Fases do Processo Detecção de Bordas Vetorização Reconhe- cimento.

Apresentação em tema: "Fases do Processo Detecção de Bordas Vetorização Reconhe- cimento."— Transcrição da apresentação:

1 Fases do Processo Detecção de Bordas Vetorização Reconhe- cimento

2 Fase 1 - Detecção de Bordas Objetivos: Distinguir os pixels de borda dos demais Manter os contornos dos objetos conectados (de forma a contorná-lo passando apenas por pixels “de borda”) Reduzir ao máximo a expessura dos contornos

3 Gradiente da Luminosidade L = 0.30R + 0.59G + 0.11B Gradiente 255, L > t 0, L <= t L = {

4 Kernels para Cálculo de Gradiente ???PrewittSobel t = 60t = 180t = 240 Diferença muito pequena O método de Sobel deixa um pouco menos de ruído

5 Uso do Gaussiano antes do Gradiente (Sobel) Sem GaussianoGaussiano n = 1Gaussiano n = 2Gaussiano n = 3 Faz muita diferença. A diferença de ruído entre frames consecutivos diminui a medida que aplicamos gaussianos com kernels maiores. Como o filtro gaussiano borra a imagem, os detalhes são perdidos (para o caso da detecção de bordas é uma boa, já que detalhes não são importantes).

6 Método de Canny Intensidade O método tenta pegar o pixel de máxima intensidade na direção perpendicular à borda (direção do gradiente).

7 Método de Canny G 1 : Se > ‘s, então = bordaG 2 : Se > ‘s, então = borda G1G1 G2G2 G1G1 G2G2 G GyGy α GxGx α = arctan(|G y | / |G x |)

8 Método de Canny Sem GaussianoGaussiano n = 1Gaussiano n = 2Gaussiano n = 3 Parece ser o melhor método até agora. Como nos métodos anteriores, a diferença de ruído entre frames consecutivos diminui a medida que aplicamos gaussianos com kernels maiores. Com uma quantidade de pixels brancos menores, a vetorização dos segmentos de borda fica mais rápida.

9 Fase 2 - Vetorização Pixels de borda Processo:

10 Método M Idéia: a partir de um pixel inicial qualquer, percorrer todos os pixels de borda conectados em todas as direções até que um deles saia do limite definido por duas retas paralelas com uma distância máxima pré-definida. Pixels de borda

11 Método M Otimizações: O método percorre os pixels em apenas quatro direções: , ,  e  evitando assim fazer curvas (e melhorando a performance). O método termina de processar um conjunto conectado de pixels assim que encontra um ciclo (para simplificar e melhorar a performance). Pixels de borda

12 Método M Desvantagens: O método descarta ciclos possivelmente melhores que os ciclos escolhidos. O método não acha nenhum contorno que não esteja totalmente conectado. Vantagens: O método acha qualquer contorno fechado. O método gera segmentos já conectados (grafos) eliminando a necessidade de um pós-processamento.

13 Fase 3 - Reconhecimento Problema: = ? =

14 Tabelas de ângulos acumulados θ1θ1 θ2θ2 θ (X 1, Y 1 ) (X 0, Y 0 ) (X 2, Y 2 ) |θ| = arccos ( ) (X 0 - X 1 ) (X 2 - X 1 ) + (Y 0 - Y 1 ) (Y 2 - Y 1 ) (X 0 - X 1 ) 2 + (Y 0 - Y 1 ) 2 (X 2 - X 1 ) 2 + (Y 2 - Y 1 ) 2 Se (Y 2 - Y 0 ) (X 1 - X 0 ) < (Y 1 - Y 0 ) (X 2 - X 0 ) então θ é negativo senão θ é positivo Ângulo acumulado = θ 1 + θ 2 Exemplo:

15 Tabelas de ângulos acumulados % do perímetro Ângulo acumulado 0.1572º 0.25-72º 0.350º 0.45-144º 0.55-72º 0.65-216º 0.75-144º 0.85-288º 0.95-216º A idéia é percorrer todo o polígono começando por um ponto qualquer. A medida que a parte percorrida vai somando as porcentagens de perímetro da tabela, verificar se o ângulo acumulado está próximo do valor correspondente.