Aula 07 Segmentacao de Imagens Limiarizacao 201712 X 1

Universidade Federal de Viosa Campus Rio Paranaba SIN 392 - Processamento Digital de Imagens (2017-1)
[Aula 07] Segmentao de imagens

Limiarizao
Prof. Joo F. Mari

joaof.mari@ufv.br
[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)
Roteiro
Limiarizao
Fundamentos
Limiarizao global simples
Limiarizao utilizando o mtodo de Otsu
Usando a suavizao para melhorar a limiarizao global
Usando as bordas para melhorar a limiarizao global
Limiarizao mltipla
Limiarizao local (varivel)
Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 2

Bibliografia
GONZALEZ, R.C.; WOODS, R.E.; Processamento de imagens
digitais. 3 Ed. Pearson, 2010.
Captulo 10
GONZALEZ, R.C.; WOODS, R.E.; Processamento digital de

imagens. Edgard Blucher, 2000.
Captulo 4
Limiarizao
Limiarizao de imagens
Tem uma posio central nas aplicaes de segmentao de
imagens
Facilidade de implementao
Velocidade computacional

FUNDAMENTOS
Limiarizao global:
Quando T uma constante aplicvel a uma imagem
inteira.
Limiarizao local (varivel ou regional):

O valor de T muda ao longo da imagem.
Limiarizao mltipla:
Classifica os pixels utilizando dois ou mais limiares,
gerando trs (ou mais) grupos de objetos:
[EX] Fundo, objetos do tipo #1 e objetos do tipo
#2.
Obter os valores de mltiplos limiares difcil.
O rudo na limiarizao de imagens
(a) Imagem de 8 bits livre de rudo.

(b) Imagem com rudo gaussiano aditivo de mdia 0 e desvio padro de 10 nveis de intensidade.
(c) Imagem com rudo gaussiano aditivo de mdia 0 e desvio padro de 50 nveis de intensidade.
(d) a (f) Histogramas correspondentes.
Limiarizao global simples

1. Selecionar uma estimativa inicial para o limiar global, T.
2. Segmentar a imagem usando T na Equao:
1 %& ' !, " > (
!, " = #
0 %& '(!, ") (
Isso dar origem a dois grupos de pixels:
G1, pixels com valores de intensidade > T;
G2, pixels com valores T.
3. Calcular os valores de intensidade mdia de m1 e m2 para os
pixels em G1 e G2 , respectivamente.
4. Calcular um novo valor de limiar:
-
( = /- + /.
.
5. Repita as etapas 2 a 4 at que a diferena entre os valores de T
em iteraes sucessivas seja menor que o parmetro
predefinido T.
[EX] Limiarizao global simples

T0 = min(I) = 0
Imagem I G1 = [2, 3, 6, 5, 3, 1, 1, 1, 6, 7, 6, 3, 5, 7, 3]
2 3 6 5 G2 = [0]
m1 = (2 + 3 + 6 + 5 + 3 + 1 + 1 + 1 + 6 + 7 + 6 + 3 + 5 + 7 + 3) / 15 = 59 / 15 = 3.9334
3 1 1 1
m2 = 0 / 1 = 0
6 7 6 3 T1 = (3.9334 + 0) / 2 = 1.9667
5 7 0 3 |T1 T0| = 1.9667 > T, ento nova iterao
T1 = 1.9667
T0 = min(I) = 0 G1 = [2, 3, 6, 5, 3, 6, 7, 6, 3, 5, 7, 3]
T = 0.001 G2 = [1, 1, 1, 0]
m1 = (2 + 3 + 6 + 5 + 3 + 6 + 7 + 6 + 3 + 5 + 7 + 3) / 12 = 56 / 12 = 4.6667
m2 = (1 + 1 + 1 + 0) / 4 = 3 / 4 = 0.75
T2 = (4 + 0.75) / 2 = 2.7084
|T2 T1| = |2.7084 1.9667| = 0.7417 > T, ento nova iterao


T2 = 2,70835
Imagem I
G1 = [3, 6, 5, 3, 6, 7, 6, 3, 5, 7, 3]
2 3 6 5 G2 = [2, 1, 1, 1, 0]
3 1 1 1 m1 = (3 + 6 + 5 + 3 + 6 + 7 + 6 + 3 + 5 + 7 + 3) / 11 = 54 / 11 = 4.909
6 7 6 3 m2 = (2 + 1 + 1 + 1 + 0) / 5 = 1
5 7 0 3 T3 = (4.909 + 1) / 2 = 2.9545
|T3 T2| = 2.5 2.9545 = 0.125 > T, ento nova iterao
T0 = min(I) = 0 T3 = 2.9545
T = 0.001 G1 = [3, 6, 5, 3, 6, 7, 6, 3, 5, 7, 3]
G2 = [2, 1, 1, 1, 0]
Imagem I m1 = (3 + 6 + 5 + 3 + 6 + 7 + 6 + 3 + 5 + 7 + 3) / 11 = 54 / 11 = 4
2 3 6 5 m2 = (2 + 1 + 1 + 1 + 0) / 5 = 1
T4 = (4 + 1) / 2 = 2.5
|T3 T2| = 2.5 2.5 = 0.0 <= T, ento, fim do algoritmo.
3 1 1 1
6 7 6 3
5 7 0 3
(a) Impresso digital ruidosa.

(b) Histograma da imagem em (a).
(c) Segmentao resultante usando o algoritmo de limiarizao global simples. O algoritmo
obteve o limiar T = 125,4 aps trs iteraes, comeando com T = m (a mdia de intensidade
da imagem) e usando T = 0.

Mtodo de Otsu
Mtodo de Otsu
O algoritmo timo no sentido que maximiza a varincia
entre as classes
O mtodo se baseia inteiramente em clculos realizados
sobre o histograma normalizado da imagem
Um arranjo 1D.
Mtodo de Otsu
Calcular o histograma normalizado da imagem de entrada:
Designar os componentes do histograma como pi, i = 0, 1, ..., L-1.
Calcular as somas acumuladas, P1(k), para k=0, 1, 2, ..., L-1, de acordo com:
4- 5 = 98:; 78
Calcular as mdias acumuladas m(k), para k=0, 1, 2, ..., L-1, de acordo com:
/ 5 = 98:; <78
Calcular a intensidade mdia global, mG, de acordo com:
/? = @A-
8:; <78
Calcular a varincia entre classes, BC. (5), para k=0, 1, 2, ..., L-1, de acordo com:
EF GH 9 AE(9) J
BC. = 4- (/- /? ). +4. (/. /? ). , reescrita como: BC. 5 =
GH (9) -AGH (9)
O limiar de Otsu, k*, valor de k para o qual BC. 5 mxima.
Se ocorrer mais de uma mxima, K* a mdia dos valores de k correspondentes
Obter a medida de separabilidade, *, considerando k = k* na equao:
J
LM (9)
K 5 = J , em que: B?. = @A-
8:; (< /? ) 78
.
LF

[EX] Mtodo de Otsu

9 9 @A- /? 4- 5 /(5) .
4- 5 = _ 78 / 5 =_ <78 /? = _ <78 BC. 5 =
8:; 8:; 8:; 4- (5) 1 4- (5)
BC. (5) @A-
K 5 = , em que: B?. = _ (< /? ). 78
B?. 8:;
2 3 6 5 i hi pi P1(k) m(k) NPO (Q) (R SU )P VR
3 1 1 1 0 1 0.0625 0.0625 0.0 0.906510 0.000000

6 7 6 3 1 3 0.1875 0.2500 0.1875 2.876302 0.123779
5 7 0 3 2 1 0.0625 0.3125 0.3125 3.283026 0.177979
3 4 0.2500 0.5625 1.0625 4.159288 0.938477
4 0 0.0000 0.5625 1.0625 4.159288 0.000000
2 3 6 5
5 2 0.1250 0.6875 1.6875 3.344389 1.371582
3 1 1 1
6 3 0.1875 0.8750 2.8125 1.567522 1.905029
6 7 6 3
7 2 0.1250 1.0000 3.6875 ---- 1.371582
5 7 0 3
1 NPU = 4.516846
Q =
3 + 4 = \. ^ SU = 3.6875
2 W(Q) = 0.920839
[EX] Limiarizao usando o mtodo de Otsu
(a) Imagem original.

(b) Histograma (os picos elevados foram cortados para realar os detalhes nos valores mais
baixos).
(c) Resultado da segmentao utilizando o algoritmo global bsico.
(d) Resultado obtido pelo mtodo de Otsu.
Usando a suavizao para melhorar a limiarizao global
(a) Imagem ruidosa.

(b) Histograma da imagem em (a)
(c) Resultado obtido pelo mtodo de Otsu.
(d) Imagem ruidosa suavizada usando uma mscara de mdia de tamanho 5 5 e
(e) Histograma da imagem em (d).
(f) Resultado da limiarizao pelo mtodo de Otsu.
Usando as bordas para melhorar a limiarizao global

Viso geral do algoritmo sobre a imagem f(x,y):
1. Calcular a imagem de borda f(x,y):
Magnitude do gradiente.
Valor absoluto do laplaciano.
2. Especificar um valor de limiar, T:
Utilizar um valor alto, prximo de 100 % do maior valor de
intensidade.
3. Limiarizar a imagem resultante de (1) utilizando o limiar T:
Gera uma imagem binria.
4. Calcular o histograma utilizando apenas os pixels de f(x,y) nas
posies correspondentes aos pixels da imagem binria obtida
em (3).
5. Use o histograma obtido em (5) para segmentar f(x,y)
globalmente utilizando algum mtodo de limiarizao.
Por exemplo, o mtodo de Otsu.

[EX] Usando o gradiente para melhorar a limiarizao global
(a) Imagem ruidosa.

(c) Resultado obtido pelo mtodo de Otsu.
(d) Imagem ruidosa suavizada usando uma mscara de mdia 5 5.
(e) Histograma da imagem em (d).
(f) Resultado da limiarizao pelo mtodo de Otsu. A limiarizao falhou em ambos os casos.
[EX] Usando o gradiente para melhorar a limiarizao global
(a) Imagem ruidosa.

(c) Imagem da magnitude do gradiente limiarizada no percentil 99,7.
(d) Imagem formada como produto de (a) e (c).
(e) Histograma dos pixels diferentes de zero na imagem em (d).
(f) Resultado da segmentao da imagem (a) com o limiar de Otsu baseado no histograma de (e). O limiar
foi de 134, que fica aproximadamente a meio caminho entre os picos no histograma.
[EX] Usando o laplaciano para melhorar a limiarizao global
(a) Imagem das clulas de levedura.

(b) Histograma de (a).
(c) Segmentao de (a) com o mtodo de Otsu, utilizando o histograma em (b).
(d) Laplaciano absoluto limiarizado.
(e) Histograma dos pixels diferentes de zero no produto de (a) e (d).
(f) Imagem original limiarizada utilizando o mtodo de Otsu baseado no histograma de (e).
Limiares mltiplos
Baseado no mtodo automtico de determinao de limiar
de Otsu:
Pode-se estender para um nmero arbitrrio de limiares.
Para o caso de K classes: K = C1, C2, ..., CK.
A varincia entre as classes dada por
BC. = 9:- 49 (/9 /? ).
Em que:
-
49 = 8cd 78 e /9 = <7
Gd 8cd 8
As K classes so separadas por K-1 limiares, cujos valores

maximizam a varincia entre as classes (equao anterior).

Limiares mltiplos
Esta abordagem s vivel para, no mximo, trs classes (dois
limiares).
Para trs classes, a varincia entre classes :
BC. = 4- (/- /? ). + 4. (/. /? ). + 4f (/f /? ).
em que :
9 9
4- = 8:;
H
78 , 4. = 8:9
J
H g- 78 e 4f = @A-
8:9J g- 78
- 9H - 9J - @A-
/- = <7 , /. = <7 e /f = <7
GH 8:; 8 GH 8:9H g- 8 GH 8:9J g- 8
E os limiares (k1* e k2*):

BC. (5- , 5. ) = mx BC. (5- , 5. )
;h`H h`J h@A-
Limiares mltiplos
Algoritmo:
1. Inicializa-se k1 em 1 (limiar em 0 no faz sentido)
O valor de k2 incrementado de k1+1 at L-2 (limiar em L-1 no faz
sentido).
2. O valor de k1 incrementado em 1. E k2 incrementado como antes.
3. O algoritmo termina quando k1= L 3:
O resultado uma matriz 2D, BC. (5- , 5. ).
4. Escolher o maior valor da matriz, os ndices correspondem k1* e k2*.
5. Mltiplos valores mximos, k1* e k2* so obtidos pelas mdias dos k1s
e k2s, correspondentes.
6. A medida de separabilidade, *, como no mtodo de Otsu.
j %& ' !, " > 5-

!, " = ik %& 5- < '(!, ") 5.
l

%& ' !, " 5.

[EX] Limiares mltiplos

2 3 6 5 BC. = 4- (/- /? ). + 4. (/. /? ). + 4f (/f /? ).
9 9
4- = 8:; 78 , 4. = 8:9 7 e 4f = @A-
8:9J g- 78
3 1 1 1
H J
6 7 6 3 H g- 8
5 7 0 3
- 9H - 9J - @A-
/- = <7 , /. = <7 e /f = <7
L=8 GH 8:; 8 GH 8:9H g- 8 GH 8:9J g- 8
NPO
k1, k2 2 (k1+1) 3 4 5 6 (L-2)
i hi pi 1 BC. (k1=1, k2=2) BC. (k1=1, k2=3) BC. (k1=1, k2=4) BC. (k1=1, k2=5) BC. (k1=1, k2=6)
0 1 0.0625 2 ----- BC. (k1=2, k2=3) BC. (k1=2, k2=4) BC. (k1=2, k2=5) BC. (k1=2, k2=6)
3 ----- ----- BC. (k1=3, k2=4) BC. (k1=3, k2=5) BC. (k1=3, k2=6)
1 3 0.1875
4 ----- ----- ----- BC. (k1=4, k2=5) BC. (k1=4, k2=6)
BC. (k1=5,
2 1 0.0625
5 (L-3) ----- ----- ----- ----- k2=6)
3 4 0.2500
4 0 0.0000
Suponha que a maior variancia ocorra na posio k1=2 e K2=5.
Ento os limiares K1* e k2* so e e 5 respectivamente. 2 3 6 5
5 2 0.1250 3 1 1 1
0 %& ' !, " 5- 6 7 6 3
!, " = q1 %& 5- < '(!, ") 5.
6 3 0.1875
5 7 0 3
2 %& ' !, " > 5.
7 2 0.1250
[EX] Limiarizao global mltipla
(a) Imagem de um iceberg.

(c) Imagem segmentada em trs regies usando os limiares duplos de Otsu.

Limiarizao varivel
Algumas situaes o pr-processamento utilizando
suavizao ou informao sobre bordas no suficiente
para gerar uma segmentao por limiariarizao adequada.
til em situaes de iluminao no uniforme.
Limiarizao varivel por particionamento da imagem
(a) Imagem ruidosa e sombreada.

(b) Histograma da imagem em (a)
(c) Segmentao de (a) utilizando o algoritmo iterativo global.
(d) Resultado obtido utilizando o mtodo de Otsu.
(e) Imagem subdividida em seis subimagens.
(f) Resultado da aplicao do mtodo de Otsu individualmente para cada subimagem.
Histogramas das seis subimagens da imagem mostrada da figura anterior.

Calcular o limiar para cada ponto da imagem (x,y) de acordo com
propriedades da sua vizinhana Sxy:
Por exemplo:
A mdia mxy e o desvio padro xy da vizinhana Sxy centrada no pixel (x,y).
Duas formas comuns de utilizar essas propriedades:

(rs = jBrs + k/rs ou (rs = jBrs + k/?
em quem a e b so constantes no negativas.
A imagem segmentada, para cada pixel (x,y), considerando a sua

vizinhana Sxy, como:
1 %& ' !, " > (rs
!, " = i
0 %& ' !, " (rs

ou com um pequeno aumento no custo computacional:

1 %& ' !, " > jBrs u ' !, " > k/rs
!, " = #
0 lj%w lwyz{{<w


(a) Imagem das clulas de levedura.

(b) Imagem calculada com o desvio padro local xy para todos (x, y) da imagem de entrada
usando uma vizinhana do tamanho de 3 3.
(c) Resultado obtido utilizando a limiarizao local considerando a imagem de desvios padro
local e mdia global utilizando a equao:
1 %& ' !, " > jBrs u ' !, " > k/rs
!, " = #
0 lj%w lwyz{{<w
, em que a = 30 e b = 15.
Exerccios
Considere as imagens artificiais com L=8:
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 2 5 7 0 0 7 7 0 5 5 5 1 1 2 2
0 2 5 7 6 5 6 7 0 5 5 5 1 1 2 2
0 2 5 7 7 6 6 7 0 5 5 5 3 3 2 2
0 2 1 0 0 1 0 0 0 0 6 4 0 0 2 0
0 2 1 1 1 2 1 0 0 0 3 6 0 0 4 0
0 1 2 1 0 2 1 0 0 1 2 1 7 7 1 7
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2

Exerccios
1. Aplique a segmentao iterativa sobre as imagens com T e :
a) Tinicial = mdia(I)
b) Tinicial = mnimo(I)
c) Tinicial = mximo(I)
2. Aplique o algoritmo de Otsu nas imagens.
3. Aplique a limiarizao local de Otsu por particionamento da

imagem. Particione a imagem em quatro.
BIBLIOGRAFIA
1. GONZALEZ, R.C.; WOODS, R.E. Processamento de Imagens
Digitais. 3. ed. Pearson, 2010.
Captulo 10
2. GONZALEZ, R.C.; WOODS, R.E. Processamento de Imagens
Digitais. 1. ed. Edgard Blucher, 2000.
Captulo 10

[FIM]
FIM:
[Aula 07] Segmentao de imagens - Limiarizao
Prxima aula:
[Aula 08] Segmentao de imagens - Regies

Aula 07 Segmentacao de Imagens Limiarizacao 201712 X 1

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 07 Segmentacao de Imagens Limiarizacao 201712 X 1

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade Federal de Viosa Campus Rio Paranaba SIN 392 - Processamento Digital de Imagens (2017-1)

[Aula 07] Segmentao de imagens

Prof. Joo F. Mari

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 2

GONZALEZ, R.C.; WOODS, R.E.; Processamento digital de

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 3

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 4

Limiarizao local (varivel ou regional):

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 5

O rudo na limiarizao de imagens

(a) Imagem de 8 bits livre de rudo.

Limiarizao global simples

[EX] Limiarizao global simples

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 8

[EX] Limiarizao global simples

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 9

[EX] Limiarizao global simples

(a) Impresso digital ruidosa.

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 10

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 11

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 12

[EX] Mtodo de Otsu

2 3 6 5 i hi pi P1(k) m(k) NPO (Q) (R SU )P VR

3 1 1 1 0 1 0.0625 0.0625 0.0 0.906510 0.000000

[EX] Limiarizao usando o mtodo de Otsu

(a) Imagem original.

Usando a suavizao para melhorar a limiarizao global

(a) Imagem ruidosa.

Usando as bordas para melhorar a limiarizao global

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 16

[EX] Usando o gradiente para melhorar a limiarizao global

(a) Imagem ruidosa.

[EX] Usando o gradiente para melhorar a limiarizao global

(a) Imagem ruidosa.

[EX] Usando o laplaciano para melhorar a limiarizao global

(a) Imagem das clulas de levedura.

As K classes so separadas por K-1 limiares, cujos valores

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 20

E os limiares (k1* e k2*):

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 21

j %& ' !, " > 5-

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 22

[EX] Limiares mltiplos

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 23

[EX] Limiarizao global mltipla

(a) Imagem de um iceberg.

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 24

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 25

Limiarizao varivel por particionamento da imagem

(a) Imagem ruidosa e sombreada.

Limiarizao varivel por particionamento da imagem

Histogramas das seis subimagens da imagem mostrada da figura anterior.

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 27

Limiarizao varivel por particionamento da imagem

Duas formas comuns de utilizar essas propriedades:

A imagem segmentada, para cada pixel (x,y), considerando a sua

ou com um pequeno aumento no custo computacional:

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 28

Limiarizao varivel por particionamento da imagem

(a) Imagem das clulas de levedura.

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 29

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 30

2. Aplique o algoritmo de Otsu nas imagens.