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