3 Segmentao de Imagens Motivao 3 Segmentao de

3. Segmentação de Imagens Motivação

3. Segmentação de Imagens Propriedades de Similaridade Propriedade básicas de níveis de cinza • Descontinuidade • Similaridade Detecção de: • pontos • linhas • bordas Segmentação de Imagens • Limiarização • Crescimento, divisão e fusão de Regiões

3. Segmentação de Imagens Propriedades de Similaridade 3. 1 Limiarização

3. Segmentação de Imagens Propriedades de Similaridade 3. 1 Limiarização T = 100 T = 200

3. Segmentação de Imagens Propriedades de Similaridade 3. 1 Limiarização Tipos de limiar (T) • Global • Local • Adaptativo Global Local (1) (2) Adaptativo Relações espaciais

3. Segmentação de Imagens Propriedades de Similaridade 3. 1 Limiarização

3. Segmentação de Imagens Propriedades de Similaridade 3. 1 Limiarização Escolha do limiar pelo algoritmo do triângulo Imagem a segmentar Histograma de intensidades Separar o histograma em duas regiões Imagem a segmentar Histograma de intensidades

3. Segmentação de Imagens Propriedades de Similaridade 3. 2 Crescimento de Regiões Formulação básica: Seja R a região completa da imagem. A segmentação consiste em particionar a imagem em n regiões R 1, R 2, . . . , Rn, tal que: 3. 2. 1 Crescimento de regiões por agregação de pixels 0 0 5 6 7 1 1 5 8 7 0 1 6 7 7 2 0 7 6 6 A A B B B 0 1 5 6 5 A A B B B A Resultado? A B B B A A B B B • Escolha os pixels semente ! • Declarar um predicado (P) !

3. Segmentação de Imagens Propriedades de Similaridade 3. 3 Divisão e Fusão de Regiões Predicado - P(Ri) = Verdadeiro R R 4 Técnica quadtree Predicado para Fusão - P(Ri U Rj) = Verdadeiro

3. Segmentação de Imagens Propriedades de Similaridade 3. 3 Divisão e Fusão de Regiões Exercício: Dada a imagem abaixo, aplique o algoritmo de divisão e fusão de regiões. Considere os predicados apresentados anteriormente 0 0 0 0 R 1 R 1 R 2 R 2 0 0 1 1 0 0 R 1 R 1 R 2 0 0 1 1 0 0 R 1 R 1 R 2 R 2 0 0 1 1 1 1 0 0 R 3 R 3 R 4 R 4 0 0 1 1 0 0 R 3 R 3 R 4 R 4 0 0 0 0 R 3 R 3 R 4 R 4

3. Segmentação de Imagens Propriedades de Similaridade

3. Segmentação de Imagens Propriedades de Descontinuidade • Detecção de Pontos Isolados • Detecção de Linhas

3. Segmentação de Imagens Propriedades de Descontinuidade Método: cálculo de um operador local diferencial Caso Real Ideal Segunda Derivada Primeira derivada Negativa Positiva Motivo? ? Cruzamento por zero Positiva Negativa

3. Segmentação de Imagens Propriedades de Descontinuidade

3. Segmentação de Imagens Propriedades de Descontinuidade • Operadores de Gradiente f(x, y)= N 1 N 2 N 3 N 4 N 5 N 6 N 7 N 8 N 9 Exercício: Dada a imagem digital abaixo calcular a magnitude e direção do pixel. Usar as máscaras nas direções x e y definidas por Sobel. 197 154 117 123 115 106 58 69 75

3. Segmentação de Imagens Propriedades de Descontinuidade • Operadores de Gradiente

3. Segmentação de Imagens Propriedades de Descontinuidade

3. Segmentação de Imagens Propriedades de Descontinuidade Laplaciano O laplaciano é um operador que pode ser definido como: 0 -1 4 -1 0 Vantangens: • invariante a escala e rotação • Define a posição do pixel na borda (lado claro ou escuro) Desvantagens: • Sensível a ruídos • Produz bordas duplas

3. Segmentação de Imagens Propriedades de Descontinuidade Laplaciano

3. Segmentação de Imagens Propriedades de Descontinuidade Filtragem pela Média load kids I=ind 2 gray(X, map); B=filter 2(h, I); subplot(1, 2, 1); imshow(I, 128) subplot(1, 2, 2); imshow(B, 128) Filtragem pela Mediana load kids I=ind 2 gray(X, map); K=medfilt 2(I, [3 3@, [50 50@); subplot(1, 2, 1); imshow(I, 64) subplot(1, 2, 2); imshow(K, 64) Filtragem pela Média de múltiplas imagens load kids I=ind 2 gray(X, map); J 1=imnoise(I, 'salt & pepper'); J 2=imnoise(I, 'salt & pepper'); J 3=imnoise(I, 'salt & pepper'); J 4=imnoise(I, 'salt & pepper'); J=(J 1+J 2+J 3+J 4)/4; subplot(2, 3, 1); imshow(I, 64) subplot(2, 3, 2); imshow(J, 64) subplot(2, 3, 3); imshow(J 1, 64) subplot(2, 3, 4); imshow(J 2, 64) subplot(2, 3, 5); imshow(J 3, 64) subplot(2, 3, 6); imshow(J 4, 64) Realce de imagens com máscara 3 x 3 clear A=[ 0 -1 0; -1 5 -1; 0 -1 0 ]; load kids N = 255; J=ind 2 gray(X, map); K=round(J*N); L=filter 2(A, K); [lin, col] = size(L); for i=1: lin, for j=1: col, if L(i, j)<0 L(i, j)=0; end, end for i=1: lin, for j=1: col, if L(i, j)>N L(i, j)=N; end, end L = L/N; subplot(1, 2, 1), imshow(J, 256) subplot(1, 2, 2), imshow(L, 256) Gerar histograma da imagem load clown I=ind 2 gray(X, map); subplot(2, 1, 1), imhist(I, 128) subplot(2, 1, 2), imshow(I, 128) Equalizar histograma da imagem load forest I= ind 2 gray(X, map); J= histeq(I, 128); subplot(2, 2, 1), imshow(I, 128) subplot(2, 2, 2), imhist(I, 128) subplot(2, 2, 3), imshow(J, 128) subplot(2, 2, 4), imhist(J, 128)

3. Segmentação de Imagens Propriedades de Descontinuidade Convolução Filtro de Prewitt - horizontal

3. Segmentação de Imagens Propriedades de Descontinuidade Filtro de Prewitt - vertical

3. Segmentação de Imagens Propriedades de Descontinuidade

3. Segmentação de Imagens

3. Segmentação de Imagens

3. Segmentação de Imagens

3. Segmentação de Imagens

3. Segmentação de Imagens

3. Segmentação de Imagens

3. Segmentação de Imagens

3. Segmentação de Imagens Abertura • Propriedades: • Suaviza o contorno da imagem Fechamento • Propriedades: • Suaviza o contorno da imagem e elimina pequenos buracos na imagem Abertura e fechamento são duais em relação à complementação e reflexão

3. Segmentação de Imagens Abertura • Propriedades: • Suaviza o contorno da imagem • A o B é um subconjunto de A • (A o B) o B = A o B Fechamento • Propriedades: • Suaviza o contorno da imagem e elimina pequenos buracos na imagem • A é um subconjunto de A o B • (A o B) o B = A o B Abertura e fechamento são duais em relação à complementação e reflexão

3. Segmentação de Imagens Exemplo de abertura Convolução de B em A

3. Segmentação de Imagens Exemplo de fechamento

3. Segmentação de Imagens Extração de fronteiras origem