Motivação

3. Segmentação de Imagens

Propriedade básicas de níveis de cinza

3. Segmentação de Imagens

• Descontinuidade

• Similaridade

Segmentação de Imagens

Detecção de: • pontos• linhas• bordas

• Limiarização• Crescimento,

divisão e fusão de Regiões

Propriedades de Similaridade

3.1 Limiarização

3. Segmentação de Imagens

Propriedades de Similaridade

T = 100

T = 200

3.1 Limiarização

3. Segmentação de Imagens

Propriedades de Similaridade

Tipos de limiar (T)• Global • Local• Adaptativo

Global

Local

Adaptativo(1)

(2)Relações espaciais

3.1 Limiarização

3. Segmentação de Imagens

Propriedades de Similaridade

3.1 Limiarização

3. Segmentação de Imagens

Propriedades de Similaridade

3.1 Limiarização

3. Segmentação de Imagens

Imagem a segmentar Histograma de intensidades

Escolha do limiar pelo algoritmo do triângulo

Imagem a segmentar Histograma de intensidades

Separar o histograma histograma em duas regiões

Propriedades de Similaridade

3.2 Crescimento de Regiões

Propriedades de Similaridade

3. Segmentação de Imagens

Formulação básica: Seja R a região completa da imagem. A segmentação consisteem particionar a imagem em n regiões R1, R2,...,Rn, tal que:

3.2.1 Crescimento de regiões por agregação de pixels

0 0 5 6 7

1 1 5 8 7

0 1 6 7 7

2 0 7 6 6

0 1 5 6 5

• Escolha os pixels semente !• Declarar um predicado (P) !

A A B B B

A A B B B

A A B B B

A A B B B

A A B B B

Resultado?

3.3 Divisão e Fusão de Regiões

Propriedades de Similaridade

3. Segmentação de Imagens

Técnica quadtree

Predicado - P(Ri) = Verdadeiro

R4

R

Predicado para Fusão - P(Ri U Rj) = Verdadeiro

3.3 Divisão e Fusão de Regiões

Propriedades de Similaridade

3. Segmentação de Imagens

Exercício: Dada a imagem abaixo, aplique o algoritmo de divisão e fusão de regiões. Considere os predicados apresentados anteriormente

0 0 0 0 0 0 0 0

0 0 0 0 1 1 0 0

0 0 0 0 1 1 0 0

0 0 1 1 1 1 0 0

0 0 1 1 1 1 0 0

0 0 1 1 1 1 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

R1 R1 R1 R1 R2 R2 R2 R2

R1 R1 R1 R1 R2 R2 R1 R2

R1 R1 R1 R1 R2 R2 R2 R2

R1 R1 R1 R1 R2 R2 R2 R2

R3 R3 R3 R3 R4 R4 R4 R4

R3 R3 R3 R3 R4 R4 R4 R4

R3 R3 R3 R3 R4 R4 R4 R4

R3 R3 R3 R3 R4 R4 R4 R4

Propriedades de Similaridade

3. Segmentação de Imagens

Propriedades de Descontinuidade

3. Segmentação de Imagens

• Detecção de Pontos Isolados

• Detecção de Linhas

3. Segmentação de Imagens

Método: cálculo de um operador local diferencial

Propriedades de Descontinuidade

Caso IdealCaso Real

Motivo??

Primeira derivadaNegativa Positiva

Segunda Derivada

Negativa

Positiva

Cruzamento por zeroNegativa

Positiva Cruzamento por zero

3. Segmentação de Imagens

Propriedades de Descontinuidade

3. Segmentação de Imagens

• Operadores de Gradiente

Propriedades de Descontinuidade

N1 N2 N3

N4 N5 N6

N7 N8 N9

f(x,y)=

197 154 117

123  115 106

58  69 75

Exercício: Dada a imagem digital abaixo calcular a magnitude e direção do pixel. Usar as máscaras nas direções x e y definidas por Sobel.

3. Segmentação de Imagens

• Operadores de Gradiente

Propriedades de Descontinuidade

3. Segmentação de Imagens

Propriedades de Descontinuidade

3. Segmentação de Imagens

O laplaciano é um operador que pode ser definido como:

Laplaciano

0-10

-14-1

0-10

Propriedades de Descontinuidade

Vantangens:• invariante a escala e rotação• Define a posição do pixel na borda (lado claro ou escuro)

Desvantagens:• Sensível a ruídos• Produz bordas duplas

3. Segmentação de Imagens

Laplaciano

Propriedades de Descontinuidade

3. Segmentação de Imagens

Propriedades de Descontinuidade

Realce de imagens com máscara 3x3clear A=[ 0 -1 0; -1 5 -1; 0 -1 0 ]; load kids N = 255; J=ind2gray(X,map); K=round(J*N); L=filter2(A,K); [lin, col] = size(L); for i=1:lin, for j=1:col, if L(i,j)<0 L(i,j)=0; end, end, end for i=1:lin, for j=1:col, if L(i,j)>N L(i,j)=N; end, end, end L = L/N; subplot(1,2,1), imshow(J,256) subplot(1,2,2), imshow(L,256)

Gerar histograma da imagemload clown I=ind2gray(X,map); subplot(2,1,1), imhist(I,128) subplot(2,1,2), imshow(I,128)

Equalizar histograma da imagemload forest I= ind2gray(X,map); J= histeq(I,128); subplot(2,2,1), imshow(I,128) subplot(2,2,2), imhist(I,128) subplot(2,2,3), imshow(J,128) subplot(2,2,4), imhist(J,128)

Filtragem pela Médiaload kids I=ind2gray(X,map); B=filter2(h,I); subplot(1,2,1);imshow(I,128) subplot(1,2,2);imshow(B,128)

Filtragem pela Medianaload kids I=ind2gray(X,map); K=medfilt2(I,[3 3@, [50 50@); subplot(1,2,1);imshow(I,64) subplot(1,2,2);imshow(K,64)

Filtragem pela Média de múltiplas imagensload kids I=ind2gray(X,map); J1=imnoise(I,'salt & pepper'); J2=imnoise(I,'salt & pepper'); J3=imnoise(I,'salt & pepper'); J4=imnoise(I,'salt & pepper'); J=(J1+J2+J3+J4)/4; subplot(2,3,1);imshow(I,64) subplot(2,3,2);imshow(J,64) subplot(2,3,3);imshow(J1,64) subplot(2,3,4);imshow(J2,64) subplot(2,3,5);imshow(J3,64) subplot(2,3,6);imshow(J4,64)

3. Segmentação de Imagens

Filtro de Prewitt - horizontal

Convolução

Propriedades de Descontinuidade

3. Segmentação de Imagens

Filtro de Prewitt - vertical

Propriedades de Descontinuidade

3. Segmentação de Imagens

Propriedades de Descontinuidade

3. Segmentação de Imagens

3. Segmentação de Imagens

3. Segmentação de Imagens

3. Segmentação de Imagens

3. Segmentação de Imagens

3. Segmentação de Imagens

3. Segmentação de Imagens

Abertura• Propriedades:

• Suaviza o contorno da imagem

Fechamento

• Propriedades:• Suaviza o contorno da imagem e elimina pequenos buracos na imagem

Abertura e fechamento são duais em relação à complementação e reflexão

3. Segmentação de Imagens

Abertura• Propriedades:

• Suaviza o contorno da imagem • A o B é um subconjunto de A

• (A o B) o B = A o B

Fechamento• Propriedades:

• Suaviza o contorno da imagem e elimina pequenos buracos na imagem

• A é um subconjunto de A o B

• (A o B) o B = A o B

Abertura e fechamento são duais em relação à complementação e reflexão

3. Segmentação de Imagens

Exemplo de abertura

Convolução de B em A

3. Segmentação de Imagens

Exemplo de fechamento3. Segmentação de Imagens

Extração de fronteiras

origem

3. Segmentação de Imagens