Professional Documents
Culture Documents
199
Carlos Platero
fundamenta en la continuidad
de los objetos en el espacio,
cuya propiedad se transforma
en las imgenes discretas en
relaciones de conectividad
entre
pxeles
adyacentes.
Partiendo de la esquina
superior izquierda de la
imagen, se rastrea hacia la
derecha y hacia abajo buscando
pxeles con etiqueta uno lgico.
Cuando se encuentra el primer
pxel con dicha etiqueta se le Figura 7. 1 Proceso de etiquetado de una imagen binaria
coloca la etiqueta 1, los
vecinos que tengan propiedad de conectividad y que posean el nivel lgico activo se les
pondr la misma etiqueta. Al seguir rastreando en la imagen y al encontrarse con un
pxel activado sin vecindad con los anteriores se le asociar con la etiqueta 2 y as
sucesivamente. Una vez finalizada esta etapa, cada objeto de la imagen tendr un
identificador numrico que le hace ser distinto respecto del fondo y de los otros objetos.
Resolucin Matlab
>>imgEnt=imread('rice.png');imshow(imgEnt);pause;
>>imgBWMask=im2BW(imgEnt);
>>se = strel('disk',2);
>>imgBWMarcador = imerode(imgBWMask,se);
>>imgReconst=imreconstruct(imgBWMarcador,imgBWMask);
>>imgBWElimBorde = imclearborder(imgReconst);
>>imgEtiq=bwlabel(imgBWElimBorde);
>>subplot(1,2,1);imshow(imgEnt);subplot(1,2,2);imshow(label2rgb(imgEtiq));
200
A ( i ) = gi ( x, y )
x =1 y =1
W ( i ) = gi ( x, y ) f ( x, y )
x =1 y =1
(7. 1)
Siendo gi(x,y) una funcin que es uno si el pxel pertenece al objeto i y nulo en
caso contrario. El permetro, P(i), es el nmero de pxeles que constituye el borde del
objeto, i. Tambin se suele utilizar la relacin del perimtrico al cuadrado del objeto
2
. Magnitud adimensional, cuyo valor mnimo se tiene cuando el
entre su rea, P (i )
A(i )
objeto es un crculo, por tanto, describir la compacidad del objeto. Valores prximos a
4 indicar que se aproxima a un crculo.
El centro de gravedad del objeto, ( x i , y i ) , indicar su posicin puntual en la
imagen y estar dado por:
201
Carlos Platero
x i =
x g i (x, y )
y g (x, y )
x =1 y =1
x =1 y =1
y i =
A(i )
A(i )
(7. 2)
m pq (i ) = x p y q g i ( x, y )
x =1 y =1
(7. 3)
Obsrvese que el rea del objeto coincide con el momento de orden cero y que el
centro de gravedad est unido con el momento de orden uno (p=1, q=0 y p=0, q=1).
Los momentos se pueden hacer invariantes a traslaciones, si son referidos al centro de
gravedad del objeto. A stos se les llama momentos centrales:
N
mc pq (i ) = ( x x i ) ( y y i ) g i ( x, y )
p
x =1 y =1
(7. 4)
Para ser invariante a escalados, se normaliza los momentos centrales con el rea
del objeto, esto es, con el momento de orden cero. A esta coleccin se la define como
momentos centrales normalizados:
pq =
mc pq
m00
(7. 5)
202
equivalente1. Este parmetro est entre 0 y 1. En el caso de valer 0 indica que es una
circunferencia y si es cero es un segmento recto.
Resolucin Matlab
>>imgEnt=imread('rice.png');
>>imgBWMask=im2BW(imgEnt);
>>se = strel('disk',2);
>>imgBWMarcador = imerode(imgBWMask,se);
>>imgReconst=imreconstruct(imgBWMarcador,imgBWMask);
>>imgBWElimBorde = imclearborder(imgReconst);
>>imgEtiq=bwlabel(imgBWElimBorde);
>>stat=regionprops(imgEtiq,'all');
>>stat(20).Eccentricity
7.2.3 Texturas
La textura explica la composicin de las superficies de los objetos en trminos
de suavidad, rugosidad, granularidad, regularidad,... Desde el sentido de la visin, la
textura se observa como repeticiones de patrones locales de radiacin en las imgenes.
La sensacin que transmiten las imgenes de zonas de tosquedad, rugosidad o suavidad,
nacen de las correspondencias de las experiencias humana entre el sentido del tacto y la
b
Excentricidad de la elipse, e = 1 , donde a y b son el tamao de los semiejes mayor
a
y menor respectivamente.
203
Carlos Platero
204
Figura 7. 7 Imgenes de satlite sobre el suelo de la Tierra que presentan diferentes texturas
Las aplicaciones del anlisis textural no slo se dan para la caracterizacin de los
objetos de inters, sino que tambin son utilizadas en los procesos de segmentacin. En
la figura 7.8 se observa los procesos de segmentacin en la imagen al ir incorporando
ms informacin. Se aprecia el resultado de la segmentacin desde que slo se emplea
el canal de luminancia hasta la incorporacin del color y la textura.
Figura 7. 8 Segmentacin del pez con distintos tipo de informacin. a) niveles de grises, b)
nivel de gris + textura, c) color RGB, d) color HSI, e) color + textura
205
Carlos Platero
Aceptada
Rechazada
Figura 7. 10. Descripcin estructural de la textura. Se define unas primitivas y unas reglas de
encadenamiento de las primitivas. En la parte superior se ha representado las primitivas y las
reglas de encadenamiento. En la parte inferior un ejemplo de aceptacin y rechazo de un tipo
de textura
206
Una mejora de este procedimiento es utilizar los filtros de Gabor. Con estos
filtros, el anlisis espectral tambin considera el espacio de escala y una cierta
orientacin privilegiada. La mscara de convolucin de cada filtro se construye con una
funcin gaussiana modulada con un armnico de una determinada orientacin y
frecuencia:
G , f ( x, y ) =
1
2
x2 + y 2
2 2
2 jf ( x cos + y sin )
(7. 6)
=3
2 ln 2
f
2
(7. 7)
207
Carlos Platero
209
Carlos Platero
Aunque
es
invariante
a
traslaciones, depende tanto del tamao como del punto donde se inicializa la
representacin polar. Para que sea invariante a escala se normaliza la distancia en el
210
rango [0 1]; slo bastar con dividir todas las distancias por la que sea la mayor.
Respecto a la dependencia al punto inicial, se toma aquel que tenga la mxima distancia.
La
signatura es muy
sensible a la
eleccin
del
punto interior.
Esta
funcin Figura 7. 19 Sensibilidad de la signatura con la eleccin del punto interior
caracterstica
cambia sustancialmente si se desva del centroide. Tambin
tiene el problema con la aparicin de concavidades en el
objeto, ya que la funcin resulta multievaluada para algunos
ngulos. Para solventarlo se suele emplear la envolvente
Figura 7. 20 Objeto con
convexa2.
concavidades
f
f
= div
(7. 8)
ED =
1 n
2
(i )
n i =1
(7. 9)
Una trozo de la curva es convexa si el radio de curvatura est en el interior del objeto y cncava
si est fuera,
211
Carlos Platero
Z k = zne
2 k
i
K
k = 0,1,2,..., K 1
i =1
(7. 10)
zi =
1
K
K 1
Zke
k =0
2 i k
n
K
i = 1,2,..., n
(7. 11)
212
213
Carlos Platero
214
Figura 7. 24 Ejemplo de clasificacin entre Iris setoda e Iris Versicolor empleando el ancho y
longitud de los ptalos
215
Carlos Platero
Para clasificacin no supervisada se usa las redes de Kohonen conocidas como SelfOrganizing Maps (SOM).
Figura 7. 27 Ejemplo de clasificacin mediante una red neuronal de los terrenos vistos en una
imagen area
Zi =
1
ni
ni
X
j =1
ij
(7. 12)
216
d ( X , k ) =
( X
Z ki
i =1
(7. 13)
p (i | X ) =
p ( X | i ) p (i )
p( X )
(7. 14)
p ( X ) = p ( X | i ) p ( i )
i =1
(7. 15)
f i ( X ) = p ( X | i ) p (i )
(7. 16)
217
Carlos Platero
( 2 )
n/2
T
1
exp ( X M i ) i1 ( X M i )
2
(7. 17)
218
f i ( X ) = ln ( p ( X | i ) p (i ) ) =
p
1
ln ( 2 ) + ln i 2
1
T
( X M i ) i1 ( X M i ) + ln ( p (i ) )
2
(7. 18)
1
T
( X M i ) 1 ( X M i )
2
fi ( X ) = ( X M i )
( X M i ).
p ( X ) dX
p( X ) =
dX
k /m
VR
(7. 19)
219
Carlos Platero
h
i =1
(7. 20)
p( X )
k/m
1
=
VR
mhp
X Xi
h
i =1
(7. 21)
X Xi
1 m
1
p( X )
exp
m i =1 2 h 2 1 2
2h 2
( )
(7. 22)
Figura 7. 31 Estimacin de p(X) con 5 datos con tres diferentes anchos de ventana
220
La Licencia de documentacin libre GNU (GNU Free Documentation License) es una licencia
con copyleft para contenidos abiertos. Todos los contenidos de estos apuntes estn cubiertos
por esta licencia. La version 1.1 se encuentra en http://www.gnu.org/copyleft/fdl.html. La
traduccin (no oficial) al castellano de la versin 1.1 se encuentra en
http://www.es.gnu.org/Licencias/fdles.html
221