Segmentación Representación segmentada: aquella en que los puntos que comparten una misma propiedad son agrupados para formar regiones. Segmentación:

Presentación del tema: "Segmentación Representación segmentada: aquella en que los puntos que comparten una misma propiedad son agrupados para formar regiones. Segmentación:"— Transcripción de la presentación:

1 Segmentación Representación segmentada: aquella en que los puntos que comparten una misma propiedad son agrupados para formar regiones. Segmentación: proceso de particionar una imagen (conjunto de datos) en regiones (subconjuntos) sin traslape (conjuntos disjuntos = intersección vacía), de acuerdo a un criterio de homogeneidad; los pixeles de cada región comparten una o más propiedades puntuales, locales o globales (v.g. atributo de intensidad está en un intervalo de grises, o bien tienen una textura similar).

2 Análisis, cuantificación, extracción de rasgos:
Segmentación: en dominio espacial transformaciones imagen-a-imagen posible uso de información a priori Análisis, cuantificación, extracción de rasgos: en dominio espacial, espacios de escala transformaciones imagen-a-parámetros Reconocimiento y Clasificación de Patrones: en dominio de espacio paramétrico transformaciones de parámetros a decisiones estadística intensiva, modelos probabilísticos significatividad, interpretación, disciplinas aplicadas

3 Criterio de segmentación: valor de attributo > 128
Atributo puede ser valor de gris o un parámetro

4 Criterio de segmentación: valor de attributo > 128
Atributo puede ser valor de gris o un parámetro

5 Criterio de segmentación: textura con coherencia y orientación
Atributo local: rasgos texturales

6 Criterio de segmentación: textura con coherencia y orientación
Atributo local: rasgos texturales

7 Criterio de segmentación: ruido con distribución gaussiana con desviación estándar mayor a 50. Atributo paramétrico local

8 Criterio de segmentación: ruido con distribución gaussiana con desviación estándar mayor a 50. Atributo paramétrico local

9 Criterio de segmentación: en azul claro, región de alta densidad de
bolas (o separación < R) (propiedad paramétrica)

10 Criterio de segmentación: en azul claro, región de alta densidad de
bolas (o separación < R) (propiedad paramétrica)

11 Criterio de segmentación: en azul claro, región de bolas con traslape
(conectividad: propiedad topológica)

12 Criterio de segmentación: en azul claro, región de bolas con traslape
(conectividad: propiedad topológica)

13 Criterio de segmentación: en azul claro, región de elipses
(forma: propiedad morfológica)

14 Criterio de segmentación: en azul claro, región de elipses
(forma: propiedad morfológica)

15 Criterio de segmentación: en azul claro, elipses inclinadas
(orientación: propiedad de posición o configúración)

16 Criterio de segmentación: en azul claro, elipses inclinadas
(orientación: propiedad de posición o configúración)

17 Criterio de segmentación: en azul claro, región de bolas grandes
propiedad morfométrica

18 Criterio de segmentación: en azul claro, región de bolas grandes
propiedad morfométrica

19 Criterio de segmentación: en azul claro, región de bolas grandes A
con ‘satélites’ B,C… tales que RA>3RB,C y separación dA-B <  (propiedad de configuración o patrón)

20 Criterio de segmentación: en azul claro, región de bolas grandes A
con ‘satélites’ B,C… tales que RA>3RB,C y separación dA-B <  (propiedad de configuración o patrón)

21 Criterio de segmentación: mediante Morfología Matemática,
Segmentación por Vertientes (watershed), notar que se separa en componentes más o menos convexas (se controla grado de convexidad)

22 Criterio de segmentación: conocimiento a priori (extrínseco) no presente en la imagen. Separación en líneas punteadas en rojo, por ejemplo estructuras anatómicas distinguibles por criterios no visuales.

23 Tipos segmentación y elementos asociados :
Por criterio de intensidad (v.g. Umbralaje) Por propiedad global, regional o local: texturas diferentes, estadísticas de distribución de niveles de gris diferentes. Por criterios morfológicos, de configuración o relaciones dadas Por delimitación de objetos: bordes  contornos - detección de bordes En función de la escala: Por propiedades de objetos a escalas diferentes (“visibilidad” de componentes, de acuerdo a criterio de Nyquist). Resultado genérico: separación en componentes conexas y posiblemente contorno, hay 2 tipos, implícitos: pixeles etiquetados (por ejemplo tras un filtro laplaciano), y explícitos: listas de vértices (vectorizado)  análisis)

24 Representación Geométrica Representación Morfológica
Representaciones Primitivas Contornos Regional Isocontornos y curvas de nivel Líneas de cresta (curvatura atributo) Discontinuidades Esqueletos (de regiones) Grafos (relaciones) Fronteras 2D y 3D frontera discreta (voxeles o facetas) Interfaces (superficie que separa) Mallados poligonales Elemento frontera Elemento Finito Puntos Pixeles Voxeles Facetas Polígonos (mallas) Poliedros (sólidos) Sistemas de Partículas Texeles Códigos Segmentada - Etiquetas/Clases Conjuntos de nivel Jerárquica Textural Dominios (Markov – energía mínima) Representación Geométrica Representación Morfológica Representación Semántica

25 Análisis Extracción de rasgos y características
Distribución de valores de atributos Detección de bordes y discontinuidades Análisis regional Histogramas de atributos o predicados Locales Globales Estadísticas locales o globales Análisis en dominios de transformada (proyección en base de funciones): Fourier: frecuencia espacial (espectro) Bancos de filtros Ondeletas (espacio-frecuencia espacial) Puntos característicos Bordes y transciciones (interfaces) Líneas de cresta, o de inflexión Contornos (bordes cerrados) Distribución estadística Textura Distribución de valores de atributos por región Morfometría Relaciones entre regiones Adyacencia y conectividad  Isocontornos y curvas de nivel  Conjuntos de nivel  Regiones delimitadas por contornos (flood)  Extracción del contorno de cada región  Bordes (interfaces) entre regiones

26 Detección de Bordes Segmentación
Por Contornos Por Regiones Otros Métodos Métodos Locales (gradiente) Métodos Globales (dom. Fourier) Seguimiento y poligonalización Contornos activos (deformables) Sensores (frontera entre regiones) Transformada de Hough (geom.) Ajuste de modelos de forma Representaciónes por contornos Códigos cadena Umbralaje binario/multinivel Criterios de homogenidad: Estadística Textural Espectro de Fourier Predicados de color Predicados de forma Predicados de configuración Dimensión fractal Crecimiento de regiones Multi-resolución (pirámides) Métodos de Morfología Matemática Métodos Bayesianos Métodos Markovianos Redes Neuronales Detección de Rasgos: puntos, bordes, esquinas, manchas, rectas, círculos, formas

27 Image Segmentation Methods
Clustering methods Pixel-based methods Histogram-based methods  Thresholding Edge detection – Contour tracking Region growing methods and split/merge Level set methods Graph partitioning methods Watershed transformation – watershed segmentation Model based segmentation Multi-scale segmentation Semi-automatic segmentation Neural networks segmentation

28 Segmentation Paradigms
Gray level (scalar) segmentation Color, multi-channel and vector segmentation Multi-level segmentation 3D segmentation – surface tracking

29 Dualidad Región/Borde
A B r Ventana Orientada

30 t-Test (different means)
F-Test (different variances)  2-Test (different distributions)

31 Dualidad Contornos  Regiones
C = R Contorno o frontera de la región R Teorema de Gauss (o de Ostrodgraskii, o de la Divergencia Relaciona cálculos integrales en un volumen (región R) con cálculos integrales sobre su frontera C = R