Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouAna Beatriz Galindo Sousa Alterado mais de 8 anos atrás
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*
26
LoG Sobel Original Função gaussiana Máscara laplaciana LoG LoG limiarizado Zero-crossing
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.