Você está na página 1de 17

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


[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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

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

[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

Limiarizao
Limiarizao de imagens
Tem uma posio central nas aplicaes de segmentao de
imagens
Facilidade de implementao
Velocidade computacional

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


[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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.

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

[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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.
Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 6
[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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.
Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 7

[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

[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

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


[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

[EX] Limiarizao global simples


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

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

[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

[EX] Limiarizao global simples

(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.

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


[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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.

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

[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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

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


[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

[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
Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 13

[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

[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.
Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 14
[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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.
Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 15

[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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.

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


[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

[EX] Usando o gradiente 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 5 5.
(e) Histograma da imagem em (d).
(f) Resultado da limiarizao pelo mtodo de Otsu. A limiarizao falhou em ambos os casos.
Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 17

[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

[EX] Usando o gradiente para melhorar a limiarizao global

(a) Imagem ruidosa.


(b) Histograma da imagem em (a).
(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.
Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 18
[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

[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).
Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 19

[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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).

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


[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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-

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

[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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.

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


[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

[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

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

[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

[EX] Limiarizao global mltipla

(a) Imagem de um iceberg.


(b) Histograma da imagem em (a).
(c) Imagem segmentada em trs regies usando os limiares duplos de Otsu.

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


[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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.

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

[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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.
Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 26
[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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

[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

Limiarizao varivel por particionamento da imagem


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

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


[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

Limiarizao varivel por particionamento da imagem

(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.

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

[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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

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


[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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.

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 31

[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 32


[Aula 07] Segmentao de imagens - Limiarizao SIN 392 - Processamento Digital de Imagens (2017-1)

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

Prof. Joo Fernando Mari ( joaof.mari@ufv.br ) 33