Técnicas de Segmentación de imágenes.

Resumen del articulo:
Técnicas de segmentación
de imagen
Estudiante de Doctorado: Ing. Luis
Jara Obregón

Resumen:
La segmentación de imágenes es uno de los procesos más importantes de
procesamiento de imágenes, la segmentación es una técnica usada para
dividir o particionar una imagen en partes, llamadas segmentos, la
segmentación es la técnica más utilizada para aplicaciones como la
comprensión de imágenes o reconocimiento de objetos, porque para estos
tipos de aplicación es ineficiente procesar toda la imagen, esta técnica
divide a la imagen en varias partes en función de ciertas características de
imagen, como el valor de intensidad de pixeles, el color y la textura. Etc.

INTRODUCCIÓN
El proceso digital de imágenes es el uso del algoritmos informáticos para realizar
el procesamiento de imágenes en imágenes digitales.
La técnica de segmentación de imágenes se utiliza para dividir a una imagen en
partes significativas que tienen características y propiedades similares, el
objetivo principal de la segmentación es la simplificación, es decir representar
una imagen de manera significativa y fácilmente analizable, la segmentación de
imágenes es el primer paso necesario en el análisis de imágenes.
Las aplicaciones básicas de la segmentación de imágenes;
• Recuperación de imágenes basadas en contenido.
• Imágenes médicas.
• Detección de objetos y tareas de reconocimientos.
• Sistemas automáticos de control de tráfico y video vigilancia etc.

Tiposbásicosde
segmentacióndeimágenes
Segmentación local (relativa a
una parte especifica o región
de la imagen)
Segmentación Global
(relacionada con la
segmentación de toda la
imagen que consta de un gran
número de pixeles

Los enfoques de segmentación de imagen se
puede categorizar en dos tipos basados en las
propiedades de la imagen.
Enfoque basado en la
detección de
discontinuidad
La imagen se segmenta en
regiones basadas en
discontinuidad, la
segmentación basada en la
detección de bordes cae en esta
categoría.
Los bordes formados debido a
la discontinuidad de intensidad
son detectados y vinculados
para formar los limites de la
regiones.
Enfoque basado en la
detección de
semejanza
Una imagen se segmenta en
regiones basadas en la similitud
las técnicas que caen bajo este
enfoque son; técnicas de umbral,
técnicas de cultivo de región y
fusión de regiones.
Dividen la imagen en regiones similares que
tienen un conjunto similar de pixeles.
Las técnicas de agrupación también utilizan esta
metodología dividen la imagen en un conjunto de
clústeres que tienen criterios similares basados
en algunos criterios predefinidos.

CLASIFICACIÓN DE LAS TÉCNICAS DE
SEGMENTACIÓN DE IMÁGENESTécnicasdesegmentación
estructural
Son aquellas
técnicas de
segmentación
que trabajan
sobre los valores
de pixeles
discretos de la
imagen en lugar
de la
información
estructural de la
región
Técnicasestocásticasde
segmentación
Son aquellas
técnicas de
segmentación
que trabajan
sobre los valores
de pixeles
discretos de la
imagen en lugar
de la información
estructural de la
región
Técnicashibridas
Son aquellas
técnicas de
segmentación
que usan los
conceptos de
ambas técnicas
anteriores, es
decir usan la
información de
pixeles y
estructurales
discretas juntos

Técnicaspopularesutilizadaspara
lasegmentacióndeimágenes
Método de Umbral
Técnicas basadas en la
detección de bordes
Técnicas basadas en
regiones
agrupación
Técnicas basadas en la
Cuenca
ecuaciones diferenciales
parciales y redes neuronales

Método de Umbral
Son los métodos más simples de segmentación, dividen los pixeles de la imagen con respecto a su nivel de
intensidad, estos métodos se utilizan sobre todo en imágenes que tienen objetos más ligeros que fondo, la
selección de estos métodos puede ser manual o automático, es decir puede basarse en conocimiento previo o
en la información de las características de la imagen.
Tipos de
umbralización
Umbral global. Umbrales
variables
Umbral
Múltiple
Se hace usando cualquier valor
de Umbral apropiado/T donde
el valor de T será constante
para toda la imagen.
Este tipo de umbrales el valor de T puede variar sobre
la imagen esto puede ser de dos tipos:
Umbral local: el valor de T depende de la vecindad de
X, Y
Umbral adaptativo: el valor de T es una función de X,Y
Hay múltiples valores del
umbral como T0 y T1

MÉTODO DE SEGMENTACIÓN BASADO EN BORDES.
Los métodos de segmentación basados en bordes se basan en el cambio rápido del valor de intensidad en una
imagen porque un solo valor de intensidad no proporciona buena información sobre los bordes.
Las técnicas de detección de bordes localizan los bordes y luego se conectan entre si para formar los limites del
objeto.
Para segmentar las regiones requeridas los métodos
básicos de segmentación basados en bordes son 2;
HISTOGRAMA EN GRIS Y MÉTODOS BASADOS
EN GRADIANTES.
Para detectar los bordes se puede utilizar una
de las técnicas básicas de detección de
aristas como el operador Sobel, el operador
Astuto y el operador de Robert, el resultado
de estos métodos es básicamente una
imagen binaria.
Estas son las técnicas estructurales basadas
en detección de discontinuidad.
MÉTODO DE SEGMENTACIÓN BASADO EN REGIÓN.
Son métodos que segmentan la imagen en varias regiones que
tienen características similares existen 2 tipos de técnicas basadas
en este método;
• Región métodos de cultivo; Segmentación basado en
crecimiento son métodos que segmentan la imagen en varias
regiones basadas en el crecimiento de semillas (pixeles
iniciales). Estas semillas pueden seleccionarse manualmente
(basadas en conocimientos previos) o automáticamente
(basadas en una aplicación particular.
• Métodos de división y fusión de regiones; utilizan dos técnicas
básicas la división y la fusión para segmentar la imagen en
varias regiones.

Método de division y fusion de regiones
La división representa, división iterativa de un imagen en regiones que tienen características similares y la fusión contribuye a
combinar las regiones similares adyacentes.
El siguiente diagrama muestra la división basada en el árbol cuádruple, los pasos básicos del algoritmo para el crecimiento y
la fusión de la región son; sea “P” la imagen original y (t) el predicado particular.
• En primer lugar, el R es igual a P
• Cada región se divide en cuadrante para los cuales T (R1) = falso.
• Si para cada región T (Rj) = verdadero se fusionan las regiones adyacentes Ri and Rj tales que T (Ri U Ri) = verdadero.
• Repita el paso 3 hasta que la fusión sea posible.

Método de segmentación basado en clústeres.
Son las técnicas que segmentan la imagen en grupos que tienen pixeles con características similares, el agrupamiento de
datos es el método que divide los elementos en datos de manera que los elementos del mismo grupo son similares entre si,
que otros.
Existen dos características básicas del método de agrupamiento;
• Método jerárquico
• Método basado en partición
Por otro lado los métodos basados en particiones utilizan métodos de optimización de forma iterativa para minimizar la función
del objeto.
Entre estos métodos hay varios algoritmos para encontrar clúster, hay dos tipos básicos de agrupación
• Hard Clustering; es una técnica de agrupación simple que divide la imagen en un conjunto de clústeres de tal manera que
un pixel solo puede pertenecer a un solo clúster es decir cada pixel puede pertenecer exactamente a un grupo. Estos
métodos utilizan funciones de pertenencias que tienen valores de 1 o 0, es decir uno o ciertos pixeles pueden pertenecer o
no a un grupo, una técnica basada en hard Clustering K-means conocida como HCM.
• Soft Clustering; es un tipo más natural de clustering porque en la vida real no es posible la división exacta debido a la
presencia del ruido, por lo tanto las técnicas de soft clustering son más útiles para la segmentación de imágenes en las que
la división no es estricta un ejemplo de este tipos de técnica es Fuzzy c, en esta técnica un pixel puede pertenecer a más de
un grupo.

Métodos basados en cuencas.
Usan el concepto de interpretación topológica en esto la intensidad
representa las cuencas que tienen agujeros en sus mínimos donde el agua
se derrama. Cuando el agua alcanza el borde de la cuenca, las cuencas
adyacentes se fusionan.
Para mantener la separación entre cuencas se requieren represas y son los
borde de la región de segmentación estas represas se construyen usando
dilatación, este método considera el gradiante de la imagen como una
superficie topográfica.
LOS Pixeles que tienen más gradiantes se representan como limites
contenidos.

Son métodos rápidos de segmentación son apropiados para aplicaciones de tiempo
critico, existen dos métodos básicos de PDE;
• Filtro de difusión isotrópico no lineal ( utilizados para mejorar los bordes)
• Restauración convexa de variación no cuadrática (utilizar para eliminar el ruido).
Los resultados del PDE son los bordes borrosos y limites que se pueden cambiar
utilizando operaciones cercanas. El método de PDE de cuarto orden se utiliza para
reducir el ruido de imagen y el método de PDE se segundo orden se utiliza para
mejorar los bordes y limites.
Métodos de segmentación basado en la
ecuación diferencial parcial

Método de segmentación basado en redes
neuronales artificiales.
Simulan las estrategias de aprendizaje del cerebro humano con el
propósito de tomar decisiones, hoy en día este método se utiliza
principalmente para la segmentación de imágenes médicas y se utiliza
para reparar la imagen requerida del fondo, una red neuronal se
compone de un gran numero de nodos conectados y cada un peso
particular.
Este método es independiente del PDE teniendo como pasos básicos la
extracción de características y la segmentación por la red neuronal.

Tabla de comparación de técnicas de segmentación
TÉCNICAS DE SEGMENTACIÓN DESCRIPCIÓN VENTAJAS DESVENTAJAS.
Método de Umbral Basándose en los picos de
histograma de la imagen para
encontrar valores de umbral
particulares.
Sin necesidad de información
previa, método más simple.
Altamente dependientes de
picos, no se consideran los
detalles espaciales.
Métodos basados en bordes Basado en la detección de
discontinuidad.
Bueno para las imágenes que
tienen mejor contraste entre
objetos.
No es adecuado para errores
detectados o demasiados
bordes.
Métodos basados en la región Basado en la división de la
imagen en regiones
homogéneas
Más inmune al ruido, útil
cuando es fácil definir criterios
de similitud.
Método costoso en términos de
tiempo y memoria.
Método de agrupación Basados en la división en
clústeres homogéneos
Difuso (borroso) utiliza la
pertenencia parcial por lo tanto
más útil para los problemas
reales.
Determinar la función de
membrecía no es fácil.
Método de Cuenca Basado en la interpretación
topológica.
Los resultados son más
estables, los limites detectados
son más continuos.
Calculo complejo de gradiantes.
Método basado en PDE Basado en el funcionamiento de
ecuaciones diferenciales
Método más rápido, mejor para
aplicaciones críticas en el
tiempo.
Más complejidad
computacional.
Método basado en ANN Basado en la simulación del
proceso de aprendizaje para la
toma de decisiones.
No hay necesidad de escribir
programas complejos.
Más desperdicio de tiempo en la
formación.

CONCLUSIONES
En su mayoría muchas de estas técnicas de segmentación son adecuadas para
aplicaciones médicas.
Estas técnicas pueden utilizarse para el reconocimiento y la detección de objetos como
ríos, carreteras, puentes en las imágenes satelitales mientras que en las imágenes
médicas se pueden utilizar para detectar el cáncer.
Esta claro que varios métodos son adecuados para diversos tipos de aplicaciones de
imagen, pero el estudio es claro que ningún método es suficiente para un tipo especial
de imagen no que todos los métodos son adecuados para una imagen en particular,
por lo que esta tecnología tiene un futuro desafiante para su estudio.

Técnicas de Segmentación de imágenes.

Más contenido relacionado

La actualidad más candente (20)

Similar a Técnicas de Segmentación de imágenes. (20)

Más de Stalin Jara (10)

Último (20)

Técnicas de Segmentación de imágenes.