Fase 3 – 3 – [PDF Document]

  • INTRODUCCION SEGMENTACION DE IMAGENES
  • ANALISIS VS. PROCESAMIENTO Porqu analizar imgenes? Medidas que requieren estudiar un nmero demasiado elevado de imgenes. Anlisis cuantitativo: La visin humana no cuantifica por s sola. El anlisis automtico es ms repetitivo. Reconstruccin de imgenes. Visin de zonas ocultas al ojo humano. Tareas repetitivas
  • HERRAMIENTAS DE ANALISIS
  • SEGMENTACION Divisin de la imagen en regiones u objetos. Es una definicin no muy establecida. Se habla de segmentacin parcial o total.
  • SEGMENTACION La segmentacin es un paso imprescindible en diversos procesos de tratamiento de imagen. Entre otros, es necesaria para tomar medidas sobre una regin, para realizar reconstrucciones tridimensionales de una zona de la imagen, para la clasificacin o diagnstico automtico o para reducir la informacin de las imgenes. Si de una serie de imgenes para un determinado estudio slo nos interesa una regin concreta podemos segmentarlas y almacenar slo las regiones para el anlisis posterior.
  • SEGMENTACION Aplicaciones Determinacin de superficies y volmenes. Reconstruccin tridimensional. Diagnstico automtico (deteccin de defectos en materiales, tejidos anmalos, clulas, etc.). Reduccin de informacin en transmisin, almacenamiento.
  • SEGMENTACION Aunque con la vista, la deteccin de regiones pueda parecer una tarea sencilla, nos encontramos con una serie de dificultades a la hora de realizar la segmentacin de una imagen. Volumen parcial. Artefactos. Homogeneidad (textura). Formas. Ruido (seal/ruido o contraste/ruido). Cambios de iluminacin. Conocimiento previo.
  • FORMAS DE SEGMENTACION En cuanto al grado de interaccin del usuario en el proceso de segmentacin, estos se pueden clasificar en: Manual: El usuario realiza la segmentacin l mismo con la ayuda de una herramienta informtica. Automtica: El ordenador realiza todo el proceso de forma automtica. Semi-automtica o interactiva: El ordenador realiza el proceso, pero el usuario interviene en determinados momentos sobre el mismo para definir parmetros o corregir resultados. Es el mtodo empleado generalmente.
  • SEGMENTACION MANUAL Consiste en seleccionar manualmente las fronteras de las regiones que se desea segmentar, bien mediante el marcado de puntos de las mismas o usando algunas herramientas de apoyo ms complejas. Trazado: El usuario marca algunos puntos de la frontera. El resto son calculados automticamente por interpolacin u otros mtodos (snakes). Suele ser lenta y a veces se debe realizar sobre muchas imgenes (reconstruccin) se hace necesaria la automatizacin.
  • SEGMENTACION MANUAL
  • SEGMENTACION MANUAL
  • ESTRATEGIAS DE SEGMENTACION Dentro de los mtodos de segmentacin clsicos aparecen tres grandes grupos, en funcin de la estrategia que empleen para realizar la segmentacin: Conocimiento global de toda la imagen o de una regin: Si tenemos informacin sobre la regin (nivel de gris de la misma, posicin, textura), podemos detectarla directamente. Mtodos basados en bordes o fronteras. Buscamos las zonas de cambio de caractersticas entre dos regiones. Mtodos basados en regiones: Buscamos regiones homogneas en cuanto a intensidad, textura , etc.
  • REGION MATCHING Conociendo a priori la estructura de la zona que queremos segmentar, podemos buscarla directamente en la imagen. En cada punto y para cada rotacin del patrn, evaluamos un criterio de parecido. Los puntos resultantes por encima de un umbral representan apariciones del patrn.
  • REGION MATCHING La forma ms sencilla de deteccin es la correlacin o convolucin, que se define de la forma siguiente: En este caso, f(x) es la imagen y h(x) el objeto que se va a segmentar.
  • REGION MATCHING En el ejemplo siguiente se pretende detectar el ojo de la gaviota en esta imagen. A la derecha se observa el patrn del ojo. La correlacin consiste en convolucionar el patrn con la imagen, obtenindose valores elevados all donde el patrn es similar a una regin.
  • REGION MATCHING En ocasiones y cuando la imagen tiene niveles de grises demasiado altos, los cuales tienden a mantenerse luego de la convolucin, el proceso falla y tiende a desenfocar la imagen (filtrado paso bajo).
  • REGION MATCHING La solucin pasa por hacer una correlacin normalizada dividiendo el resultado de la correlacin por la intensidad total de los pxeles de la ventana. El resultado ahora es ptimo.
  • REGION MATCHING La primera imagen muestra el resultado de la normalizacin y la segunda el de la correlacin aplicada, se puede notar que el ojo queda claramente destacado del resto de la imagen.
  • UMBRALIZACION DE NIVELES DE GRIS La forma ms sencilla de segmentar una imagen es en el caso de que los distintos objetos de caractericen por niveles de gris diferentes. Para ello empleamos el histograma que, como ya sabemos, indica el nmero de puntos de la imagen que poseen un determinado nivel de gris. Si se tiene una imagen sobre un fondo claramente distintos, el histograma presentar dos lbulos claramente diferenciables. El ruido dificulta la diferenciacin de objetos en una imagen.
  • UMBRALIZACION DE NIVELES DE GRIS
  • UMBRALIZACION DE NIVELES DE GRIS
  • La umbralizacin a partir de histogramas consiste en elegir el punto de nivel de gris que separa los valores correspondientes al objeto y al fondo. En el caso ideal en que el objeto posea un rango estrecho de niveles de gris frente a un fondo uniforme, podemos establecer un intermedio para separar objeto y fondo. UMBRALIZACION DE NIVELES DE GRIS
  • Existen varios mtodos para calcular el valor ptimo del umbral. Ajuste del lbulo principal. El umbral se calcula como el punto de corte con el eje de abscisas de una recta ajustada al lbulo principal del histograma. La recta se traza desde el punto cuyo valor es el 90% del mximo del lbulo hasta el punto de valor 33% del mismo. UMBRALIZACION DE NIVELES DE GRIS
  • UMBRALIZACION DE NIVELES DE GRIS
  • Mxima distancia. El umbral es el punto del histograma ms alejado de la cuerda que une el lbulo principal del histograma y el extremo derecho del mismo. Entropa: La entropa es un parmetro estadstico que mide la cantidad de informacin del histograma. A partir de ese parmetro, podemos obtener el umbral como el punto que maximiza las entropas a ambos lados del punto. UMBRALIZACION DE NIVELES DE GRIS
  • Gradiente cero: El umbral se calcula como el primer punto, posterior al mximo del lbulo principal, en el que el gradiente del histograma se hace cero. Algoritmo Isodata: Este es un ejemplo de algoritmo iterativo. A partir de la primera estimacin del umbral, se van recalculando los parmetros y nuevos umbrales sucesivamente. UMBRALIZACION DE NIVELES DE GRIS
  • En las imgenes siguientes se presenta un ejemplo de umbralizacin de una imagen. La primera imagen es la original. A continuacin se presenta el resultado de umbralizar a 50,100,150 y 200 respectivamente. La ltima imagen es el resultado de umbralizar automticamente, usando el mtodo Isodata. SEGMENTACION POR UMBRALIZACION
  • SEGMENTACION POR UMBRALIZACION
  • METODOS AVANZADOS Hay algunos mtodos ms complejos para el calculo del umbral cuando trabajamos con imgenes muy ruidosas o con iluminacin no uniforme, por ejemplo. Antes de calcular el umbral, podemos filtrar el histograma (suavizado, mediana, etc.). Se puede determinar el umbral por regiones o usar informacin de partes especficas de la imagen.
  • UMBRALIZACION POR REGIONES Se divide la imagen en regiones. En aquellas con histograma bimodal obtenemos un umbral. Si en algunas regiones no se puede determinar el umbral por alguna razn (ruido, complejidad, etc.), interpolamos los umbrales de las zonas aledaas para obtener el umbral de la zona problemtica.
  • UMBRALIZACION POR REGIONES
  • UMBRALIZACION POR CONTORNOS Los puntos importantes a la hora de calcular un umbral son los cercanos a los bordes de los objetos, ya que estos representan la separacin entre dos objetos y tienen una marcada diferencia en niveles de gris. Para determinar los bordes se puede usar cualquiera de los mtodos existentes.
  • UMBRALIZACION POR CONTORNOS
  • Publicaciones Similares