Transformaciones Morfológicas y Procesos de Extracción en Imágenes

Transformaciones morfológicas

Extraen estructuras geométricas de la img, empleando un elemento estructurante que puede ser de acuerdo a la morfología de la img o de acuerdo a la forma que se quira extraer.

Erosión

Dada imagen binaria el resultado es que el blanco es más estrecho, más pequeño. El negro aumenta. Es antiextensiva.

Dilatación

Blanco aumenta. Negro más pequeño. Es extensiva.

Gradientes por erosión

Resta entre la identidad y una erosión.

Gradiente por dilatación

Resta entre una dilatación y la identidad.

Gradiente simétrico

Resta entre una dilatación y una erosión.

Apertura

Simplifica la img eliminando los picos mositivos(maximos) que sean más estrechos que el elemento extructurante.

Quita las zonas de luz. Aulario 2.

Simifica la img eliminando los picos locales negativos(minimos) que sean más estrechos que el elem estructurante.

Aumenta zonas de luz. Foto del aulario 2.

Apertura y cierre son operadores crecientes. Apertura: anti, Cierre: extensivo.

Top-hat

Para descubrir aquellas estructuras de la img que han sido eliminadas en la apertura o cierre.

Resta entre la identidad y apertura. Para detección de estructuras claras en imágenes. (Calculadora y lo que parece un enchufe).

Top-hat dual

Resta entre cierre y la identidad. Para detección de estructuras oscuras (grieta en el suelo).

Filtros alternos secuenciales

Eliminan el ruido (img con brazo mecánico a la derecha y especie de silla negra circular a la izquierda).

Operador de contraste

Especie de anti-centro. Crea una img contrastada a partir de dos transformaciones de la img original (foto de venas).

T4.4 Contornos

En una imagen se relaciona con discontinuidad dentro de un conjunto de px. Cambios bruscos de profundidad, cambios en la orientación de una superficie, en la proyección de luz en en la reflectancia de los obj.

Es una transición entre dos regiones de niveles de gris muy distintos. Problemas: el tamaño y forma de los obj varía con el punto de vista, oclusiones, la iluminación cambia y el fondo cambia.

Proceso de extracción

1 Etapa de filtrado: eliminación del ruido, realzar bordes.

2 Etapa de umbralización: descartar px que sean ruido.

3 Localización: proporcionar información de orientación y posición del borde en la img.

Gradiente

Es un pico que representa un cambio brusco de intensidad. El vector gradiente representa la máxima variación de intensidad y el sentido.

Se considera que existe un borde si la magnitud del gradiente supera un umbral. Se calcula como la diferencia entre valores de intensidad de cada px en la img.

Máscaras: Roberts: buena localización, mala detección en presencia de ruido. No proporciona info sobre orientación. Trabaja bien con img binarias.

Sobel: mejor detección en bordes diagonales que Prewitt, Considera valores contiguos. Se puede ver como una combinación de filtro gaussiano+gradiente.

Prewitt: mejor detección en bordes horizontales y verticales que Sobel. Mala detección en presencia de ruido. Considera balores contiguos.

Laplaciana

Derivada del gradiente. Representa un cambio de intensidad como un paso de respuesta positiva a negativa.

Es la convolución entre la img y una máscara. Máscaras: Wallis: fuerte respuesta a bordes, líneas de contorno, puntos de contorno y ruido.

Se detectan bordes en varias direcciones simultaneamente. Las zonas uniformes son ignoradas. Más costoso en tiempo que gradiente. (img cubo con esquinas cortadas. 4 vecinos menos ruido. 8 vecinos más ruido).

T4.5 Esquinas

Regiones alto nivel contraste. 2 o más orientaciones diferentes. Matemáticamente se basan en gradiente.

Una esquina es máximo gradiente en varias direcciones.

Métodos

Emplean img en escala de grises.

Algoritmos

Kitcen-Rosenfeld: 1 Calcular las primeras derivadas de la img por convolución de la img original con una Gaussiana.

2 Computar 3 de las 4 derivadas segundas.

3 Convolucionar cada una con una Gaussiana.

4 Definir un valor escalar que determine posibles esquinas en la img.

4 Definir un umbral U y encontrar puntos abs(k)>U.

Harris: 1 Calcular la matriz Hessiana, A.

2 Computar los valores propios de A: lambda1 y lambda2.

3 Definir un valor escalar que determine las posibles esquinas en la img.

4 Definir un umbral Y y encontrar puntos con abs(k)>U.

T.Hough: técnica para aislar los puntos de contorno que permiten ser representados como una recta o curva.

Permite localizar rectas, círculos y elipses. Ventajas: robusta al ruido, no le afecta la ausencia de puntos intermedios (oclusiones).

Desventajas: coste ejevado, formas no geométricas puede provocar malas detecciones.

Pasos: 1 Se emplea una matriz de votación, H, denominada acumulador, que almacena un contador por celda que se inicializa a cero.

2 Para cada punto del contorno se calculan todas las posibles curvas polares entre 0 y 180º y cada vez que unaa curva se repita se incrementa en la matriz anterior el contador.

3 Encontrar los valores donde H es un máximo local. Para esto se emplea un umbral.

DouglasPeucker: dado un contorno busca encontrar una curva similar aproximada con menos puntos. El método define una diferencia basada en la máxima distancia entre la forma original y la simplificada.