Detectores de Borde. Extracción de Características Detección de Líneas. Detección de Puntos de Borde. Detección de Contornos.

Presentación del tema: "Detectores de Borde. Extracción de Características Detección de Líneas. Detección de Puntos de Borde. Detección de Contornos."— Transcripción de la presentación:

1 Detectores de Borde

2 Extracción de Características Detección de Líneas. Detección de Puntos de Borde. Detección de Contornos.

3 Puntos de Borde Puntos de la imagen en que hay un cambio brusco o discontinuidad en los valores de intensidad.

4 Métodos de Detección de Bordes –Operadores de gradiente. –Operadores de segunda derivada. –Múltiples respuestas a diferentes orientaciones. –Detector de Canny

5 Máscaras w1w1 w2w2 w 4 w 5 w3w3 w 6 w 7 w 8 w 9 Imagen de Entrada

6 Detección de Bordes Gonzales Wood Perfil Primera derivada Segunda derivada

7 Operadores de gradiente Se basan en calcular aproximaciones del gradiente:  f = (df/dx, df/dy)‏ Magnitud del gradiente:  f| = [ (df/dx) 2 + (df/dy) 2 ] 1/2

8 Aproximación del gradiente Se utiliza diferencia de valores de intensidad. Para una sección de 2 x 2: df/dx = I 1,2 - I 1,1 df/dy = I 2,1 - I 1,1 1,11,2 2,1 2,2

9 Aproximación del gradiente Otra opción es considerar las diferencias cruzadas: df/dx = I 1,1 - I 2,2 df/dy = I 1,2 - I 2,1 1,11,2 2,1 2,2

10 Aproximación del gradiente Podemos también considerar una sección de 3 x 3 y aproximar el gradiente de la siguiente forma: df/dx = ( I 1,3 + I 2,3 + I 3,3 ) - ( I 1,1 + I 2,1 + I 3,1 )‏ df/dy = ( I 3,1 + I 3,2 + I 3,3 ) - ( I 1,1 + I 1,2 + I 1,3 )‏ 1,11,2 2,1 2,2 1,3 2,3 3,13,23,3

11 Las aproximaciones anteriores se implementan como filtros espaciales (máscaras)‏ Operadores como el de Roberts, Prewitt y Sobel, se implementan con dos máscaras: una para dx y otra para dy, luego se hace una síntesis con ambas. Implementación Síntesis MáximoMínimo Promedio

12 Operadores de Roberts Corresponden a las diferencias cruzadas de 2 x 2 0 1 0 1 0 0

13 Ejemplo: Operador de Roberts

14 Operadores de Prewitt Corresponden a las diferencias en secciones de 3 x 3 0 0 0 1 1 1 0 0 1 1 0 1

15 Ejemplos con los operadores de Prewitt

16 Operadores de Sobel -2 0 0 0 1 2 1 0 -2 0 1 2 0 1

17 Ejemplos con operadores de Sobel

18 Comparación Prewitt Roberts Sobel

19 Operadores de segunda derivada Ejemplos de estos detectores son: –Laplaciano. –Laplaciano del Gaussiano (LOG). –Y luego buscar los cruces por cero.

20 Detector basado en el Laplaciano Laplaciano de una función de 2 variables:  2 f = (d 2 f/dx 2, d 2 f/dy 2 )‏ El cual se puede aproximar en forma discreta como:  2 f = 4 * I 2,2 - I 1,2 - I 2,1 - I 2,3 - I 3,2

21 Máscara para el operador Laplaciano 0 4 0 0 0

22 Ejemplo original Máscara Cruces por cero

23 Problema: Se observan muchos bordes falsos Solución: Evaluación Local de la varianza

24 Evaluación Local de la Varianza Estimación de la varianza:

25 Evaluación local de la varianza (cont.)‏ La varianza se compara con un umbral. Se calcula localmente, solo para aquellos puntos (n 1,n 2 ) para los cuales hay un cambio de signo en el laplaciano. Esto reduce la posibilidad de encontrar bordes falsos.

26 Ejemplos

27 Laplaciano del Gaussiano Combina el efecto de una suavizamiento gaussiano con el Laplaciano, en una sola máscara. El Laplaciano del Gaussiano (LOG) es:  2 G= (d 2 G/dx 2, d 2 G/dy 2 )‏ El cual también se puede aproximar con una máscara.

28 Máscara para el operador Laplaciano del Gaussiano 1-2 4 1 1 1

29 Ejemplos con operador LOG

30 Operadores direccionales A veces es útil conocer no sólo la magnitud del borde sino también su dirección: Esto se puede obtener con los operadores de de Prewitt y Sobel, así como con otros operadores direccionales más sofisticados

31 Operadores de Kirsch Detectan la máxima respuesta en direcciones espaciadas 45°, es decir en orientaciones de 0, 45, 90 y 135 grados - 4 máscaras Se pueden definir a diferentes tamaños: 2x2, 3x3, 5x5

32 Máscaras para operadores de Kirsch de 3x3 55 -3 0 5 5 5 0 5 55 5 0 5 0 55

33 Otros Detectores Al aplicar los detectores básicos de borde se tienen varios problemas, como: –Bordes estriados –Ruido –Bordes falsos Operadores más sofisticados utilizan técnicas para mejorar los resultados. Algunas son: –Detector de Canny –Detector de SUSAN

34 Canny 3 etapas: 1.Suavizamiento y diferenciación Convolución con una gaussiana Obtener las derivadas, dx, dy Calcular magnitud y dirección 2.Supresión de no máximos Eliminar bordes que no sean máximos en la dirección perpendicular al borde. Umbralización con Histéresis

35 Supresión de no máximos 1.Computar la magnitud de borde en 4 direcciones utilizando máscaras de borde. 2.Para cada pixel con magnitud de borde no cero, inspeccionar los pixels adyacentes indicados en la dirección de su borde. 3.Si la magnitud de cualquiera de los dos pixels adyacentes es mayo que la del pixel en cuestión, entonces borrarlo como borde.

36 Umbralización con histéresis Pueden ocurrir respuestas falsas a un borde causadas por ruido, formando un estriado. 1. Elegir dos umbrales t1,t2. 2. Marcar todos los pixels con magnitud mayor que t2 como correctos y los menores que t1 como incorrectos. 3.Los pixels cuya magnitud de borde está entre t1 y t2 y están conectados con un borde, se marca también como borde. La conectitud puede ser 4- conexo u 8 – conexo.

37 Ejemplo Canny Prewitt Sobel

38 S.U.S.A.N (Smallest Univaluate Segment Assimilating Nucleus)‏ 1.Ubicar una máscara circular alrededor de cada pixel. 2. Calcular la cantidad de pixels dentro de la máscara que tienen el mismo nivel de gris que el núcleo, salvo un umbral. r 0 pixel central r otro pixel dentro de la máscara. t=27

39 Susan r 0 no es un borde r 0 es un borde r 0 es una esquina

40 Susan: Ventajas 1.Detecta bordes y esquinas. 2. No usa derivadas. 3.No necesita eliminar el ruido. 4. Usa una máscara circular de 37 pixels.

41 Ejemplos

42 Ejercicios Implementar detectores de borde: 1.Hacer un programa para implementar las máscaras de Sobel en x, y; desplegando c/u y la magnitud. 2.Mejorar las bordes utilizando el esquema de post-procesamiento de Canny (después de Sobel), desplegando los bordes antes y después del post-procesamiento. 3. Impementar el detector de SUSAN.