Capitulo 3 SEGMENTACIN Visin de Mquina Ingeniera en

Capitulo 3 SEGMENTACIÓN Visión de Máquina Ingeniería en Automática Industrial

Procesamiento y Análisis de Imágenes PRE EXTRACCIÓN DE CARACTERÍSTICAS PROCESAMIENTO imagen de entrada Imagen acondicionada objetos separados INTERPRETACIÓN DE LA ESCENA A la aplicación Patrón de características RECONOCIMIENTO CLASIFICACIÓN tipos de objeto

Segmentación Agrupación de partes pertenecientes a una imagen genérica en unidades que son homogéneas en relación a uno o varios atributos. División de la Imagen en regiones en objetos que sean de nuestro interés.

Segmentación Umbralización Segmentación Basada en Regiones Técnicas Basadas en la Frontera

Capitulo 3 SEGMENTACIÓN Umbralización Visión de Máquina Ingeniería en Automática Industrial

Umbralización Es posible segmentar la imagen en función de los valores de intensidad de los pixeles. Se utiliza en imágenes que presentan objetos con luminancia uniforme y con un fondo que los diferencie.

Umbralización Umbralizar consiste en obtener una imagen binaria a partir de una imagen de niveles de gris Si los valores de la imagen están por debajo de un determinado umbral ⇒ 0 (en la imagen binaria) Si los valores de la imagen están por encima de un determinado umbral ⇒ 1 (en la imagen binaria)

Umbralización En la práctica puede ser necesario más de un umbral Umbral global: Sólo depende de f(x, y) Umbral local: Depende de f(x, y) y de p(x, y) (propiedad local del punto – Ej. La media de la vecindad). Umbral dinámico: Depende de f(x, y), p(x, y), x, y

Umbralización Global Se utiliza cuando hay una clara definición del objeto y el fondo. Por cada fila de f(x, y) crear una fila en g 1(x, y) según, Por cada columna de f(x, y) crear una columna en g 2(x, y) según, LE y LB: Niveles para el borde y el fondo

Umbralización Global La imagen donde se distinguen los puntos del borde y los del fondo, se obtiene según,

Umbral basado en los píxeles de la Frontera La clave en la selección de un umbral, esta en la correcta identificación de los picos de intensidad. Una manera de mejorar los histogramas es considerar sólo aquellos píxeles que están cercanos o dentro de la frontera. La frontera debe ser conocida: Opción utilizar un operador gradiente en conjunto con un Laplaciano para obtener información si un píxel pertenece al fondo o al objeto.

Umbral basado en los píxeles de la Frontera 000 -+00+-000 0 : Píxeles que no pertenecen al borde. +: Píxeles del lado oscuro del borde. -: Píxeles del lado claro del borde.

Umbral basado en los píxeles de la Frontera

Capitulo 3 SEGMENTACIÓN Segmentación Basada en Regiones Visión de Máquina Ingeniería en Automática Industrial

Regiones Sea R una región que representa a la imagen completa. La segmentación es un proceso que divide a R en n subregiones R 1, R 2, …, Rn tal que, P(Ri) es un predicado lógico definido sobre los punto del conjunto Ri, basado en alguna medida de similitud.

Crecimiento de Regiones Principio: Pixeles vecinos tienden a tener propiedades similares si pertenecen a un mismo objeto Criterios de similitud. Se basan en conjugar dos propiedades Vecindad Homogeneidad

Crecimiento de Regiones Agrupa píxeles o subregiones en regiones más grandes Se parte de un conjunto de puntos semillas a los cuales se les va añadiendo píxeles vecinos que posean propiedades similares. Si se usan n semillas se obtendrán como máximo n regiones además del fondo.

Crecimiento de Regiones Crecimiento simple Inicialización Se parte de n pixeles semilla Progreso Las semillas ‘crecen’ por adición de pixeles similares definidos por un predicado. Finalización Las regiones creadas cubren las zonas de interés Selección de semillas Se realiza de forma manual

Crecimiento de Regiones Predicado: Para añadir un píxel a la región, la diferencia en valor absoluto entre la intensidad de dicho píxel y la semilla sea menor que un umbral T. Se eligen dos semillas 0 0 5 6 7 Se elige T =3 1 1 5 8 7 R 1 -> a 0 1 6 7 7 R 2 - > b Problemas: Colocación de las semillas 0 1 7 6 5 0 1 5 6 5 a a b b b Predominancia del histograma a a b 8 b Elección de la propiedades Textura , nivel de gris, localización a a b b b

División y Fusión de Regiones Se basa en la división inicial de la imagen en un conjunto de regiones arbitrarias y disjuntas. A partir de ellas iniciar el proceso de fusión y/o división. Algoritmo 1. Sea Ro la región inicial, constituida por la imagen completa. 2. Seleccionar un predicado P. 3. Para toda región Ri, tal que, P(Ri)=FALSO: Subdividir Ri en cuatro cuadrantes disjuntos. 4. Fusionar cualquier par de regiones adyacentes Rj y Rk, para las que se verifique P(Rj. URk) = VERDADERO 5. Si existen más regiones para fusionar o dividir ir a 3. si no, parar.

División y Fusión de Regiones Ejemplo de un solo objeto sobre un fondo Predicado: Píxeles de intensidad constante P(Ri)=VERDADERO si todos los píxeles de Ri tienen la misma intensidad.

Capitulo 3 SEGMENTACIÓN Técnicas Basadas en la Frontera Visión de Máquina Ingeniería en Automática Industrial

Detectores de Frontera Basados en criterios locales. Analizan un entorno de vecindad del pixel dado. Valor del gradiente en el punto y el entorno Dirección del gradiente en el punto y el entorno Basados en criterios globales Seguimiento del contorno Transformada de Hough

Seguimiento de Contornos Después de la detección de bordes, analizar las características de los píxeles en una pequeña vecindad (3 x 3 ó 5 x 5). Todos los puntos similares se enlazan, formando un límite de píxeles que comparten propiedades comunes. Propiedades utilizadas: La intensidad de la respuesta del gradiente La dirección del gradiente

Seguimiento de Contornos Considerando la magnitud, el píxel (x, y) es similar en magnitud al píxel vecino (x’, y’) si: Considerando la dirección, un píxel (x, y) es similar al píxel vecino (x’, y’) si:

Seguimiento de Contornos La dirección del vector gradiente en un píxel es perpendicular a la dirección del borde en ese punto. La idea es extender la frontera en la dirección perpendicular del gradiente con píxeles vecinos cuya respuesta del operador gradiente sea similar.

Capitulo 3 SEGMENTACIÓN Técnicas Basadas en la Frontera Transformada de Hough Visión de Máquina Ingeniería en Automática Industrial

Transformada de Hough Método analítico, 1962. Permite detectar curvas en una imagen Se consideran relaciones globales entre píxeles. Ecuaciones analíticas: Líneas, circunferencias, elipses Gran robustez frente al ruido y a la existencia de huecos en la frontera.

Detección de líneas Ecuación de la recta: Definida por “a”: pendiente y “b”: Ordenada en el origen. Los parámetros a y b son constantes, siendo (x, y) variables. Si no se conocen los parámetros a y b, pero se conocen las coordenadas de uno o varios punto. Los parámetros a y b son considerados como variables, siendo (x, y) constantes.

Detección de líneas Cada punto (x, y) del plano imagen se convierte en una recta de pendiente –x y ordenada y en el origen.

Detección de líneas La transformación entre el plano de coordenadas y el plano o espacio de parámetros se denomina transformada de Hough. Discretización del espacio de parámetros en celdas denominadas de acumulación.

Transformada de Hough Evaluar bmax j bmin amin i amax para cada punto (x, y) y cada uno de los valores de a en el intervalo. Los valores de b obtenidos deben redondearse al valor discreto más cercano. Al tomar ai se obtiene bj, se incrementa en uno la celda A(i , j)

Transformada de Hough El número de votos obtenido en cada celda indica el numero de puntos que satisfacen la ecuación de la recta correspondiente. Las celdas con mayor acumulación de votos constituyen el conjunto de rectas detectadas. Problemas para representar la recta con posiciones verticales. Para evitarlo se usa la representación polar.

Transformada de Hough Representación polar:

Algoritmo Discretizar el espacio de parámetros estableciendo los valores max y mín de. Inicializar el acumulador Para cada punto del borde en ceros. Calcular la dirección del vector gradiente Obtener de la ecuación Incrementar Para todas las celdas del acumulador Buscar los valores máximos del acumulador Las coordenadas dan la ecuación de la recta en la imagen.

Transformada de Hough

Detección Circular yc x xc

Detección Circular yc x x