1 / 28

Segmentação de imagens

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

stesha
Download Presentation

Segmentação de imagens

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. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 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

  2. 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

  3. 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

  4. 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:

  5. T é um limiar Um ponto isolado é detectado se Exemplo de máscara imagem máscara R

  6. Exemplo: Detecção de ponto isolado Original f R máscara e limiar T = max(|R|)

  7. 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

  8. Exemplo: Detecção de linhas de espessura 1 pixel na direção -45 graus Reposta da máscara (R) Original máscara -45

  9. espessura de 1 pixel

  10. Reposta da máscara (R) |R|

  11. Resposta após limiarização com T = max(|R|)

  12. 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

  13. Exemplo 1: h c f Pontos de c > T=60 (o max valor dos pixels em c é 68)

  14. Exemplo 2: f h

  15. c pontos de c > T=315

  16. Exemplo 3: f h

  17. 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)

  18. 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

  19. O zero-crossing ocorre quando • A forma desta função corresponde ao modelo das máscaras laplacianas • do tipo

  20. 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

  21. Exemplo: LoG Original

  22. Exemplo: Sobel Original

  23. Exemplo: Canny Original

  24. LoG Sobel Original Máscara laplaciana Função gaussiana LoG Zero-crossing LoG limiarizado: f(x,y) > 0

  25. 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

  26. 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.

  27. Exemplo: Reconexão de contornos

More Related