Visin de Mquina

Ingeniera en Automtica Industrial

Procesamiento de Imgenes
PRE
PROCESAMIENT
O

imagen
de
entrada

SEGMENTACI
N

Imagen
acondicionad
a

EXTRACCIN DE
CARACTERSTICA
S

objetos
separad
os

INTERPRETACI
N

Patrn de
caracterstica
s

RECONOCIMIENT
O CLASIFICACIN

DE LA ESCENA

A la aplicacin

tipos de objeto

Extraccin de Caractersticas
Para reconocer un objeto de la imagen es

necesario extraer caractersticas que permitan

representarlo y describirlo matemticamente.

Descripcin matemtica del/os objeto/s:

Color
Tamao
Posicin

Vector de caractersticas

Descripcin de Objetos
Externa: Se describe la frontera del objeto
Interna : Se describe el interior del objeto

Requisitos de la descripcin:
nica
Completa: No debe presentar ambigedades
Invariante frente a transformaciones geomtricas:
Rotacin, traslacin, escalado y reflexin
Sensible: Reflejar diferencias entre objetos
similares
Abstracta: Refleja lo esencial del objeto no lo
accesorio

Tipos de Descriptores
Descripcin del Contorno

Cdigos de cadena
Aproximacin polinomial
Representacin polar
Esqueletizacin
Descriptores de Fourier

Descripcin de Regin

Momentos
Descriptores topolgicos
Textura

Descripcin de Similitud: Correlacin

DESCRIPTORES DEL CONTORNO

Visin de Mquina
Ingeniera en Automtica Industrial

Cdigos de Cadena
Objetivo: Representar la frontera del objeto
La frontera del objeto es una serie de 1s

conectados sobre 0s (imagen binaria).

Se codifica la direccin de avance para llegar al
vecino

Cdigos de Cadena
Problema: Depende del punto de comienzo
Solucin: Se rota el punto de comienzo de la cadena hasta

conseguir el menor entero.

Ventajas del cdigo de cadena
Es invariante a traslacin
Se puede conseguir invarianza a escalado. Muestreo
adecuado del borde.
Se puede conseguir invarianza a rotacin. Mediante la
definicin de una codificacin incremental
2 bits por pixel en vecindad a 4, 3 bits por pixel en
vecindad a 8
Facilita el clculo de: Permetro, Largo y Ancho

Aproximacin Polinomial
Aproximacin de un contorno por un polgono

Procedimiento
Se aproxima la frontera por segmentos lineales
Algoritmos iterativos complejos
Umbral de error
Exigente: demasiados lados
Poco exigente: aproximacin tosca
Resultado
Polgono similar al contorno real

Aproximacin Polinomial
Tcnica de Fusin:
Se ajustan los puntos de un contorno mediante

una recta hasta que el error cometido en el ajuste

supere un umbral preestablecido.

Problema en las esquinas

Aproximacin Polinomial
Tcnica Divisin Recursiva:
El proceso comienza detectado el eje de mayor

elongacin y prosigue aadiendo vrtices hasta

obtener una cierta precisin prefijada.

Representacin Polar
Representacin de la frontera del objeto como una

funcin polar unidimensional.

Mapa de las coordenadas polares de la frontera

tomando como origen el centro de masa del

objeto.

Representacin Polar
Invariante frente a la posicin del objeto
Invarianza al tamao: Dividir la funcin por la

distancia mxima al centroide de forma que la

distancia mxima resulte uno.
Invarianza ante el ngulo de comienzo: Comenzar

por el ngulo cuya distancia es mxima

Inconveniente: Mtodo muy sensible respecto a la

posicin del centroide

Esqueletizacin
Esqueleto (eje medial) (Medial Axis transform

MAT):
Se define el esqueleto como el conjunto de

pixeles equidistantes de la frontera del objeto.

Sirve de base para la descripcin estructural del
objeto y su reconocimiento.

Esqueletizacin
Es robusto frente a ruido,
Invariante a translacin y rotacin.
El escalado no varia su estructura
Es bastante robusto frente a deformaciones.

Descriptores de Fourier
Coeficientes de Fourier de la frontera. Se basan

en la transformacin de la secuencia de puntos

frontera considerados como nmeros complejos.
s (k ) x(k ), y (k ) , k 0,1, 2,..., N
s (k ) x(k ) jy (k )
Con transformada discreta de Fourier
1
a (u )
N

N 1

s(k ) exp j 2 uk / N
k 0

N 1

s ( k ) a (u ) exp j 2 uk / N
u 0

s(k )

M 1

a(u ) exp j 2 uk / N
u 0

Descriptores de Fourier
Ejemplo de reconstruccin de la frontera usando

descriptores de Fourier

Original
M=64

M=2

M=4

M=8

M=16

M=61

M=62

Descriptores de Fourier
Propiedades de los descriptores de Fourier
Invarianza ante:

Traslacin
Rotacin
Escalado
Cambio en el punto de comienzo

DESCRIPTORES DE REGIN
Visin de Mquina
Ingeniera en Automtica Industrial

Descriptores de Regin
Objetivo: Extraer caractersticas a partir de la

informacin aportada por todos los pxeles del

objeto, no slo con los del contorno.
Tipos:
Momentos
Descriptores Topolgicos
Textura

Descriptores de Regin
Permetro P es el numero de pxeles que pertenecen

al objeto y que, al menos, tienen un vecino que

pertenece al fondo.
Area es el numero de pixels para los cuales I(x; y) = 1

La compactacion da una medida de la dispersion del

objeto, por ejemplo, el circulo, que tiene un valor

unidad, es la forma con valor mas pequeo. El inverso
es la circularidad.

Momentos
La geometra de una regin plana se basa en el
tamao, la posicin, la orientacin y la forma. Todas
estas medidas estn relacionadas con una familia
de parmetros llamada momentos.
Los momentos de orden p + q de una imagen f(x, y)
son
N 1 N 1

m pq x p y p f ( x, y )
x 0 y 0

p, q 0, 1, 2

Momentos
Se puede demostrar que dada una funcin f(x,y)

existe un nico conjunto de momentos generales

que la definen y viceversa.

En la prctica se comprueba que una cantidad

menor de momentos puede describir cualquier

funcin f(x,y) con suficiente precisin. La
determinacin del nmero de momentos
necesarios es particular a cada caso de estudio.

Momentos de orden cero y uno

El momento de orden cero (p=q=0) coincide con

el rea del objeto descrito.

N 1 N 1

m00 f ( x, y )
x 0 y 0

Los momentos de orden uno (p=0, q=1 y p=1,

q=0), junto al de orden cero, determinan el centro

de gravedad de los objetos.
N 1 N 1

m10 xf ( x, y )
x 0 y 0

m
x 10
m00

N 1 N 1

m01 yf ( x, y )
x 0 y 0

m01
y
m00

Momentos Centrales
Los momentos generales se pueden hacer

invariantes a las traslaciones. Para ello basta con

referirlos al centro de gravedad del objeto, es
decir a los momentos de orden cero y uno. Estos
momentos, que se conocen como momentos
centrales, tienen la siguiente forma:
pq

x x y
y

x
y

f x, y

Momentos Centrales
Los momentos centrales se pueden poner en

funcin de los no centrales,

0
0

00 x x y
y f x, y f x, y m00

x
y
i
j

m
10 x x f x, y m10 10 m00 0
m00

x
y

m10 m01

11 x x y
y f x, y m11
m00

x
y

02 x x y
y

x
y

2m102 2m102
m102

20 x x y
y f x, y m20

m20
m00
m00
m00

x
y

2
m01
f x, y m02
m00

Invarianza al Escalado
Para conseguir, adems, invarianza ante

escalados, se definen los momentos centrales

normalizados:

pq

pq

00

pq
1 ,
2

para p q 2, 3

Momentos Invariantes
De los momentos segundo y tercero se deriva un

conjunto de siete momentos invariantes a

traslaciones, rotaciones y cambios de escala (Hu,
1962)
1 20 02
2 20 02 4112
2

3 30 312 3 21 03
2

4 30 12 21 03
2

Momentos Invariantes

5 30 3 12 30 12 30 12 3 21 03

3 21 03 21 03

12 21 03
2

30

2
2

6 20 02 30 12 21 03 411 30 12 21 03
2

7 3 21 30 30 12 30 12 3 21 03
2

3 21 30 21 03 3 30 12 2 21 03 2

Los siete momentos obtenidos son los valores que conforman el vector
de caractersticas

Descriptores Topolgicos
Descripcin global de regiones en la imagen, es

decir, propiedades que no se ven afectadas por

deformaciones:
Nmero de agujeros
Nmero de componentes conexas: Objeto tal que

cualquier par de puntos internos pueden ser

enlazados con una curva totalmente contenida en
l
Nmero de Euler

Descriptores Topolgicos
Ejemplo de nmero de Euler

Textura
La textura de un objeto es el conjunto de formas

que se aprecia sobre su superficie y que lo dota

de cierto grado de regularidad.
Una definicin clsica de textura es la siguiente:

uno o ms patrones locales que se repiten de

manera peridica.

Textura
Caracterizar la distribucin espacial de los niveles de

gris en una regin a partir de los momentos de su

histograma.
L

n zi z p( zi )
n

i 1

z es la intensidad de un pxel genrico y p(zi) es su

histograma.
0=1, 1=0,
2 (Varianza): Da una medida del contraste del objeto
3: Mide el sesgo del histograma
4: Uniformidad del histograma

DESCRIPTORES DE SIMILITUD
Visin de Mquina
Ingeniera en Automtica Industrial

Correlacin
Objetivo: Obtener una medida de similitud entre los

objetos de la imagen y un modelo o patrn conocido,

R (m, n) f ( x, y ) w( x m, y n)
x

La correlacin as definida es
mxima en cualquier regin uniforme de nivel
mximo (255)

Correlacin Normalizada

r (m, n)

f ( x, y ) f ( x, y )

f ( x, y ) f ( x, y )

x
y

w(m x, n y ) w

x y w(m x, n y ) w

r(m,n) es un valor real entre -1 y 1 que alcanza su

valor mximo donde coincida w con f.