Sunteți pe pagina 1din 46

Cap4.

Segmentarea imaginii
Segmentare = divizarea imaginii n pri (regiuni) corelate cu obiectele i
suprafetele din imagini
Segmentare: complet regiuni disjuncte = obiecte: proc. de nivel rid.
parial regiuni ce nu conduc direct la obiecte: proc. de nivel scaz.

Segmentare partiala regiuni omogene (luminozitate, culoare, textura etc.)

Metode de segmentare bazate pe cunotine globale despre imagine
(uzual se foloseste histograma)
bazate pe muchii (lanturi de muchii frontiera)
bazate pe regiuni (dezvoltarea regiunilor)




Cap. 4. Segmentarea imaginii
4.1. Segmentarea prin metode de prag

Nivel de gri constant = prag extragerea obiectelor din fundal
Segmentarea complet a unei imagini R regiunile R
1
, R
2
, R
S



Metoda pragului:

1= obiecte, 0 = fundal (sau invers) : imagine binara

Metode de prag globale: un singur prag T pentru R (i)
locale: pragul T variaz pe R (ii)


j i R R R R
j i
s
i
i
= u = =
=

,
1
prag ;
) ( pentru 0
) ( pentru 1
) , ( =

<
>
= T
T i,j f
T i,j f
j i g
) , ( ) ii ( ; ) ( ) i (
c
f f T T f T T = =
Cap. 4. Segmentarea imaginii
Band-thresholding


Praguri multiple




Semi-prag

Metoda pragului niveluri de gri din imagine, gradientul imaginii etc.

e
=
rest in 0
) ( pentru 1
) , (
D i,j f
j i g

e
e
e
=
rest in 0
) , ( pentru
) , ( pentru 2
) , ( pentru 1
) , (
..... .......... .......... .......... ..........
2
1
n
D j i f n
D j i f
D j i f
j i g
D
i
= submulimi de niveluri de gri

<
>
=
T i,j f
T i,j f j i f
j i g
) ( pentru 0
) ( pentru ) , (
) , (
Cap. 4. Segmentarea imaginii
Cap. 4. Segmentarea imaginii
Rosu [26 56]; Albastru [110 128];
Verde [56 84]; Violet [147 166];

4.1.1. Detecia pragului
Metoda p-tile
Text tiprit: aria ocupat de caractere =
= 1/p din aria total histograma : (1/p)NG<T
Metode bazate pe analiza histogramei

- Histogram Obiectul un maxim
bimodal Fundalul al doilea maxim

- Histogram multimodal: mai multe praguri = minime ntre maxime
- Netezirea histogramei
- Construirea histogramei cu raport optim maxim/minim
se elimina pixelii muchie R = pixelii obiectului + cei ai fundalului
se folosesc numai pixelii muchie histograma unimodala: T = max.


Cap. 4. Segmentarea imaginii
Cap. 4. Segmentarea imaginii
Metoda optimal de gsire a pragului

probabilitatea ca un pixel dintr-o imagine MN s aib nivelul de gri g
Histograma Distributie probabilistic variana = gradul de omogenitate
Pri omogene variane mici
Pragul T
H-bimodala




(i) i (ii): variana ponderat
pragul T : se calculeaza efort de calcul


{ } 1 , 0 , ) , ( | ) , ( Card ) ( = = = G g MN g j i f j i g P

+ =
=
1
1
2
0
1
) ( ) ( ) ii (
) ( ) ( ) i (
G
T g
T
g
g P T q
g P T q
: probabilitatea de apariie a pixelilor cu NG s T

: probabilitatea de apariie a pixelilor cu NG > T
| |
| | ) ( ) ( ) ( ) ( ; ) ( ) ( media ) ii (
) ( ) ( ) ( ) ( ; ) ( ) ( media ) i (
2
1
1
2
2
2
2
1
1
2 2
1
0
2
1
2
1
0
1 1
T q g P T g T T q g gP
T q g P T g T T q g gP
G
T g
G
T g
T
g
T
g

+ =

+ =
= =
o
o
variana
variana
Cap. 4. Segmentarea imaginii
) ( min
2
T
w
T
o
) ( ) ( ) ( ) ( ) (
2
2 2
2
1 1
2
T T q T T q T
w
o o o + =
1 - 0,1,.., ), (
2
G g T
w
= o
Cap. 4. Segmentarea imaginii
Soluie iterativ (rapida): media i variana total

( ) T g P g g gP
G
g
G
g
pragul de depind nu : ) ( ; ) (
1
0
2 2
1
0

=

=

=

=
o
| | | |
| | | || | | | { }
| | | || | | | { }
| || | | |
| || | | | 1 , 1 pentru Similar 0 ) ( ) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ) ( ) ( ) (
:
) ( ) ( ) ( ) ( 2 ) (
) ( ) ( ) ( ) ( 2 ) (
) ( ) ( ) ( ) ( ) ( ) (
1 1 1 1 1
0
1
0
1
0
1 1
1
1
2
2 2 2
2
2
0
2
1 1 1
2
1
1
1
2 2
0
2
1 1
2
+ e =
=
(

+ + +

+ + + =
=

+ +

+ =
= = =

+ =
=

+ = =
G T g T q T T q T T
g P T g gP T g P T T g
Nota
g P T T T g T g
g P T T T g T g
g P T T g g P T T g
T
g
T
g
T
g
G
T g
T
g
G
T g
T
g




o
Cap. 4. Segmentarea imaginii
| | | | { } | | | | { }
| | | | | | | |
| | | |

+ + + =

+ + =

+ + =

+ = =

+ = =
2
2 2
2
2 2
2
1 1
2
2 2
2
1 1
2
1
1
2
2
2
2
2
0
1
2
1
2
1
2
1
1
2
2
2
2
0
2
1
2
1
2
max
max min
) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (
2 2
B
B w
G
T g
T
g
G
T g
T
g
B w
T T q T T q T T q T T q
T q T g P T g T q T g P T g
g P T g P T g g P T g P T g
o
o o
o o o
o
o
o o

( nu depinde de T )
2
o
se calculeaz recursiv : , , ,
2 1 2 1
q q
) ( ) ( ) ( ) ( ) ( 2 , 0 ) ( 1 ) (
) 1 (
) 1 ( ) 1 ( ) ( ) (
) 1 (
0 ) 0 (
;
) 1 ( ) ( ) 1 (
) 0 ( ) 0 (
2 2 2 1 1 1 2
1
1 1
1
1
1
1
1
T T T q T T q G T T q T q
T q
T P T T T q
T T P T q T q
P q

+ = = =

+
+ + +
= +
=

+ + = +
=
Algoritm de segmentare:
1
o
ntreaga imagine = o singur regiune
2
o
band spectral histogram netezit
histogram max. semnificativ + 2 min.
segmentarea n 2 subregiuni
proiectarea ntr-o singur imagine
multispectral
3
o
Repet pasul 2
o
pentru fiecare regiune
un singur maxim
Cap. 4. Segmentarea imaginii
4.1.2. Metoda pragului pentru imagini multispectrale
(1)
(2)
Segmentarea unei imagini
bispectrale
Segmentare prin metoda pragului pe fiecare banda
Cap. 4. Segmentarea imaginii
4.2. Segmentarea bazat pe muchii

Istoric: primul grup de tehnici de segmentare
Segmentare: gasirea muchiilor lanturi de muchii frontiera (contur)
Metode de segmentare bazate pe muchii
- strategii de construire a conturului final
- informatii apriorice disponibile in procesul de segmentare
Zgomot muchii false prag
Prewitt LoG



4.2.1. Relaxarea muchiilor
Frontiere prin metode de prag zgomote
Proprietile muchiei n contextul mutual al vecinilor creste calitatae segmentarii
Intensitatea muchiei ntr-o vecintate local gradul de certitudine al muchiei
Metoda de relaxare bazata pe muchiile dintre pixeli (crack edges)
Contextul muchiei cele dou capete (varfuri) extreme
Vst, Vdr
Se pot aduga i muchiile i i h paralele cu e
Relaxarea muchiilor frontier continu
e muchie central: cte un vrf la fiecare capt 3
posibile continuri ale frontierei din fiecare vrf
Vrf nr. de muchii emanat (fr e) = tipul vrfului
Tipul muchiei = i - j = forma muchiei i, j = tipurile vrfurilor muchiei


a
b
c
d
f
g
i
h
e
Muchii crack
Cap. 4. Segmentarea imaginii
Cap. 4. Segmentarea imaginii



Pentru simetrie: i s j situaii contextuale:
0 - 0 muchie izolat : influen negativ asupra certitudinii
0 - 2 capt mort : influen negativ asupra certitudinii
0 - 3
0 - 1 muchie nesigur : influen slab pozitiv sau fr influen
1 - 1 muchie de prelungire (continuare) : influen puternic pozitiv
1 - 2 muchie de continuare spre intersecia
1 - 3 frontierei : influen medie pozitiv

2 2
3 - 3 punte ntre frontiere : fr importan pentru segmentare
2 - 3 fr influen

e
0 - 0
e
1 - 1
e
2 - 0
e
3 - 3
Tipuri de muchii
Cap. 4. Segmentarea imaginii
Relaxarea muchiei metod iterativ certitudinea muchiei converge la:
0 = muchie terminal
1 = muchie ce formeaz frontiera
Certitudinea c
(1)
(e) pentru primul pas = magnitudinea normalizat a
muchiei crack e
Normalizarea max. global al muchiilor crack din ntreaga imagine
max. local ntr-o vecintate a muchiei
Algoritm de relaxare
1
o
Calculeaz c
(1)
(e) pentru toate muchiile crack din imagine
2
o
Gsete tipul muchiei utiliznd certitudinea ntr-o vecintate
3
o
Actualizeaz c
(k+1)
(e) : tipul muchiei + c
(k)
(e)
4
o
Stop dac toate certitudinile converg ctre 0 sau 1; dac nu se repet 2
o
i 3
o
Algoritmul evalueaz: tipul vrfurilor tipul muchiilor
modificarea certitudinii muchiilor
Cap. 4. Segmentarea imaginii
Un vrf este de tipul i dac:



a, b, c: valorile normalizate ale muchiilor crack incidente cu
m = max(a, b, c, q); q constant egal de obicei cu 0.1
Ex. vrf de tipul 1 (q = 0.1)
vrf de tipul 3 (q = 0.1)
Tipul muchiei o nlnuire a tipurilor vrfurilor
Modificarea certitudinilor muchiei:
- certitudinea crete
- certitudinea descrete
( )
abc
c m ab
c m b m a
c m b m a m
k k i
k
=
=
=
=
= =
) 3 ( tip
) ( ) 2 ( tip
;
) )( ( ) 1 ( tip
) )( )( ( ) 0 ( tip
3 , 2 , 1 , 0 , ) ( tip max ) ( tip
) ( c b a > >
=
=
) 2 . 0 , 2 . 0 , 3 . 0 ( ) , , (
) 05 . 0 , 05 . 0 , 5 . 0 ( ) , , (
c b a
c b a
( )
( ) o
o
=
+ =
+
+
) ( , 0 max ) (
) ( , 1 min ) (
) ( ) 1 (
) ( ) 1 (
e c e c
e c e c
k k
k k
| | 3 . 0 , 1 . 0 e o
Cap. 4. Segmentarea imaginii
4.2.2. Trasarea frontierelor
Reginile def. in imagine (binare-etichetate) frontiere:interioara, exterioara, extinsa
Algoritmi pentru trasarea frontierei interioare
1
o
P
0
: pixelul din stnga sus al unei regiuni
dir = direcia de la pixelul precedent curent
(i) dir = 3 (V
4
); (ii) dir = 7 (V
8
)
2
o
V(33) pentru pixelul curent: caut (trig.)
(i) (dir + 3)
mod 4
(c);
(ii) (dir + 7)
mod 8
(d) pentru dir par
(dir + 6)
mod 8
(e) pentru dir impar
Primul pixel = valoarea pixelului curent
un nou element P
n
al frontierei actualizeaz direcia
3
o
Elementul curent al frontierei P
n
= P
1
: al doilea element i dac P
n-1
= P
0
STOP
Dac nu pasul 2
o

4
o
Pixelii P
0
. P
n-2
= frontiera interioar

3
5 7
1
0
1
2
3
V
4
(a)
0
2
4
6
V
8
(b)
(c) (d)
(e)
Exemplu: Trasarea frontierei interioare 1 2 3 4 5 6
Pasul 1
o
: P
0
dir = 7
Pasul 2
o
:
P
0
dir = (7+6)
mod 8
= 5 (5,2)=P
1

dir = 5
P
1
dir = (5+6)
mod 8
= 3 (4,1), (4,2)=P
2

dir = 4

P
2
dir = (4+7)
mod 8
= 3 (3,1), (3,2), (3,3)=P
3

dir = 5


P
3
dir = (5+6)
mod 8
= 3 (2,2), (2,3)=P
4

dir = 4


P
4
dir = (4+7)
mod 8
= 3 (1,2), (1,3), (1,4), (2,4)=P
5

dir = 6

Not: Algoritmul nu poate detecta frontiera interioar a unei guri
Cap. 4. Segmentarea imaginii
- pixelii testai pe parcursul trasrii
frontierei
- pixelii frontierei



P
0
P
1
P
2
P
3 P
4
P
5
Trasarea frontierei pentru V
8
1

2

3

4
Cap. 4. Segmentarea imaginii
Algoritm pentru trasarea frontierei exterioare
1
o
Traseaz frontiera interioar utiliznd V
4

2
o
Pixelii testai e R frontiera exterioar
Frontiera exterioar perimetrul, compatitatea

1
2
3
4
5
P
0
P
1
P
2
P
3
P
4
Trasarea frontierei exterioare (-)
1 2 3 4

5 6 7 8
Exemplu: Trasarea frontierei exterioare
Pasul 1
o
: P
0
dir = 3
Pasul 2
o
:
P
0
dir = (3+3)mod 4 = 2 (1, 2), (2, 3), (3.2)=P
1
dir = 0
P
1
dir = (0+3)mod 4 = 3 (3,3)=P
2

dir = 3
P
2
dir = (3+3)mod 4 = 2 (2, 3), (3,4)=P
3

dir = 3
P
3
dir = (3+3)mod 4 = 2 (2, 4), (3, 5), (4,4)=P
4

dir = 4

Cap. 4. Segmentarea imaginii
Frontiera extins
Frontiera interioar e R
Frontiera exterioar e R
Frontiera extinsa regiuni adiacente





Definirea frontierei extinse V
8

R: regiune ; Q: exteriorul regiunii R

Pixelii frontierei interioare regiunii R: pixel STNGA: P e R i P
4
(P) e Q
pixel DREAPTA: P e R i P
0
(P) e Q
pixel SUS: P e R i P
2
(P) e Q
pixel JOS: P e R i P
6
(P) e Q
1 2 3
5 6
0
7
4 P
P
1
(P)
P
0
(P)
Codare
Definirea frontierei extinse
Fie submulimile corespunzatoare lui R: STNGA (R), DREAPTA (R), SUS (R), JOS (R)
FE submultimea punctelor P, P
0
, P
6
, P
7
ce satisfac:
FE = {P: P e STNGA (R)}{P: P e SUS (R)} {P
6
(P): P e JOS (R)}
{P
6
(P): PeSTNGA (R)}{P
0
(P): PeDREAPTA (R)}{P
7
(P): PeDREAPTA (R)}
Exemplu: Trasarea frontierei extinse
Cap. 4. Segmentarea imaginii
Frontiera extins
R
SUS (R)
JOS (R)
DREAPTA (R) STNGA (R)
Cap. 4. Segmentarea imaginii
Construirea FE folosind frontiera exterioar
(a) frontiera exterioar
(b) construirea FE
(c) FE = aceeai form cu frontiera
obiectului

Frontiera exterioar: DREAPTA, STNGA, SUS, JOS
Se deplaseaz:
- DREAPTA un pixel n jos
- STNGA un pixel spre dreapta
- SUS un pixel n jos i la dreapta
- JOS nu se modific







(a) (b) (c)
Cap. 4. Segmentarea imaginii
Algoritm de trasare a FE metoda look-up table
Tabelul ce definete 12 situaii posibile ale configuraiei locale a unei ferestre 2 2,
dependente de direciile precedente i de statutul pixelilor ferestrei.







1
o
Definete pixelul de start: standard (stg. dr., sus jos )
2
o
Prima micare dup 1
o
: dir = 6 (jos) (i) din tabel
3
o
Traseaz FE cu tabelul de mai sus FE nchis STOP
Observaie: Algoritmul nu permite trasarea frontierelor gurilor gaura regiune
separat pentru care se aplic algoritmul

(a) (b) (c) (d) (e)
(f)
(g) (h) (i) (j) (k)
(l)
fundal
regiune
fundal
sau
regiune
4.2.3. Conectarea muchiilor cu ajutorul grafurilor orientate
Cunotine apriorice: - punctele de START i STOP ale unei frontiere
- muchiile x e R
2
din imagine cu magnitudinea s(x) i direcia |(x)
Graf: - noduri n
i
muchiile x
- arce ntre nodurile orientate si ponderate: ponderea = cost
n
i
(x
i
) n
j
(x
j
): | (x
i
), | (x
j
) = dir. local a frontierei
Reguli pentru construirea grafurilor
- muchie = nod dac s(x) > T ; T = prag
- n
i
(x
i
) n
j
(x
j
) => intre noduri va exista un arc daca:
x
j
este unul din cei trei vecini (V
8
) ai pixelului x
i
n direcia:
diferena direciilor :
- arcele se pondereaz cu s(x
j
)
Cap. 4. Segmentarea imaginii
(

+ e
4
) ( ;
4
) (
t
|
t
|
i i
d x x
2
)] ( ) ( [
2 mod
t
| |
t
<
j i
x x
Cap. 4. Segmentarea imaginii
START STOP
1
2
3 4
5 1
5
3
7 8
6
Exemplu
Muchii cu directii si
magnitudini
Construirea unui graf orientat



A
D
C
G
E
I
H
F
B
J
1
5
2
1
5
2
3
3
3
6
6
7
7
8
T = 1
5
Cap. 4. Segmentarea imaginii
Construirea frontierei

Construirea frontierei gsirea unei ci de cost minim n graf de la un nod de
START x
A
la un nod de STOP x
B
g(x
i
): funcia de cost a cii optime ntre nodurile n
A
i n
B
ce trece prin n
i
: x
A
x
i
x
B
g(x
i
): componente g
s
(x
i
): estimarea costului cii x
A
x
i

g
e
(x
i
): estimarea costului cii x
i
x
B
g
s
(x
i
): suma costurilor arcelor sau nodurilor x
A
x
i
; sau lungimea x
A
x
i

g
s
(x
i
): lungimea frontierei x
i
x
B

Funcia de cost esenial poate fi dependent de:
a) - modulul gradientului:
b) - curbura frontierei detectate:
c) - distana pn la punctul final:



( ) ( ); max ( )
i i i
i R
g M s M s
e
= = x x x
( ) ( ) ( )
i i j
g | | x x x
( ) ~ ( , )
e i i B
g d x x x
Cap. 4. Segmentarea imaginii

Exemplu

A

D
C

G

E
I
H
F
B
J
1
5
2
1
5
2
3
3
3
6
6
7
7
8
Functia de cost:

g(D) = 1; g(C) = 7; g(G) = 5 => D selectat (se renunta la C si G)
=> din D: E, F si B determina calea
( ) ( ); max ( )
i i i
i R
g M s M s
e
= = x x x
4.2.4. Conectarea muchiilor folosind tehnici de programare dinamica
Optimizare: => gasirea unui optim global in mai multi pasi
Bellman optimul unei cai intre doua puncte => optimul intre oricare doua
puncte care apartin caii

Dac:

Eliminm x
2
:






( )
1
1 2 1 1 2 2 2 3 1 *
1 2 1 2 1 1 2 2 1
( , , ..., ) ( , ) ( , ) ... ( , ) ( )
( ) max ( , ); , ..., fara
n n n n
n
x
h x x x h x x h x x h x x
x x f x h x x h h x

= + + +
= numai n h
1
| |
| |
) ( max ) ...., , , ( max
) , ( ) ( max ) (
) , ( ) ( max ) (
1 2 1
1 1 1 2 1
3 2 2 2 1 3 2
1
2
n n
x
n
x
n n n n n
x
n n
x
x f x x x h
x x h x f x f
x x h x f x f
n i
n


=
+ =
+ =


2
valori discrete ( 1)
i
x p n p p +
Cap. 4. Segmentarea imaginii
) ..., , , ( max
2 1 n
x
x x x h
i
calcule n loc de p
n
n pasi cu optimizarea
unor functii de 2 variabile
Cap. 4. Segmentarea imaginii
Trasarea frontierei funcie de evaluare care s conduc la cea mai bun frontier
Criteriul pentru estimarea unei bune frontiere din n pixeli:






Criteriul are forma (*) optimul funciei de evaluare

1 2 1
1 2
1 8
1
1 1
( , , ..., ) ( ) ( , ) 0
( , )
2
curbura ( , ) ( ) ( )
n n
n k k k
k k
k k
k k
k k k k
h s q
V
q q
o o
| |

= =



= + <

e
s


x x x x x x
x x
x x
x x x x
| |
| | ) ( ) , ( ) ( max ) (
) ( ) , ( ) ( max ) (
0 ) (
1 1 1
1 0 2 1 1 2 1
1 0
1
k k k k k k k
f q s f
f q s f
f
k
x x x x x
x x x x x
x
x
x
+ +
+ + =
+ + =

o
o

Cap. 4. Segmentarea imaginii
Exemplu

A
D
C
G
E
I
H
F
B
J
0
5
1 0
4
4
2
3
3
2
6
5
6
7
7
A
D
C
G
E
I
H
F
B
J
(5)
(8)
max(11,12)
1 2 3 4 5
k
f(x
k
)
max(9,10) (8)
max(10,13)
max(19,28)
(23)
max(9,16)
Ponderarea arcelor:
1
( ) ( ) ( ) ; 4 /
k k k
s o o t

+ u u = x x x
Conectarea muchiilor folosind programarea dinamica
START STOP
1
2
3 4
5 1
5
3
7 8
6
Cap. 4. Segmentarea imaginii
4.2.5. Transformata Hough


Obiecte = forme i
mrimi cunoscute
Cap. 4. Segmentarea imaginii

Detectare unei linii drepte expresia analitic





Linie punct n planul parametrilor
Detecia liniilor: - se extrag muchiile (posibile puncte ale liniilor) daca s(x)>T
- pentru fiecare punct: un numr limit de direcii (a discretizat)
- b discretizat structura rectangulara de celule in planul parametrilor
- pentru fiecare celula un acumulator A(a, b) se incrementeaz la
detectarea liniei
- pentru fiecare muchie se determina a, b: linii cu directii permise ce trec
prin pixelul respectiv valorile a, b: A(a, b)
b ax y + =
2 2 2 2
1 1
1 1 1 1
) , (
) ' , ' (
) , (
y ax b y x B
b a y ax b
b ax y y x A
b ax y
=
=
+ =
+ =
) , (
2 2
y x B
b ax y + =
y
x
) , (
1 1
y x A
2 2
y ax b =
b
a
1 1
y ax b =
b'
a'
Cap. 4. Segmentarea imaginii
Cap. 4. Segmentarea imaginii
Detectia liniei detectia unui maxim local in spatiul acumulatorilor
Metoda nu este sensibil la:
- poriuni lips din linie
- zgomote
- alte structuri = linii
linii verticale a :
Transformata Hough pentru curbe complexe:
a : vector al parametrilor curbei x
Algoritm pentru detecia curbelor
1
o
Cuantizeaz spatiul parametrilor
2
o
Formeaza o arie de acumulatori A(a); seteaza pe 0 toate elementele
3
o
(x
1
, y
1
) muchie si
4
o
Maxim local in aria A realizarea curbei f (x, a).
A A A f A + = = ) ( ) ( 0 ) , ( a a a x
+ = u u sin cos y x
0 ) , ( = a x f
y
x

'
'
'
'
Cap. 4. Segmentarea imaginii
Exemplu: Cercul
Acumulator tridimensional A(a,b, r): se va incrementa daca (a, b) este la distanta r fata de x
Acumulatorul creste exponential cu numarul parametrilor
Volum de calcule scazut: informatii apriorice despre directia muchiilor
Exemplu: Detectia unei frontiere circulare cu raza R
- muchii cu 8 directii se incementeaza un numar mai mic de celule

: relatia satisfacuta incrementare
- u : directia muchiilor pentru pixelul x
- Au : eroare maxima de directie anticipata
- AA mai mare pentru muchii cu magnitudini mari
Parametrii pot reprezenta diferite curbe analitice:
- linii, cercuri, elipse, parabole, etc.

2 2 2
) ( ) ( r b y a x = +
| | Au + u Au u e +
+ =
+ =
) ( , ) ( ) (
)) ( sin(
)) ( cos(
1
1
x x x
x
x
R y b
R x a
a
b
R

(x
1
, y
1
)

sin
cos
1
1
R b y
R a x
+ =
+ =
Cap. 4. Segmentarea imaginii
Cap. 4. Segmentarea imaginii
4.2.6. Construirea regiunilor cu ajutorul frontierelor
Segmentarea bazata pe muchii detectia frontierelor
segmentare totala
partiala frontiere partiale
Frontiere partiale construirea regiunilor
Metoda superslice
- pentru regiuni cu prop. dominante dependente de nivelurile de gri
- se cunoaste amplasarea in imagine a unor fragmente de frontiera
- regiunea R: in interiorul frontierelor partiale
- pixelii de frontiera: pozitia x directia u(x)
- se cauta pixelul opus = pixel muchie semnificativa pe o directie perpendiculara u(x)
- pixel al regiunii R = pixel de pe liniile ce unesc pixelii opusi

Cap. 4. Segmentarea imaginii
Algoritm de formare a regiunilor din frontiere partiale
1
o
Pentru fiecare pixel x al frontierei se cauta pixelii opusi pe o distanta s M;
se conecteaza prin linii pixelii opusi
2
o
Calculeaza de cte ori un pixel s-a aflat pe o linie = numarul de marcari b(x)
3
o
Determina numarul ponderat de marcari B(x):
B(x) = 0.0 pentru b(x) = 0
B(x) = 0.1 pentru b(x) = 1
B(x) = 0.2 pentru b(x) = 2
B(x) = 0.5 pentru b(x) = 3
B(x) = 1.0 pentru b(x) > 3
Certitudinea ca un pixel
Condiia ca x si y sa fie opusi:


fundalului 1
1
) (
8
e <
e >

e
e
R
x R x
V i
i
B
( )
2
3
) ( ) (
2
2 mod
t t
t
< u u < y x
Cap. 4. Segmentarea imaginii
Cap. 4. Segmentarea imaginii
4.3. Segmentarea imaginilor prin formarea regiunilor

Omogenitatea regiunilor divizarea imaginii in zone cu omogenitate maxima
- segmentare (S)
Functie binara de evaluare a omogenitatii regiunilor R
i
H(R
i
)

j i R R R R
j i
s
i
i
= = =
=
, ,
1
|
( ) , fals" "
, 1 " adevarat " ) (
j i R R H
s i R H
j i
i
= =
= =

- omogenitate (O)
R
i
adiacent cu R
j
- maximalitate (M)
Segmentarea regiuni cu proprietatile O si M
Formarea regiunilor - unirea regiunilor
- divizarea regiunilor
- unirea/divizarea regiunilor

Cap. 4. Segmentarea imaginii
4.3.1. Unirea regiunilor
Algoritm de unire a regiunilor
1
o
Defineste o metoda de startare a segmentarii regiuni mici care satisfac (O)
2
o
Defineste un criteriu de unire a doua regiuni adiacente
3
o
Uneste toate regiunile ce satisfac criteriu de la pasul 2
o
. Daca nu exista nici un
grup de doua regiuni ce satisfac criteriu STOP

Metode simple
Regiuni: 22, 44, 88 proprietati statistice (histograma)
Regiunile adiacente cu aceleasi descrieri se unesc; se marcheaza regiunile ce nu pot
fi puse in corespondenta
O regiune nu poate fi unita cu nici un vecin adiacent STOP

descriere
Cap. 4. Segmentarea imaginii
4.3.2. Divizarea regiunilor
START: Imaginea = o regiune nu satisface (O)
Se divide imaginea in regiuni cu: (S, (O) si (M)
4.3.3. Divizare si unire
Reprezentare piramidala a imaginii regiunea = patrat
- Regiune neomogena divizare in patru regiuni
- 4 regiuni a unui nivel cu aceeasi omogenitate

o regiune


Divizare
Unire
Segmentarea = construirea unui arbore cvadripartit
- fiecare nod f. = regiune omogena (f. = frunza)
- nr. noduri f. = nr. regiuni segmentate
Cap. 4. Segmentarea imaginii
00
01
02 03
1
2
32
30
33
310 311
312 313
Divizare si unire eliminarea sau adaugarea unor parti din arborele cvadripartit
Arbore cvadripartit
de segmentare
1 2
30 32 33
310 312 313 314
01 02 03 04
Cap. 4. Segmentarea imaginii
Algoritmul divide si uneste
1
o
Segmentarea initiala in regiuni omogenitate
reprezentare piramidala
2
o
H(R) = (fals) divide R in 4 regiuni copil; daca 4 regiuni cu acelasi parinte
pot fi unite uneste-le. Daca nu se pot uni sau divide regiunile 3
o

3
o
R
i
, R
j
adiacente daca se pot uni intr-o regiune omogena uneste-le chiar daca
nu fac parte din acelasi nivel al piramidei sau daca nu au acelasi parinte
4
o
Uneste regiunile mici cu cele mai similare regiuni adiacente daca este necesar sa
fie eliminate regiunile cu dimensiuni mici.