slide1
Download
Skip this Video
Download Presentation
Segmentação de imagens

Loading in 2 Seconds...

play fullscreen
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
slide1
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

slide2
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
slide3
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

slide4
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:

slide5
T é um limiar

Um ponto isolado é detectado se

Exemplo de máscara

imagem

máscara

R

slide6
Exemplo: Detecção de ponto isolado

Original f

R

máscara

e limiar T = max(|R|)

slide7
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

slide8
Exemplo: Detecção de linhas de espessura 1 pixel na direção -45

graus

Reposta da máscara (R)

Original

máscara

-45

slide12
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
slide13
Exemplo 1:

h

c

f

Pontos de c > T=60

(o max valor dos pixels em c é 68)

slide15
c

pontos de c > T=315

slide18
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)
slide19
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

slide20
O zero-crossing ocorre quando
  • A forma desta função corresponde ao modelo das máscaras laplacianas
  • do tipo
slide21
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

slide22
Exemplo:

LoG

Original

slide23
Exemplo:

Sobel

Original

slide24
Exemplo:

Canny

Original

slide25
LoG

Sobel

Original

Máscara laplaciana

Função gaussiana

LoG

Zero-crossing

LoG limiarizado:

f(x,y) > 0

slide26
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

slide27
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