Segmentação de imagens segmentação Pré-processamento descrição / análise Não existe uma única e definitiva abordagem ao problema da segmentação A descrição.

Apresentação em tema: "Segmentação de imagens segmentação Pré-processamento descrição / análise Não existe uma única e definitiva abordagem ao problema da segmentação A descrição."— Transcrição da apresentação:

1 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

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 definida 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 das descontinuidades Exemplo: Detecção de pontos isolados A resposta R da máscara para um ponto da imagem é:

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

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

7 Detecção de linhas Exemplo: Considerar máscaras representando modelos de linhas em possíveis direções na malha discreta horizontal +45 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 Original -45 máscara Reposta da máscara (R)

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): equivalente à convolução sem a rotação da máscara h de Pode-se usar a FFT para o casamento com padrões muito grandes

13 Exemplo 1: f h c 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 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)

17 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-D do tipo: O Laplaciano de h é dado por

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

19 Filtragem passa-altas: Borra a imagem com o grau de borramento proporcional a Isto significa que este operador filtra a imagem e serve para detectar a posição dos seus contornos.  filtragem + deteccão de bordas

20 Exemplos: LoG com diferentes sigmas Original f

21 f*

22

23

24

25

26 LoG Sobel Original Função gaussiana Máscara laplaciana LoG LoG limiarizado Zero-crossing