Segmentación de imágenes con matlab
1 recomendación629 vistas
El documento trata sobre la segmentación de imágenes. Explica que la segmentación de imágenes es el proceso de particionar la imagen de manera semánticamente significativa, como encontrar objetos en la imagen. Describe los diferentes métodos de segmentación como los basados en umbrales, bordes y regiones. Explica algunos métodos específicos como Otsu y k-means para segmentación basada en umbrales y Canny y Sobel para detección de bordes.
Segmentación de imágenes con matlab
- 1. Nombre: Marco Muñoz 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? Encontrar un objeto en una imagen. (particionar en clases: objeto(s) y fondo) ✓ ¿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. Eso implica que existen diferentes métodos de segmentación, cada uno válido para un contexto diferente.
- 2. ✓ ¿Cómo se evalúa un proceso correcto de segmentación? Independencia de la inicialización: Intravariabilidad (reproductibilidad). 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? Utilización de uno o varios umbrales de acuerdo a la distribución de intensidades en el histograma. - 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 ✓ Cómo funciona el agrupamiento de k-means, ¿cuáles son sus principales características y cuáles son los pasos generales de su algoritmo? 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. 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
- 3. 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. ✓ ¿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.
- 4. ✓ ¿En qué consiste la detección de bordes con filtros? La derivada o gradiente puede estimarse con convoluciones de la imagen con kernels o filtros específicos: ✓ 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.
- 5. ✓ Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera Operador de Prewitt. ✓ 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.
- 6. ✓ En que consiste la técnica conocida como operador de Canny dentro de la 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. Algoritmo de aproximación: 1. suavizar la imagen con un filtro Gaussiano. 2. encontrar la dirección del gradiente con el operador de Sobel. 3. usar supresión no-maximal, que retiene sólo aquellos puntos en el pico del borde. 4. binarizar manteniendo los bordes conectados. ✓ 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.