Escolar Documentos
Profissional Documentos
Cultura Documentos
1 / 36
Fundamentos
A segmentao subdivide uma imagem em regies ou objetos
que a compem;
Fundamentos
A segmentao um processo que particiona uma regio espacial
(imagem) R em n subregies, R1 , R2 , , Rn , de tal forma que:
Sn
i=1 Ri = R
Ri um conjunto conectado, i = 1, 2, , n
Ri Rj = , para todo i e j, i 6= j
Segmentao: exemplo
4 / 36
Conceito
O processo de agrupamento dos pixels pertencentes a um
mesmo objeto ou regio chamado de segmentao;
As tcnicas de segmentao de imagens podem ser classificadas
nas seguintes categorias:
deteco descontinuidades
tcnicas de limiar
mtodos hbridos
5 / 36
8 / 36
9
X
wk zk
k =1
9 / 36
2 f (x, y ) =
+ f (x, y 1) 4f (x, y )
A mscara utilizada pode ser estendida incluindo os termos
diagonais.
10 / 36
11 / 36
Deteco de Linhas
Para a deteco de linhas, as derivadas de segunda ordem resultem
em uma resposta mais forte e produzem linhas mais finas do que as
derivadas de primeira ordem.
12 / 36
13 / 36
14 / 36
Deteco de Bordas
Mtodo mais usado para segmentar imagens com base em
variaes abruptas de intensidade;
Modelos de borda:
degrau
rampa
telhado
15 / 36
16 / 36
Deteco de Bordas
Localizao da borda
17 / 36
18 / 36
Propriedades do Gradiente
O gradiente, definido a seguir, a ferramenta ideal para encontrar
a intensidade e a direo da borda:
#
"
g
f = grad(f ) = x =
gy
"
f
x
f
y
(x, y ) = tg
"
gx2 + gy2
gy
gx
#
19 / 36
Propriedades do Gradiente
20 / 36
Operadores de Gradiente
21 / 36
22 / 36
23 / 36
Ligao de Bordas
rudo
iluminao no uniforme
24 / 36
Ligao de Bordas
Abordagem mais simples:
Propriedades utilizadas:
Desvantagem:
computacionalmente cara
todos os vizinhos de um pixel devem ser examinados
25 / 36
26 / 36
Limiarizao
Caractersticas:
propriedades intuitivas
simplicidade de implementao
velocidade computacional
27 / 36
Limiarizao: exemplo
28 / 36
Limiarizao: exemplo
29 / 36
Limiarizao: exemplo
30 / 36
O Algoritmo K-Means
Tcnica de agrupamento de regies;
Clustering: conjunto de dados classes disjuntas;
K-means: particionar n objetos em K agrupamentos;
Caractersticas:
31 / 36
O Algoritmo K-Means
1
Calcular o erro:
E=
k X
X
pl wj 2
j=1 pl Cj
O Algoritmo K-Means
33 / 36
34 / 36
35 / 36
36 / 36