10º CAPÍTULO Segmentação de imagem. 2 Segmentação Objectivo: decompôr uma imagem (ou...
Transcript of 10º CAPÍTULO Segmentação de imagem. 2 Segmentação Objectivo: decompôr uma imagem (ou...
10º CAPÍTULO
Segmentação de imagem
Segmentação de imagem 2
Segmentação
• Objectivo: decompôr uma imagem (ou sequência de imagens) num conjunto de regiões (1d, 2d ou 3d), podendo obter-se– Áreas com um dado significado semântico, ou
– Conjuntos de pixels de fronteira, ou
– Estruturas de pixels com forma determinada (linhas, círculos, polígonos)
• Porquê realizar a operação de segmentação?– Isolar zonas de interesse, para posterior processamento.
– Mudança de representação da imagem, para um nível hierárquico superior
entrada entradasaída saída
Segmentação de imagem 3
O que é uma região?
• Conjuntos de pixels conexos com ‘propriedades’ homogéneas, relativamente à(s) característica(s) (features) usadas na operação de segmentação
• Regiões adjacentes deverão ser significativamente diferentes, relativamente a essas mesmas features
• As fronteiras das regiões deverão ser suaves
• O interior duma região deverá ser simples, não devendo conter um grande número de buracos
Segmentação de imagem 4
Métodos de clustering
• Clustering– Processo de decompôr (classificar) um conjunto de padrões (vectores de
features) em diferentes subconjuntos, designados por clusters
• Exemplos de features– Intensidade
– Cor
– Textura
– Forma
– Movimento
• Alguns métodos– Algoritmos clássicos: K-médias, Isodata
– Baseados em histogramas: Otsu, Ohlander
– Baseados em partições de grafos: Shi
Segmentação de imagem 5
K-médias / Isodata
K
k Cxki
ki
mxD1
2
K = 6
K = 5
K-m
édia
sIs
odat
a
Objectivo:
Segmentação de imagem 6
Métodos baseados em histogramas• Hipótese
– Os subconjuntos de pixels que originam os diferentes modos do histograma, correspondem a diferentes objectos na cena (caso binário – método de Otsu)
• Vantagem – Métodos deste tipo necessitam de
apenas uma passagem pelos dados
• Exemplo– Algoritmo recursivo de Ohlander
Segmentação de imagem 7
Partição de grafos – algoritmo de Shi• Seja o grafo definido pelo
conjunto de nós V e ligações E– Cada nó representa um ponto no espaço de
features
– Cada ligação tem um peso, w(i,j), que representa o grau de semelhança entre os nós i e j
• Problema da segmentação – Encontrar partições do grafo, tais que as
medidas de semelhança intra-partições sejam elevadas, e as inter-partições baixas
• Caso binário
– Caso M-ário: recursão do algoritmo binário
BvAu
vuwBA,
),(),cut(
VtAu
tuwVA,
),(),asso(
(pesos inversamente proporcionais àdistância entre nós)
),( EVG
Usand
o cu
t
Usand
o Ncu
t
),asso(
),cut(
),asso(
),cut(),Ncut(
VB
BA
VA
BABA
Minimizar Ncut
Segmentação de imagem 8
Exemplo – Escolha da função de pesos
contrário caso 0
)()(se*),( 2
)()()()( 22
rjXiXeejiw XI
jXiXjFiF
• F(i), F(j) são vectores de features, (por exemplo intensidade luminosa)• X(i), X(j) são as correspondentes coordenadas dos pixels i, j
Segmentação de imagem 9
Resultados de segmentação – trabalho de Shi e Malik
original fundo player1
player2 símbolo solo
• Problema de optimização formulado como um problema de cálculo de vectores e valores próprios
Segmentação de imagem 10
Crescimento de região
• Ideias– Começar com uma região de um só pixel (canto superior esquerdo) e ir
agrupando pixels a essa região enquanto as medidas de semelhação forem suficientemente elevadas
– Iniciar uma nova região quando falha
• Critério estatístico
• Actualizar, recursivamente, a média e a medida de dispersão
Rcr
crIN
X),(
),(1
Rcr
XcrIS),(
22 ),(
)1( NyXNX oldnew
2222oldnewnewoldnew XXNXySS
21
22
1
1
SXy
N
NNT
semelhante não
semelhante
τT
T
Segmentação de imagem 11
Representação de regiões• Overlays
• Imagem de labels
• Chain codes
• Quadtrees
Segmentação de imagem 12
Extracção de fronteira
Segmentação de imagem 13
Detecção e seguimento de contornos – algoritmo de Canny
• Ideias chave:• Supressão de não-máximos• Seguimento com histerese
Segmentação de imagem 14
Algoritmo de Canny - Resultados
= 1 = 4
= 1 Roberts
original
original
original = 1 = 2
Segmentação de imagem 15
Transformada de Hough – Extracção de segmentos de recta
Acumulador A(dq,q)
H: imagem 256x256
0cos
sin,
0
0
cc
rr
dc
r
cos
sin,
0
0
(r,c)
(r0,c0)
cos
sin
70
)707(.50)707.(50
)º315cos(50)º315sin(50
d
Exemplo:
cossin crd Equação da recta:
sincos yxd Sistema de coordenadas xy:
ry
cx
x
y
Segmentação de imagem 16
Algoritmo – transformada Hough
Segmentação de imagem 17
ExemploPré-processamento Acumulador
Segmentação de imagem 18
Transformada de Hough Generalizada
• A TH pode ser extendida para qualquer curva com expressão analítica da forma f(x,a) = 0, – x é um vector 2D com as coordenadas de um ponto da curva
– a é um vector de parâmetros
• Algoritmo genérico:
– Inicializar acumulador A(a) a zero
– Por cada pixel x na imagem, determinar valores de a, tais que f(x,a) = 0; incrementar acumulador: A(a) = A(a) + 1
– Máximos locais de A correspondem a curvas f na imagem