Segmentação A simplificação da imagem é uma questão central na visão computacional, o que pode ser feito reduzindo-se as informações da imagem para regiões mais ou menos homogêneas. O resultado é uma “caricatura” da realidade onde somente a parte importante está presente, sendo que os detalhes desnecessários e ruídos são extraídos. Aplicações: Controle de qualidade Inspeção automatizada de peças em fábricas Visão robótica
Existem métodos simples para segmentar a imagem, como: Threshold Filtros de Frequência Histograma etc. Mas esses métodos deixam restos de informações desnecessárias ou perdem informações. Threshold
Segmentação - Mumford Shah: Este é um método mais preciso para a segmentação, baseado na equação funcional da energia de Mumford-Shah.
Ao lado temos uma sequência de imagens segmentadas pelo método Mumford-Shah. Na primeira imagem, cada ponto representa uma região. Na primeira segmentação, os pontos vizinhos foram agrupados numa mesma região segundo o critério de menor energia. O valor do nível de cinza dos pontos desta nova região é a média dos pontos agrupados.
Equação Funcional de Mumford-Shah: Função g(x,y) - intensidade de luz - Domínio da imagem, geralmente um retângulo - Decomposição da imagem em “piece-wise” K - fronteira entre as regiões
g(x,y) - é suave dentro de cada região g(x,y) - é descontínua no cruzamento com as bordas - comprimento dos arcos das bordas - função diferenciavél dentro de - aproximação de g(x,y)
- Mede se u é uma boa aproximação de g - Variação mínima de u em cada região - Penaliza o comprimento das fronteiras
Energia Funcional Simplificada de Mumford-Shah - Função constante - Média dos valores de g em cada região
Critério de Junção - Área da região Oi
Critério de Junção
Critério de Junção Variação de Quando não for mais possível juntar nenhuma região, deve-se aumentar o valor de lambda Variação de Linear Exponencial
Imagem Original Lambda 1-800 Lambda 1-10.000 Lambda 1-100.000