Romero Andrade Rosendo.

Segmentación de imágenes

La segmentación de imágenes digitales es el proceso por el cual una imagen es subdividida en sus componentes constitutivas, de manera tal que se puedan identificar en partes separadas. Así se pueden obtener los bordes, líneas, punto de objetos y fondo. (Cattaneo,2010)

La segmentación subdivide una imagen en sus partes constituyentes u objetos, donde el nivel de subdivisión (segmentación) depende del problema a resolver (Gonzales, 1996).

La segmentación de imágenes tiene como finalidad la partición de la imagen en regiones en significado propio (Somolinos, 2002).

Similaridad y discontinuidad

Discontinuidad

Similaridad o similitud

dividir una imagen basándose en los cambios bruscos de nivel de gris. Donde las principales áreas de interés son detección de puntos aislados , detección de líneas y bordes de una imagen.

Se divide la imagen basándose en la búsqueda de zonas que tengan Valores similares, conforme a unos criterios prefijados basados en la umbralizacion, crecimiento de región y división y fision de regiones.

Segmentación de imágenes

Es decir, se dejará de segmentar hasta que se encuentre o se identifique el objeto de interés. FUENTE:(Somolinos, 2002).

Existen tres tipos básicos de discontinuidades:
 Puntos.  Líneas.  Bordes.

Para detectar estas discontinuidades en la práctica se usa una máscara a través de toda la imagen.
Forma básica para la detección de discontinuidades

Para llevar a cabo la detección de puntos, es necesario utilizar una máscara de la forma 3x3. Donde se sabrá que se ha detectado un punto si se cumple la siguiente condición.

 |𝑅| > 𝑇[𝑥, 𝑦, 𝑓 𝑥, 𝑦 , 𝑝 𝑥, 𝑦 ]
 Donde:  T es un umbral no negativo.  R está dado por la ecuación 1.

Solamente son de interés las diferencias lo suficientemente grandes para que se consideren puntos aislados

Ecuación 1:

 𝑅 = 𝑤1 𝑧1 +. . . +𝑤9 𝑧9
 

W es el coeficiente de la máscara. Z es el nivel de gris asociado con el coeficiente de la máscara.

Para realizar la detección de líneas en una imagen se utilizan los siguientes tipos de máscaras (de línea).

Sea 𝑅1 , 𝑅2 , 𝑅3 , 𝑅4 ; las respuestas de las máscaras. Si en un punto se cumple que:
|𝑅𝑖 | > |𝑅𝑗 | j≠i

Un borde es la frontera entre dos regiones con propiedades de nivel de gris relativamente distintas (Gonzales, 1996), (Somolinos,2002).

En general se puede decir que la detección de bordes consta de lo siguiente:
◦ La primera derivada es cero en todos los niveles excepto cuando hay transiciones de niveles de gris (donde comienzan y terminan). ◦ La magnitud de la primera derivada dice si el pixel está en lo obscuro (fondo) o claro (objeto). ◦ La primera derivada se obtiene mediante el gradiente y la segunda mediante un operador laplaciano.

El gradiente de una imagen f(x,y) en la posicion (x,y) es el vector: 𝛿𝑓
𝛿𝑥 𝛿𝑓 𝛿𝑦

 𝛻𝑓 = 𝐺𝑥

= 𝐺𝑦

 Como se realiza mediante un análisis vectorial se obtiene:
2 2  𝛻f = mag 𝛻f = 𝐺𝑥 + 𝐺𝑦 1/2

 Donde se implementa mediante una aproximación:
 𝛻𝑓 ≈ 𝐺𝑥 + |𝐺𝑦 |

La dirección del vector gradiente es también una cantidad importante.
◦ 𝛼 𝑥, 𝑦 =
−1 𝐺𝑦 𝑇𝑎𝑛 ( ) 𝐺𝑥

 El ángulo se mide con respecto al eje x.

El laplaciano es la segunda derivada de una función bidimensional f(x,y).
 𝛻 2 𝑓 = 𝜕
2 𝑓 𝜕𝑦 2

+ 𝜕

2 𝑓 𝜕𝑥 2

 La suma de los coeficientes tiene que ser igual a cero. En consecuencia la respuesta es cero siempre que el punto central y sus vecinos tengan el mismo valor.

Como es una segunda derivada es inaceptablemente sentible al ruido y produce bordes dobles. Como produce bordes dobles se utiliza para encontrar la ubicación de los bordes.

José Andrés Somolinos Sánchez, 2002, Avances en robótica y visión artificial, Univ de Castilla La Mancha, Volume 38 of Ciencia y Técnica Issue 38 of Colección Ciencia y técnica / Ediciones de la Universidad de Castilla-La Mancha. ISBN: 9788484271994 González .(1996). Tratamiento digital de imágenes. Addison-Wesley. ISBN: 0-20162576-8 Cattaneo Carlos. 2010. SEGMENTACIÓN DE IMÁGENES DIGITALES MEDIANTE UMBRALIZADO ADAPTIVO EN IMÁGENES DE COLOR. Mecánica Computacional Vol XXIX, págs. 6177-6193 (artículo completo) Eduardo Dvorkin, Marcela Goldschmit, Mario Storti (Eds.) Buenos Aires, Argentina.

Sign up to vote on this title
UsefulNot useful