Segmentação de imagens
Download
1 / 28

Segmentação de imagens - PowerPoint PPT Presentation


  • 116 Views
  • Uploaded on

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

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Segmentação de imagens' - stesha


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

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


espessura de 1 pixel direção -45


Reposta da máscara (R) direção -45

|R|



Casamento de padrões ( direção -45template 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: direção -45

h

c

f

Pontos de c > T=60

(o max valor dos pixels em c é 68)


Exemplo 2: direção -45

f

h


c direção -45

pontos de c > T=315


Exemplo 3: direção -45

f

h


Detecção de bordas direção -45

  • 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)


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 Sobel,zero-crossing ocorre quando

  • A forma desta função corresponde ao modelo das máscaras laplacianas

  • do tipo


  • 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: Sobel,

LoG

Original


Exemplo: Sobel,

Sobel

Original


Exemplo: Sobel,

Canny

Original


LoG Sobel,

Sobel

Original

Máscara laplaciana

Função gaussiana

LoG

Zero-crossing

LoG limiarizado:

f(x,y) > 0


Reconexão de contornos (edge linking) Sobel,

  • 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.



ad