problemas de segmentacin de imgenes. Entender la transformada de o a watershed requiere pensar en una imagen en escala de grises como una supercie topogrca, donde los valores de f(x,y) a se interpretan como alturas. S se imagina que la lluvia cae sobre esta supercie, es claro que el agua ser almacenaa da en las reas ms profundas, es decir, ms oscuras, que a a a son llamadas cuencas. Existen reas que se conocen como a crestas de la cuenca, que son las ms altas y delimitan las a cuencas, de manera tal que si la lluvia cae en este sector, es igualmente probable que sea almacenada en cualquiera de las cuencas a su alrededor. Latransformada de watershed encuentra las crestas y las cuencas de una imagen en escala de grises. Para resolver problemas de segmentacin o de imgenes la idea principal es convertir la imagen origia nal en una imagen cuyas cuencas son los objetos o regiones que queremos identicar. Con el proyecto actual se pretende llegar hasta la segmentacin de una imagen de glbulos o o rojos obtenida con un microscopio electrnico, los objetos o de inters son los glbulos rojos. Se trata este problema con e o un propsito en el futuro de contar de manera acertada los o glbulos en una regin limitada de la imagen, tarea que aco o tualmente debe ser realizada por el ojo humano, pero que no ser cubierta en este documento. Existen alrededor de 850 a art culos publicados por la IEEE relacionados con segmentacin de imgenes mdicas con la transformada de watershed, o a e mejoras a dicha transformada, fusiones de la transformada con otros algoritmos, entre otros. Este art culo contiene la formulacin del problema, una solucin propuesta con 3 eno o foques distintos, discusin acerca de los resultados obtenidos o y nalmente se presentan unas conclusiones del trabajo.

Figura 1: Iluminacin defectuosa en una imagen o

3.
3.1.

Resultados
Segmentacin de la imagen aplicando o Transformada watershed junto con la Transformada de distancia

2.
2.1.

Formulacin del problema o

Segmentacin de una imagen por meo dio de la transformada de watershed

Se pretende segmentar la imagen presentada en la gura (1), la cual recibi un tratamiento previo para mejorar un proo blema de uniformidad de la iluminacin original. Los objetos o de inters en esta imagen son los glbulos rojos los cuales e o sern tratados como las cuencas, entonces se debe conseguir a una divisin de la imagen que contenga en cada espacio a o una de estas clulas, en primer lugar se aplica la transfore mada de watershed a la transformada de distancia de la imagen, siendo de esperarse una sobre segmentacin por la o cuadrilla y las manchas de la imagen. Con el propsito de o solucionar el problema de la sobre-segmentacin, se trabaja o sobre el gradiente de la imagen y como segunda opcin se o suaviza el gradiente por media de una apertura y cierre consecutivos. Como solucin nal se emplea un mtodo llamado o e

La transformada de distancia de una imagen binaria produce una imagen donde se asigna a cada p la distancia en xel p xeles al p xel de valor 1 ms cercano, esta transformada a puede ser usada junto con la transformada watershed para segmentar una imagen, los resultados son aceptables para imgenes con una conformacin sencilla en cuanto a objetos a o y fondo, sin embargo se aplica este mtodo para observar los e resultados en la imagen de los glbulos rojos. En la gura o (2) se muestran las imgenes resultantes de cada una de las a operaciones aplicadas a la imagen original con este mtodo, e para lo cual primero se debe binarizar la imagen (b), operacin que se realiza bajo el principio de niveles de umbral o locales, la transformada de distancia, (d), se debe hacer al complemento de la imagen binarizada ya que esta mide la distancia a los pixeles que estn en uno y en la imagen bia narizada los objetos de inters estn en 0, conseguido esto e a se hace la transformada watershed (e) a la imagen resultante de la transformada de distancia y las cuencas sern a los glbulos rojos, quedando as denidos los l o mites entre los objetos. Finalmente se efecta una operacin lgica and u o o entre el complemento de la imagen binarizada (que tiene los objetos de inters en 1) y el complemento de los l e mites encontrados con la watershed, as las regiones de cuencas (glbulos) queda en 1 y solo se validarn los p o a xeles que tengan valor 1 en el complemento de la imagen binarizada y

que no hagan parte de los l mites denidos por la watershed (e). Finalmente se muestra la imagen segmentada (f). (f).

Figura 3: Segmentacin usando watershed y gradientes o Figura 2: Segmentacin de una imagen usando la transformada de o distancia junto con la watershed

Analizando en detalle la imagen nal, se puede observar que algunos glbulos son cortados, este es debido a la sobreo segmentacin y es un problema comn de los mtodos de o u e segmentacin basados en la transformada watershed. En las o dos secciones siguientes se exponen dos tcnicas para tratar e de disminuir este efecto.

Observando la imagen segmentada se aprecia la reduccin de la sobre-segmentacin y por el contrario hay objetos o o que no estn separados, pero los resultados son aceptables. a

3.3.

Segmentacin por medio de transforo mada watershed con marcadores controlados

3.2.

Segmentacin con transformada wa- el concepto de marcadores para limitar la cantidad de regioo tershed empleando el gradiente nes permitidas. Un marcador es un componente conectado

Otra solucin para la sobre segmentacin esta basada en o o

La magnitud del gradiente es usada a menudo para preparar una imagen antes de someterla a la transformadad watershed y conseguir su segmentacin. La magnitud del o gradiente de una imagen tiene valores altos para los p xeles a lo largo de los bordes de los objetos y valores bajos para los dems p a xeles. Idealmente la transformada watershed producir las crestas en los bordes de los objetos. Se aplica a entonces este mtodo a la imagen de los glbulos rojos y e o el resultado de esta tcnica se ilustra en la gura (3). La e magnitud del gradiente (a) se obtiene aplicando dos ltros espaciales, uno con la mscara de Sobel y el segundo tama bin con Sobel pero transpuesta. Posteriormente se aplica la e transformada de watershed (b) al complemento del gradiente (en este caso se usa el complemento por la misma razn o explicada en el mtodo anterior). Las crestas resultantes de e esta primera aplicacin de la transformada watershed no son o sucientes debido a la marcada conexin entre los objetos o por lo cual se realiza la operacin de apertura (c) sobre la o imagen del gradiente, buscando diferenciar un poco ms las a clulas, ahora se vuelve a aplicar la transformada watershed e (d) y las crestas resultantes son revelan un poco ms los oba jetos presentes en la imagen. Se presenta la sobreposicin de o las crestas en la imagen original para observar los resultados

en una imagen. Es deseable tener un grupo de marcadores internos que estn dentro de cada uno de los objetos de a inters, as como un grupo de marcadores externos los cuae les estn contenidos dentro del fondo. Esos marcadores son a usados para modicar la imagen del gradiente. En la gura (4) se muestran los resultados de esta tcnica. Se comienza e por hallar las ubicaciones de las regiones m nimas de la imagen considerando un nivel de umbral(a) (aqu si se trabaja la imagen original puesto que las regiones m nimas son los objetos de inters), el umbral se ja en un valor tal que se e desprecien regiones m nimas con poca profundidad que representan detalles irrelevantes para el problema de segmentacin, de esta manera quedan determinados los marcadores o de los objetos de inters, el siguiente paso es encontrar los e marcadores externos que pueden ser vistos como las regiones que estn en el medio de dos marcadores internos, las cuales a pueden ser halladas aplicando la transformada watershed a la transformada de distancia de los marcadores internos (b). Hallados los marcadores internos y externos se modica la imagen del gradiente aplicando un procedimiento llamado imposicin m o nima (c), el cual modica una imagen en escala de grises de tal manera que las regiones m nimas solo se producen en ubicaciones marcadas, los otros valores de

los dems p a xeles son empujadas hacia arriba tanto como sea necesario para remover las regiones m nimas de poca profundidad. Por ultimo se calcula la transformada de wa tershed a la imagen del gradiente modicada para obtener una imagen segmentada mejorada(d).

5.

Conclusiones
La transformada de distancia y la magnitud del gradiente de una imagen son procesos que mejoran los resultados de la transformada watershed para efectos de segmentacin, as que un h o brido entre estas operaciones es la opcin que asegurar mejores resultados. o a Al utilizar el mtodo de la watershed con la magnitud e del gradiente, el cual puede ser hallada con un ltraje a partir de una matr y su transpuesta, se puede efecz tuar operaciones adicionales sobre este para conseguir resultados satisfactorios. Se expusieron tres mtodos diferentes pero no se exe periment lo suciente con distintas imgenes por lo o a cual no se puede determinar con precisin cual de los o tres es el que genera los mejores resultados, a pesar de ciertas mejoras que se presentan para la imagen de prueba. Por otro lado, la particularidad de cada imagen a tratar puede conllevar a diferentes desempeos n de cada mtodo planteado. e Al momento de capturar una imagen con algn dispou sitivo especializado, se pueden presentar algunos errores en la captura de la imagen, como por ejemplo variaciones no esperadas de iluminacin que afecta la o imagen y presencia de ruido que posteriormente complicaran su anlisis y tratamiento. a Existen en la literatura mtodos ms efectivos para el e a propsito aqu planteado, como lo son K-means, con o redes neuronales articiales o los modelos de campos aleatorios de Markov, entre otros.

Figura 4: Segmentacin con watershed y gradiente modicado o

Observando la sobreposicin de las crestas en la imao gen original se puede calicar como la mejor de las tcnicas e aqu tratadas, aunque la imagen segmentada nalmente no presenta variaciones considerables para los tres casos.

4.

Discusin o 6.

Las 3 imgenes segmentadas presentadas materializan el oba jetivo de este documento, aunque es posible realizar tratamientos previos o mejoras al momento de captar la imagen y obtener resultados que faciliten an ms la segmentacin de u a o estas y obtener resultados ms satisfactorios. La falla ms a a sobresaliente para los tres mtodos estudiados es la identie cacin de los interiores de las clulas como objetos en lugar o e de reconocer toda la clula como tal, la rejilla tambin proe e voca errores al ser fusionadas como un solo objeto con los glbulos. En general, las 3 tcnicas aqu estudiadas conduo e cen a resultados aceptables a pesar del ruido en la imagen original, en algunas imgenes es tan fuerte el ruido que no a fue posible eliminarlo totalmente en la imagen lgica, y esto o puede ser muy perjudicial particularmente en este caso debido a las consecuencias que traiga este ruido en el conteo de glbulos. La eleccin de una tcnica de segmentacin sobre o o e o otra depende de las caracter sticas particulares del problema en cuestin o

Bibliograf a

A Bernard Jahne. Digital Image Processing. Concepts, Algorithms and scientic applications. SpringerVerla B Coto, Ernesto. Mtodos de Segmentacin de Imgenes e o a Mdicas. Universidad Central de Venezuela, 2003. e C Amri, S., Zagrouba, E. Evaluation and fusion of image segmentation methods. Information and Communication Technologies, 2006. D De Graaf, C.N., Koster, A.S.E., Vincken, K.L., Viergever, M.A. A methodology for the validation of image segmentation methods. Fifth Annual IEEE Symposium on Computer-Based Medical Systems, 1992. E Gonzalez, Rafael., Woods, Richard. and Edins, Stiven. Digital Image Processing Using MATLAB, 2003.