Segmentação de imagens
segmentação
Pré-processamento descrição / análise
• Não existe uma única e definitiva abordagem ao problema da segmentação
• A descrição pode ser feita a partir de diferentes partes da cena
• Pode haver várias formas de se extrair as regiões de interesse a serem descritas/analisadas
Conclusão: a segmentação é uma etapa dependente do problema, importante na análise de imagens
Classificação geral
• Completa: resulta num conjunto de regiões disjuntas
• Parcial: não corresponde diretamente a imagens de objetos
Técnicas de segmentação:
• baseada em conhecimento global
• baseada no contorno dos objetos
• baseada nas regiões definidas pelos objetos
Ou equivalentemente:
• baseada em descontinuidades (contornos) dos níveis de cinza
• baseada em similaridades (regiões) dos níveis de cinza
• Descontinuidades: detecção de pontos isolados, primitivas e contornosetc
• similaridade: limiarização, crescimento de regiões, subdivisão de regiões, fusão de regiões etc
Tudo isto em imagens estáticas ou dinâmicas
Detecção de descontinuidades
• Em geral, pode-se considerar máscaras representando modelos de descontinuidades
987
654
321
www
www
www
Exemplo: Detecção de pontos isolados
A resposta R da máscara para um ponto da imagem é:
9
1ii
992211
w
...
iz
zwzwzwR
máscara da wecoeficient ao associado pixel do eintensidad a é iiz
Um ponto isolado é detectado se , || TR T é um limiar
Exemplo de máscara
111
18 1
111
000
010
000
111
18 1
111
000
080
000R
imagem máscara
Original f
111
18 1
111
máscara
Exemplo: Detecção de ponto isolado
R
e limiar T = max(|R|)
Detecção de linhas
Exemplo: Considerar máscaras representando modelos de linhas empossíveis direções na malha discreta
111
222
111
112
121
211
121
121
121
211
121
112
horizontal +45 vertical -45
o ponto está associado a uma linha na direção i
1R 2R 3R 4R
então j,i |,||| Se i jRR
Exemplo: Detecção de linhas de espessura 1 pixel na direção -45 graus
Original
211
121
112
-45
máscara
Reposta da máscara (R)
espessura de 1 pixel
Reposta da máscara (R) |R|
Resposta após limiarização com T = max(|R|)
Casamento de padrões (template matching)
• Outra forma simples de se extrair padrões de uma imagem é a partirdo conceito de correlação visto anteriormente.
Correlação de f(x,y) e h(x,y):
1-0,1,2...Ny 1,-0,1,2...M x para ,),(),(),( tshtysxfyxcs t
• Pode-se usar a FFT para o casamento com padrões muito grandes
Exemplo 1:
f
h
c
Pontos de c > T=60
(o max valor dos pixels em c é 68)
Exemplo 2:
f
h
c
pontos de c > T=315
Exemplo 3:
f
h
Detecção de bordas
• Uma borda é uma fronteira entre duas regiões com relativa diferença de níveis de cinza
• Estes métodos de segmentação são ideais quando as regiões são suficientemente homogêneas
• A ideia básica consiste do emprego de um operador derivativolocal (como estudado anteriormente)
• Os detectores de contorno vistos anteriormente (Roberts, Sobel,LoG, Prewitt, Canny etc) podem ser empregados aqui.
O Laplaciano, por exemplo, é utilizado na localização das bordas considerando-se a propriedade do zero-crossing (Método de Marr-Hildreth).
Lembrando: Este conceito baseia-se na convolução de uma imagemcom o Laplaciano de uma função gaussiana (LoG) 2-D do tipo:
padrão desvio o é , ),()
2(
2
22
yx
eyxh
O Laplaciano de h é dado por
2
2
2
4
222
r
er
h
h2
• O zero-crossing ocorre quando r• A forma desta função corresponde ao modelo das máscaras laplacianasdo tipo
0 10
14 1
0 10
h
),(2 vuH•Filtragem passa-altas:
• Suaviza a imagem proporcionalmente a .Isto significa que este operador filtra a imagem e serve para detectara posição dos seus contornos.
suavização + deteccão de bordas
Exemplo:
Original LoG
Exemplo:
Original Sobel
Exemplo:
Original Canny
LoG
SobelOriginal
Função gaussiana Máscara laplaciana
LoG LoG limiarizado:f(x,y) > 0
Zero-crossing
Reconexão de contornos (edge linking)
• após detecção, os contornos geralmente não são conexos: problemas de iluminação irregular, ruído etc.
• os detectores podem ser seguidos de métodos para reconectá-los.
Processamento local
• Considera pequenas vizinhanças (e.g., 3x3, 5x5) de um ponto de contorno eune aqueles vizinhos que compartilham propriedades comuns.
- Propriedades: a resposta ao operador gradiente, , e a sua direção f
Um pixel (x’, y’), na vizinhança de (x, y), é similar em magnitude a este se:
,|)','(),(| Tyxfyxf
T é um limiar positivo
Um pixel (x’, y’) tem um ângulo próximo ao do seu vizinho (x, y) se:
,|)','(),(| Ayxyx
A é um limiar angular e como antes:
)],(/),([),( 1 yxfyxftgyx xy
• Assim, um ponto numa dada vizinhança de (x, y) será conectado ao pixel (x, y) se os critérios de magnitude e direção forem satisfeitos. Este procedimento pode ser repetido um certo número de vezes para cada posição da imagem.
Exemplo: Reconexão de contornos
Top Related