Segmentación de imágenes con matlab
- 1. PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR SEDE IBARRA Nombre: Erazo Diego Fecha: 30/11/2017 SEGMENTACIÓN DE LAS IMÁGENES. Realizar las siguientes preguntas en su computador, utilice los comandos solicitados y capture en un documento los resultados que se obtiene luego de aplicar los comandos. Mediante un Organizador Gráfico, identifique los pasos para el proceso de la visión Artificial. En el procesamiento de imágenes, la segmentación de imágenes se refiere al proceso de: Partición de la imagen de una manera semánticamente significativa ¿Qué es lo más importante que se busca al segmentar una imagen? Se buscan soluciones “correctas” ¿Cuál es el objetivo de segmentar imágenes médicas? Particionar la imagen en regiones (clases, subconjuntos) homogéneos con respecto a una o más características. Dentro de la segmentación de imágenes, cuáles son las características de los elementos a segmentar. Dadas las diferentes características de las imágenes y los elementos a segmentar, no existe un método estándar de segmentación que produzca buenos resultados para cualquier imagen ¿Cómo se evalúa un proceso correcto de segmentación? - Independencia de la inicialización: Intravariabilidad (reproductibilidad).
- 2. - Comparación con el “experto” humano: Sensibilidad (verdaderos positivos). Especificidad (verdaderos negativos). ¿Cuáles son los métodos de segmentación más conocidos? Basados en umbrales. Basados en bordes. Basados en regiones Dentro de los métodos basados en umbrales, ¿cuál es su clasificación? - Umbralización y binarización. - Umbrales múltiples. - Umbrales automáticos. ¿Cómo se realiza el proceso de Umbralización o Binarización? Extraer los objetos comparando su valor de intensidad con un valor de referencia (umbral) Cómo se produce el método de Otsu, ¿cuáles son sus principales características? Asume que la imagen contiene dos clases de pixeles (histograma bimodal). Calcula el umbral óptimo que minimiza la varianza intra-clase y maximiza la varianza inter-clase. Calcula probabilidades de cada posible clase, y comprueba las varianzas hasta que encuentra la mínima dentro de las clases y/o la máxima entre las clases.
- 3. Cómo funciona el agrupamiento de k-means, ¿cuáles son sus principales características y cuáles son los pasos generales de su algoritmo? Método de clasificación, que asigna puntos dados a K diferentes segmentos. En el caso de las imágenes, asigna cada pixel a una de las K regiones de acuerdo a su valor de intensidad. Es necesario saber de antemano el valor de K. Algoritmo: 1. Definir K-1 umbrales, y distribuírlos uniformemente sobre el histograma. Particionar la imagen de acuerdo a los umbrales. 2. Calcular la intensidad promedio en cada segmento. 3. Redefinir los umbrales como el punto medio entre las intensidades promedio de los segmentos. Reparticionar la imagen con los nuevos umbrales. 4. Repetir pasos 2 y 3 hasta que no se encuentren diferencias significativas. Presente un collage de imágenes de un ejemplo propuesto, sobre la 1ra iteración, 2da, 5ta, 10ma, 20va y 30va
- 5. ¿Cómo se realiza la segmentación basada en bordes con perfil del borde, primera y segunda derivada? A qué se denomina Gradiente morfológico Gradiente morfológico: diferencia entre la dilatación y la erosión de la imagen con el mismo elemento estructural. ¿En qué consiste la detección de bordes con filtros? Es la derivada o gradiente puede estimarse con convoluciones de la imagen con kernels o filtros específicos.
- 6. Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera diferencia de píxeles Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera diferencia separada de píxeles
- 7. Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera Operador de Prewitt.
- 8. Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera Operador de Sobel. Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera diferencia de Gaussiano.
- 9. En que consiste la técnica conocida como operador de Canny dentro de la detección de bordes. El propósito de Canny era descubrir el algoritmo óptimo de detección de bordes. Técnica formulada con tres objetivos: 1. detección óptima, para reducir la respuesta al ruido. 2. buena localización, con distancia mínima entre el borde original y el estimado. 3. respuesta única, para eliminar múltiples respuestas a un único borde. En que consiste la técnica conocida como operador de Sobiel dentro de la detección de bordes. El operador Sobel calcula el gradiente de la intensidad de una imagen en cada punto (píxel). En que consiste el método RATS. RATS (Robust Automatic Threshold Selection): Permite definir automáticamente umbrales de segmentación a partir de la información del gradiente (bordes). Su éxito depende del filtro de gradiente usado.