Motivação
3. Segmentação de Imagens
Propriedade básicas de níveis de cinza
3. Segmentação de Imagens
• Descontinuidade
• Similaridade
Segmentação de Imagens
Detecção de: • pontos• linhas• bordas
• Limiarização• Crescimento,
divisão e fusão de Regiões
Propriedades de Similaridade
3.1 Limiarização
3. Segmentação de Imagens
Propriedades de Similaridade
T = 100
T = 200
3.1 Limiarização
3. Segmentação de Imagens
Propriedades de Similaridade
Tipos de limiar (T)• Global • Local• Adaptativo
Global
Local
Adaptativo(1)
(2)Relações espaciais
3.1 Limiarização
3. Segmentação de Imagens
Propriedades de Similaridade
3.1 Limiarização
3. Segmentação de Imagens
Propriedades de Similaridade
3.1 Limiarização
3. Segmentação de Imagens
Imagem a segmentar Histograma de intensidades
Escolha do limiar pelo algoritmo do triângulo
Imagem a segmentar Histograma de intensidades
Separar o histograma histograma em duas regiões
Propriedades de Similaridade
3.2 Crescimento de Regiões
Propriedades de Similaridade
3. Segmentação de Imagens
Formulação básica: Seja R a região completa da imagem. A segmentação consisteem particionar a imagem em n regiões R1, R2,...,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
0 1 5 6 5
• Escolha os pixels semente !• Declarar um predicado (P) !
A A B B B
A A B B B
A A B B B
A A B B B
A A B B B
Resultado?
3.3 Divisão e Fusão de Regiões
Propriedades de Similaridade
3. Segmentação de Imagens
Técnica quadtree
Predicado - P(Ri) = Verdadeiro
R4
R
Predicado para Fusão - P(Ri U Rj) = Verdadeiro
3.3 Divisão e Fusão de Regiões
Propriedades de Similaridade
3. Segmentação de Imagens
Exercício: Dada a imagem abaixo, aplique o algoritmo de divisão e fusão de regiões. Considere os predicados apresentados anteriormente
0 0 0 0 0 0 0 0
0 0 0 0 1 1 0 0
0 0 0 0 1 1 0 0
0 0 1 1 1 1 0 0
0 0 1 1 1 1 0 0
0 0 1 1 1 1 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
R1 R1 R1 R1 R2 R2 R2 R2
R1 R1 R1 R1 R2 R2 R1 R2
R1 R1 R1 R1 R2 R2 R2 R2
R1 R1 R1 R1 R2 R2 R2 R2
R3 R3 R3 R3 R4 R4 R4 R4
R3 R3 R3 R3 R4 R4 R4 R4
R3 R3 R3 R3 R4 R4 R4 R4
R3 R3 R3 R3 R4 R4 R4 R4
Propriedades de Similaridade
3. Segmentação de Imagens
Propriedades de Descontinuidade
3. Segmentação de Imagens
• Detecção de Pontos Isolados
• Detecção de Linhas
3. Segmentação de Imagens
Método: cálculo de um operador local diferencial
Propriedades de Descontinuidade
Caso IdealCaso Real
Motivo??
Primeira derivadaNegativa Positiva
Segunda Derivada
Negativa
Positiva
Cruzamento por zeroNegativa
Positiva Cruzamento por zero
3. Segmentação de Imagens
Propriedades de Descontinuidade
3. Segmentação de Imagens
• Operadores de Gradiente
Propriedades de Descontinuidade
N1 N2 N3
N4 N5 N6
N7 N8 N9
f(x,y)=
197 154 117
123 115 106
58 69 75
Exercício: Dada a imagem digital abaixo calcular a magnitude e direção do pixel. Usar as máscaras nas direções x e y definidas por Sobel.
3. Segmentação de Imagens
• Operadores de Gradiente
Propriedades de Descontinuidade
3. Segmentação de Imagens
Propriedades de Descontinuidade
3. Segmentação de Imagens
O laplaciano é um operador que pode ser definido como:
Laplaciano
0-10
-14-1
0-10
Propriedades de Descontinuidade
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
Laplaciano
Propriedades de Descontinuidade
3. Segmentação de Imagens
Propriedades de Descontinuidade
Realce de imagens com máscara 3x3clear A=[ 0 -1 0; -1 5 -1; 0 -1 0 ]; load kids N = 255; J=ind2gray(X,map); K=round(J*N); L=filter2(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, end for i=1:lin, for j=1:col, if L(i,j)>N L(i,j)=N; end, end, end L = L/N; subplot(1,2,1), imshow(J,256) subplot(1,2,2), imshow(L,256)
Gerar histograma da imagemload clown I=ind2gray(X,map); subplot(2,1,1), imhist(I,128) subplot(2,1,2), imshow(I,128)
Equalizar histograma da imagemload forest I= ind2gray(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)
Filtragem pela Médiaload kids I=ind2gray(X,map); B=filter2(h,I); subplot(1,2,1);imshow(I,128) subplot(1,2,2);imshow(B,128)
Filtragem pela Medianaload kids I=ind2gray(X,map); K=medfilt2(I,[3 3@, [50 50@); subplot(1,2,1);imshow(I,64) subplot(1,2,2);imshow(K,64)
Filtragem pela Média de múltiplas imagensload kids I=ind2gray(X,map); J1=imnoise(I,'salt & pepper'); J2=imnoise(I,'salt & pepper'); J3=imnoise(I,'salt & pepper'); J4=imnoise(I,'salt & pepper'); J=(J1+J2+J3+J4)/4; subplot(2,3,1);imshow(I,64) subplot(2,3,2);imshow(J,64) subplot(2,3,3);imshow(J1,64) subplot(2,3,4);imshow(J2,64) subplot(2,3,5);imshow(J3,64) subplot(2,3,6);imshow(J4,64)
3. Segmentação de Imagens
Filtro de Prewitt - horizontal
Convolução
Propriedades de Descontinuidade
3. Segmentação de Imagens
Filtro de Prewitt - vertical
Propriedades de Descontinuidade
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
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 fechamento3. Segmentação de Imagens
Extração de fronteiras
origem
3. Segmentação de Imagens