Escolar Documentos
Profissional Documentos
Cultura Documentos
1 Segmentação
Detecção de Descontinuidades
Detecção de Pontos, Retas e Bordas
Operadores de Gradiente
Operador de Canny
Objetivo da segmentação:
I Dividir a imagem em partes significativas para determinada aplicação.
Área de pesquisa:
I Processamento de Imagens;
I Visão Computacional;
I Sensoreamento Remoto;
I entre outras.
w1 w2 w3
w = w4 w5 w6
w7 w8 w9
-1 -1 -1
h = -1 8 -1
-1 -1 -1
Um ponto é detectado na posição central da máscara se
|R| > T (2)
em que T é um limiar não-negativo e R é dado pela equação 1.
A partir do cálculo dessas diferenças ponderadas entre os valores do
ponto central e de seus vizinhos, um ponto é detectado se houver
uma discrepância entre seu valor de nı́vel de cinza e de seus vizinhos.
Quando a máscara h é posicionada sobre uma região homogênea da
imagem, ou seja, todos os pixels pertencentes à região possuem a
mesma intensidade, a resposta da máscara é nula (R = 0).
Prof. Fabio Augusto Faria (ICT/UNIFESP) Segundo Semestre de 2015 12 / 56
Detecção de Retas
-1 -1 -1 -1 -1 2 -1 2 -1 2 -1 -1
h1 = 2 2 2 h2 = -1 2 -1 h3 = -1 2 -1 h4 = -1 2 -1
-1 -1 -1 2 -1 -1 -1 2 -1 -1 -1 2
f1(x) f1(x)
x x
f2(x) f2(x)
x x
f ’(x) f’’(x)
x x
x x
tangente ao
ponto (x,y)
Dessa forma
π
θ =φ± (3)
2
O vetor gradiente ∇f(x, y ) de uma imagem na posição (x, y ) pode
ser calculado pelas derivadas parciais
∂f (x, y ) ∂f (x, y )
∇f(x, y ) = i+ j (4)
∂x ∂y
em que i e j são vetores unitários nas direções x e y , respectivamente.
Desse modo, uma variação rápida de f (x, y ) ao longo da direção x e
lenta ao longo da direção y indica a presença de uma borda
praticamente vertical.
f
∆
θ
(x,y) Gx
Prof. Fabio Augusto Faria (ICT/UNIFESP) Segundo Semestre de 2015 25 / 56
Operadores de Gradiente
f (x − 1, y − 1) f (x, y − 1) f (x + 1, y − 1)
f (x − 1, y ) f (x, y ) f (x + 1, y )
f (x − 1, y + 1) f (x, y + 1) f (x + 1, y + 1)
Figura : Região da imagem formada por 3 × 3 pixels.
1 0 0 -1
Gx = Gy = (9)
0 -1 1 0
-3 -3 5 -3 5 5 5 5 5 5 5 -3
-3 0 5 -3 0 5 -3 0 -3 5 0 -3
-3 -3 5 -3 -3 -3 -3 -3 -3 -3 -3 -3
Para cada pixel da imagem, o operador aplica cada uma das oito
orientações da máscara de derivadas e mantém o valor máximo.
Assim, o cálculo da magnitude do gradiente, mostrado no
algoritmo 23, não determina valores separados para Gx e Gy , o
gradiente de cada pixel é obtido pela maior resposta do conjunto de
oito máscaras.
Prof. Fabio Augusto Faria (ICT/UNIFESP) Segundo Semestre de 2015 33 / 56
Operadores de Gradiente
1 0 -1 0 -1 -2 -1 -2 -1 -2 -1 0
2 0 -2 1 0 -1 0 0 0 -1 0 1
1 0 -1 2 1 0 1 2 1 0 1 2
-1 0 1 0 1 2 1 2 1 2 1 0
-2 0 2 -1 0 1 0 0 0 1 0 -1
-1 0 1 -2 -1 0 -1 -2 -1 0 -1 -2
w1 M1 + w2 M2 + ... + w9 M9
1 -2 1 -2 1 -2 1 1 1
M7 = -2 4 -2 M8 = 1 4 1 M9 = 1 1 1
1 -2 1 -2 1 -2 1 1 1
0 0 0 0 -1 0 0 -1 0
h1 = -1 2 -1 + 0 2 0 = -1 4 -1
0 0 0 0 -1 0 0 -1 0
-1 -4 -1
h2 = -4 20 -4
-1 -4 -1
3
!
1 −(x 2 + y 2 )
G (x, y ) = exp
2πσ 2 2σ 2
r2
1
G (r ) = exp − 2
2πσ 2 2σ
A derivada primeira, G 0 (r ), é
r2
r
G 0 (r ) = − exp −
2πσ 4 2σ 2
r2 r2
00 2 1
G (r ) = ∇ G (r ) = − 1 − 2 exp − 2
2πσ 4 σ 2σ
x2 + y2
2
x + y2
2 1
∇ G (x, y ) = − 1− exp − (18)
2πσ 4 σ2 2σ 2
−4 −2 0 2 4 r
x y −0.2
−0.4
0 0 -1 0 0
0 -1 -2 -1 0
h = -1 -2 16 -2 -1
0 -1 -2 -1 0
0 0 -1 0 0
Marr (1980) mostram que uma boa escolha é σ2 /σ1 = 1.6, para que
o operador se aproxime do Laplaciano do Gaussiano.
0 0 -1 -1 -1 0 0
0 -2 -3 -3 -3 -2 0
-1 -3 5 5 5 -3 -1
h = -1 -3 5 16 5 -3 -1
-1 -3 5 5 5 -3 -1
0 -2 -3 -3 -3 -2 0
0 0 -1 -1 -1 0 0