Download
1 / 28
280 likes | 429 Vues
Segmentação de imagens. segmentação. descrição / análise. Pré-processamento. 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
E N D
Segmentação de imagens segmentação descrição / análise Pré-processamento • 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 contornos • etc • 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 Exemplo: Detecção de pontos isolados A resposta R da máscara para um ponto da imagem é:
T é um limiar Um ponto isolado é detectado se Exemplo de máscara imagem máscara R
Exemplo: Detecção de ponto isolado Original f R máscara e limiar T = max(|R|)
Detecção de linhas Exemplo: Considerar máscaras representando modelos de linhas em possíveis direções na malha discreta -45 horizontal vertical +45 o ponto está associado a uma linha na direção i
Exemplo: Detecção de linhas de espessura 1 pixel na direção -45 graus Reposta da máscara (R) Original máscara -45
Casamento de padrões (template matching) • Outra forma simples de se extrair padrões de uma imagem é a partir • do conceito de correlação visto anteriormente. Correlação de f(x,y) e h(x,y): • Pode-se usar a FFT para o casamento com padrões muito grandes
Exemplo 1: h c f 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 derivativo • local (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 imagem com o Laplaciano de uma função gaussiana (LoG) 2-Ddo tipo: O Laplaciano de h é dado por
O zero-crossing ocorre quando • A forma desta função corresponde ao modelo das máscaras laplacianas • do tipo
Filtragem passa-altas: • Suaviza a imagem proporcionalmente a Isto significa que este operador filtra a imagem e serve para detectar a posição dos seus contornos. suavização + deteccão de bordas
Exemplo: LoG Original
Exemplo: Sobel Original
Exemplo: Canny Original
LoG Sobel Original Máscara laplaciana Função gaussiana LoG Zero-crossing LoG limiarizado: f(x,y) > 0
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 e • une aqueles vizinhos que compartilham propriedades comuns. - Propriedades: a resposta ao operador gradiente, , e a sua direção Um pixel (x’, y’), na vizinhança de (x, y), é similar em magnitude a este se: T é um limiar positivo
Um pixel (x’, y’) tem um ângulo próximo ao do seu vizinho (x, y) se: A é um limiar angular e como antes: • 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.
