Procesamiento de imágenes: filtros, segmentación y reconocimiento con SIFT
Enviado por Chuletator online y clasificado en Plástica y Educación Artística
Escrito el en 
español con un tamaño de 4,29 KB
Filtros en dominio espacial y en dominio de la frecuencia
Los filtros en el dominio espacial actúan sobre el propio plano de la imagen, y los filtros en el dominio de la frecuencia actúan sobre los mismos valores de los píxeles de la imagen, pero proyectados en un espacio transformado en el que la característica frecuencial está presente (por ejemplo, mediante la transformada de Fourier).
Dominio espacial
Dominio espacial: consiste en el desplazamiento del origen de dicho entorno de vecindad píxel a píxel y aplicando un operador T para cada posición (x,y), con el objetivo de obtener la imagen transformada.
Máscara
Máscara: es una pequeña distribución bidimensional en la que los valores de los coeficientes determinan la naturaleza del proceso de filtrado.
Filtros en el dominio de la frecuencia
Filtro paso bajo
Filtro paso bajo: el emborronamiento o alisamiento se alcanza en el dominio de Fourier atenuando un rango específico de componentes de altas frecuencias en la transformada de una imagen.
Filtro paso alto
Filtro paso alto: se utiliza para realzar la imagen; este filtro atenua las frecuencias bajas sin distorsionar la información de las frecuencias altas en el dominio de Fourier.
Detector de bordes Canny
Detector de bordes Canny — pasos principales:
- Obtención del gradiente: en este paso se calcula la magnitud y la orientación del vector gradiente en cada píxel.
- Adelgazamiento de bordes: se consigue el adelgazamiento del ancho de los bordes obtenidos con el gradiente, hasta lograr bordes de un píxel de ancho.
- Doble umbral: se utiliza un doble umbral para reducir la posibilidad de aparición de bordes falsos y para enlazar bordes débiles con bordes fuertes coherentes.
Segmentación
Segmentación: subdivide la imagen en sus regiones u objetos constituyentes, de tal manera que los píxeles de esas regiones posean propiedades o atributos similares, como niveles de gris, contraste y texturas.
La segmentación se basa en dos propiedades principales:
- Discontinuidad: el proceso se realiza dividiendo la imagen por cambios abruptos en intensidad, como es el caso de la detección de bordes.
- Similitud: se logra mediante la partición de una imagen en regiones que son similares de acuerdo a un conjunto de criterios predefinidos.
Esquema general de reconocimiento
Esquema general de reconocimiento:
- Extraer características de la imagen.
- Obtener una representación de las mismas.
- Construir un clasificador a partir de ejemplos conocidos.
- Clasificar nuevas muestras usando el clasificador entrenado.
Enfoques de reconocimiento
Basado en apariencia
Basado en apariencia: usar una representación completa del objeto. El modelo contiene parámetros que generan las posibles apariencias del objeto. Se intenta alinear el modelo con la imagen (matching), recuperando el valor de los parámetros que da lugar a la apariencia del objeto en la imagen. Hay que tener en cuenta cambios de perspectiva, color y tamaño.
Basado en características
Basado en características: a partir de una serie de ejemplos se determinan características propias del objeto en distintas condiciones. Hay que buscar puntos interesantes: esquinas, blobs, etc. Se calcula algún descriptor (por ejemplo, SIFT). En la imagen se considera que está el objeto si aparecen suficientes características en posiciones coherentes.
SIFT
SIFT: es un detector y descriptor de puntos diseñado para encontrar el mismo punto en diferentes imágenes incluso si el punto está en distintas posiciones. Las características del SIFT son invariantes a la escala, rotación, cambios de iluminación y ruido.