140 likes | 241 Views
Segmentação de Imagens. Alexandre Valdetaro Porto. Introdução. Segmentação é o agrupamento de Pixels de uma imagem em regiões peculiares. Objetivos. Expor alguma informação contida na imagem. Partes da um foto Objetos Superfícies Letras Patterns Silhuetas Etc. Aplicações importantes.
E N D
Segmentação de Imagens Alexandre Valdetaro Porto
Introdução • Segmentação é o agrupamento de Pixels de uma imagem em regiões peculiares.
Objetivos • Expor alguma informação contida na imagem. • Partes da um foto • Objetos • Superfícies • Letras • Patterns • Silhuetas • Etc..
Aplicações importantes • Localização de locais em imagens de satélite • Reconhecimento de faces • Realidade Aumentada • Imagens Médicas • Leitura de impressões digitais • Buscas em bancos de dados de imagem
Abordagem para o problema • Existem inúmeros algoritmos para segmentação de imagem. • A abordagem naive para o problema seria varrer a imagem buscando pixels que estejam variando de cor ou intensidade dentro de uma dada tolerância. Lembrando-se sempre de respeitar as margens dos objetos.
Algoritmos conhecidos • K-means • Histogram • Edgedetection • WaterShedTransformation • Muitos outros...
K-Means • 1 Primeiramente escolha um número variável de grupos para os pixels e escolha seus valores médios. • 2 Varra a imagem incluindo cada pixel ao grupo cujo valor médio mais se aproxima de seu valor • 3 Recalcule os valores médios dos grupos com os pixels novos incluidos. • Faça 2 e 3 até que nenhum pixel mude de grupo.
Histogram • Calcula um histograma da imagem • Requer uma passada apenas • Utiliza-se os picos e vales para encontrar os grupos para subdivisão dos pixels • Pode ser utilizado para dizer os grupos iniciais dos pixels para o método K-means
EdgeDetection • Métodos de detecção de arestas podem discretizar os objetos facilmente. • A silhueta de um objeto tende a ser um ponto da imagem com o grande magnitude de gradiente, ou seja, que há grande variação na intensidade em relação aos vizinhos. • Pode ser feito algo trivial desde a diferença entre a intensidade do pixel anterior e o atual ou filtros mais complexos que utilizam o gradiente da imagem. • Filtro passa alta
WatershedTranformation • A transformação Watershed é similar ao EdgeDetection. • Primeiramente considera-se os pixels com maior magnitude de gradiente da como sendo bordas. • Assim, fazendo uma analogia com o cair de gotas em um superfície topológica(análoga a uma imagem em greyscale), as gotas escorrerão um mínimo de intensidade local. • Os pixels que escorrem para o mínimo local formam uma poça, que pode ser considerado um grupo na segmentação.
Conclusão • Todos os algoritmos abordados podem ser combinados para obtenção de melhores resultados. • A escolha do método certo depende do tipo de aplicação e imagem. • Podem ser aplicados na escala de cor da imagem, porém se tornam mais complexos