Vision 6

Manuel Mazo.
Departamento de Electrnica
1

Manuel Mazo Quintas

Departamento de Electrnica. Universidad de Alcal.
Email:mazo@depeca.uah.es
VISIN POR COMPUTADOR

Manuel Mazo. Departamento de Electrnica
2
Contenido

Descripcin de lneas y contornos.

Descripcin de regiones.

3

Descripcin de lneas y contornos
Transformada de Hough.
Ajuste de lneas mediante autovectores.
Ajuste mediante mnimos cuadrados (regresin lineal)
Cdigo cadena.
Signaturas
Histograma.
Descriptores de Fourier
Splines
4
Extraccin de segmentos de lnea rectos
General
Dado un conjunto local de elementos de borde (obtenidos mediante
tcnicas de deteccin de bordes), con o sin informacin de orientacin.

Cmo se pueden extraer lneas rectas largas?

Idea general:

Encontrar un espacio alternativo en el cual las lneas se mapean
como puntos.
Cada elemento de borde vota por una lnea recta a la cual puede
pertenecer.
Aquellos puntos que en el espacio alternativo reciban un alto nmero
de votos se corresponden con lneas en la imagen..

5
Transformada de Hough
Considerar puntos (bordes) en
el plano imagen.
Todas las lneas en ese plano se
pueden escribir como:

Si se considera un punto (u
i
,v
i
),
sobre una determinada recta
(a, b):

v a u b = +
v a u b
i i
= + ' '
u
v
p
i
u
i
v
i
a

b

6
Si la ecuacin de una recta cualquiera se escribe (espacio de parmetros):

Por cada punto (u
i
, v
i
) situado sobre una recta en el plano imagen (u-v), se
obtiene una recta (r
i
) en el espacio de parmetros:

b u a v
i i
= +
v a u b
u v r b u a v
u v r b u a v
u v r b u a v
i n i i
= +
= +
= +
= +
( , ) :
( , ) :
...
.( , ) :
1 1 1 1 1
2 2 2 2 2
1
a
b
b

a

r
1
r
2
r
3
Cuantos ms puntos se tomen sobre una lnea en el plano imagen,
ms rectas se cruzan en el punto (a,b) del espacio de parmetros
Si los N puntos (u
i
,v
i
) elegidos pertenecen a
una misma recta v=au+b , las rectas en el
espacio de parmetros se cortarn en un
punto de coordenadas (a,b).
7
Aplicacin al procesamiento de imgenes:
1. Subdividir (cuantificar) a y b en intervalos apropiados, dentro de los
rangos de variacin (a
mn
, a
mx
), y (b
mx
, b
mn
). Es importante decidir que son
intervalos apropiados.
2. Crear un array de acumulacin H(a,b). Inicialmente todos las cldas del array
se ponen a cero.
3. Para cada punto (u
i
, v
i
) de borde del plano imagen (cuya magnitud supere un
umbral), se obtienen los valores discretos de (a, b), a partir de la ecuacin:

4. Incrementar todas las cldas de H(a,b) que resulten de la ecuacin anterior.
Obsrvese que H es un histograma bidimensional.

5. Mximos locales de H(a
i
, b
i
) se corresponden con puntos sobre rectas en el plano
imagen. Los parmetros de las rectas en el plano imagen sern: a
i
, b
i.

b u a v
a a b u a v
a a b u a v
a a b u a v
a a a a
i i
i i
i i
n n i n i
= +
= = +
= = +
= = +
s s
1 1 1
2 2 2
....
,
min max
8
a
1
a
2
a
3
a
4
a
5
a
6
a
7
a
8
a
9
a
10
a
11

Rectas en el plano imagen:5
v a u b
v a u b
v a u b
v a u b
v a u b
= +
= +
= +
= +
= +
4 3
11 2
5 7
10 7
11 9
Array de acumulacin
N de operaciones: Para n puntos de borde,
si a se cuantifiaca con M valores, el n
de operaciones suma y producto son: nxM
9
Ejemplo de la transformada de Hough
Imagen
Bordes
Array de
acumulacin
Resultado
10
Transformada de Hough: Problemas
Un problema de la representacin cartesiana de la recta es que tanto la pendiente
(a) como la ordenada en el origen (b) tienden a infinito conforme la recta se acerca
a posiciones verticadles.

Para evitar este problema se usa la representacin polar (normal) de la recta:
u u = + uCos vSen
u
v
u
2
1
u
1
0(u
2
mx
+v
2
mx
)
1/2
, 0 ut

u u
2 2 2
= + uCos vSen
u u
1 1 1
= + uCos vSen

u
2t
11
Trans. de Hough: representacin alternativa
La forma de construir el acumulador en el plano -u es
similar al primer algoritmo.
La nica diferencia est en que, en vez de lneas rectas, se
obtendrn curvas sinusoidales.
As, N puntos colineales (u,v) pertenecientes a una recta en
el plano imagen:

Darn lugar a N curvas sinusoidales que se cortarn, en el
espacio de parmetros, en el punto (
k
,u
k
).
u u
k k k
uCos vSen para los N puntos u v = + ; ( , )
12
Trans. de Hough: Ejemplo
(, u)
v
u
p
1
p
2
p
1
=(4,4)
p
2
=(-3,5)

u
Espacio (,)
u u
u u
u
= +
= +

`
)

=
=
3 5
4 4
14289
45255
cos
cos
.
.
sen
sen
13
Trans. de Hough: Ejemplo
Imagen Bordes
Array de
acumulacin
Resultado
14
Trans. de Hough: simplificacin
El nmero de operaciones de la transformada de Hough se puede
simplificar notablemente si se considera la direccin del vector gradiente en
cada pxel de borde.

Dado que la direccin del vector gradiente en un pxel de borde es
perpendicular a ste, la recta que se busca debe tener una direccin
prxima a la perpendicular del vector gradiente.

La bsqueda al evaluar cada punto de borde se puede, por tanto,
restringir el rango de orientaciones.

15

Trans. de Hough: Pseudocdigo

Discretizar el espacio de parmetros, estableciendo valores mximos y
mnimos de y u, asi como el nmero de valores de y u.

Generar el acumulador H(,u); poner todos sus valores a cero.

Para todos los puntos de borde (u
i
,v
i
)
Calcular la direccin del vector gradiente u.
Obtener de la ecuacin =u
i
cos u+v
i
sen u.
Incrementar H(,u).

Para todas las celdas en el acumulador
Buscar los valores mximos del acumulador.
Las coordenadas (, u) dan la ecuacin de la recta de la imagen

16
Extraccin de curvas
Trans. de Hough: Crculos
La deteccin de crculos es similar al de rectas.

Los crculos estn definidos por tres parmetros: centro (a, b) y radio r

Ahora el espacio de parmetros es tridimensional con clulas cbicas y
acumuladores de la forma H(a,b,r).

El procedimiento consiste en incrementar a y b, y hallar r para que
satisfaga la ecuacin del crculo, y actualizar el valor del acumulador
correspondiente a la clula asociada con el vector (a,b,r).

Es evidente que esta tercera dimensin incrementa notablemente el
nmero de operaciones.

( ) ( ) u a v b r + =
2 2 2
17
Extraccin de curvas
Trans. de Hough: Crculos
Supongamos que se quiere localizar el centro
de un crculo, de radio conocido.
En este caso se puede reducir el nmero de
operaciones, utilizando informacin local
acerca de la orientacin del borde en cada
pxel, obteniendo, de esta manera la posicin
del centro del crculo.
Para ello, se sita el centro del crculo (de
cada pxel de borde) a una distancia r
(radio del crculo buscado). Esto se repite
para cada pxel de borde.
El nmero de puntos acumulados es igual al
nmero de pxels de borde en la imagen.
Para que esto funcione bien, el operador
utilizado en la deteccin de bordes debe ser
suficientemente preciso (Sobel, por ejemplo)
Radios de longitud r
y direccin la del gradiente
Puntos
acumulados
Borde
18
Extraccin de curvas
Trans. de Hough: otros tipos de curvas
La trasformada de Hough se puede aplicar a cualquier funcin de la
forma:

El xito de la tcnica depende de la cuantificacin de parmetros:
poca resolucin: mximos pronunciados
mucha resolucin: picos menos definidos.

Hay que tener presente el crecimiento exponencial de las dimensiones
del array acumulador con el nmero de parmetros de las curvas. Por
ello la aplicacion prctica se limita a curvas con pocos parmetros.
f x c
x es un vector de coordenadas
c es un vector de coeficientes
( , ) =

0
19
Trans. de Hough Generalizada
La trasformada de Hough clasica se parte de la ecuacin analtica de la
figura para poder pasar del espacio coordenado de la imagen al espacio de
parmetros.
En el caso de que no se disponga de la expresin analtica del borde que se
desea buscar, se recurre a la transformada de Hough generalizada.
Suponiendo conocida la forma y orientacin del objeto, los pasos a seguir
son:
Se selecciona un punto de referencia arbitrario en el objeto (u
ref
, v
ref
).
A partir de ese punto de referencia se define la forma del objeto.

(u
ref
, v
ref
)
|
O
20
Para cada punto de la frontera (u
i
,v
i
) se obtiene, con respecto al punto de
referencia:
Orientacin O
i
Distancia r
i
Direccin |
i
La tabla que almacena los valores de (r
i,
|
i
) indexados con O
i
se
denomina tabla-R.
Al construir la tabla-R, hay que tener presente que una determinada
orientacin O
i
se puede repetir ms de una vez a lo largo de la frontera
(por tanto, hay que prever en la tabla ms de un registro de distancias y
orientacin para cada valor de O)

Una vez construida la tabla-R, el espacio de Hough se define en funcin
de las posibles posiciones de la figura en la imagen, funcin a su vez de
las posibles posiciones del punto de referencia.

21
Aplicar la transformada de Hough:

Para cada pxel (u,v) de la imagen calcular las coordenadas de la celda a
incrementar de acuerdo con la expresin:

Los valores de r y | a utilizar en la expresin anterior se obtienen de
la tabla-R previamente confeccionada, entrando con el valor de O
calculado en el pxel (u,v) de la imagen.

Si existen en la tabla varios pares (r, | ) para ese valor de O, se utilizan
todos, incrementndose, por tanto, diferentes celdas (u
ref
, v
ref
)

u u r
v v rsen
ref
ref
= +
= +
cos|
|
22
Si no se conoce la orientacin del objeto, hay que aumentar la
dimensin del acumulador incorporando un parmetro adicional | que
considere las posibles orientaciones del objeto.
En este caso se emplear un acumulador tridimensional (u
ref
, v
ref
, |) que
ser incrementado utilizando las expresiones:

para todos los valores discretos considerados de |

Los valores de r y | sern obtenidos de la tabla-R entrando con el
ngulo O- |
u u r
v v rsen
ref
ref
= + +
= + +
cos( )
( )
| |
| |
23
Pseudocdigo
1. Construir la tabla-R a partir del objeto prototipo.
2. Para todos los puntos de borde:
Calcular la orientacin O (direccin del gradiente +90)
Calcular r y |
Aadir un (r, |) en la entrada de la tabla-R indexada por O
3. Discretizar el espacio de parmetros, estableciendo valores mximos y
mnimos, as como el nmero total de valores de u
ref
, v
ref
y |.
4. Generar el acumulador H(u
ref
, v
ref
, |); poner todos los valores a cero.
5. Para todos los puntos del borde (u
i
, v
i
)
Calcular la orientacin O (direccin del gradiente + 90)
Para cada orientacin posible |
Para cada (r, |) indexado por O- | en la tabla-R
Evaluar u
ref
=u+r cos(|+ |) y v
ref
=u+r sen(|+ |)
Incrementar H(u
ref
, v
ref
, |).
6. Para todas las celdas en el acumulador:
Buscar los valores mximos del acumulador.
Las coordenadas uref, vref y | dan la posicin y orientacin del objeto en la
imagen
24
Ajuste de lneas mediante autovectores
Objetivo: dados n puntos, se trata de encontrar la mejor recta que minimiza
el cuadrado de la suma de las distancias (perpendiculares) entre cada punto
y la recta.
Re : min{ } cta buscada d d
i
i
n
2 2
1
=
=
n= nmero de puntos.
N= vector unitario normal a la recta r

Recta que pasa por el centro
de gravedad de los puntos
d
i
v
u
Puntos
N
r
p
i
(u
i
, v
i
)

u
d u v sen
i i i
= + u u [ cos ]
v
u
N
p
i
Centro de masas de los puntos
25
A la matriz simtrica se le conoce por scatter matrix.
La mejor lnea r est caracterizada por el vector normal N que
minimiza:

Y ese valor mnimo, se demuestra, que se corresponde con el autovector
ms pequeo de S, con la restriccin de que

Dado que autovectores (llammosles w) distintos de matrices simtricas
son ortogonales, la lnea que mejor se ajusta est en la direccin del
principal autovector de S (el autovector asociado al mayor autovalor).

| | | |
| | | || | | |
d N N p N p
d N d N N p N p p N N p p N
i i
T
i
i
i
n
T
i
i
n
T
i
i
n
i
T
i i
T
i
n
2
2
2 2
1
2
1 1 1
( )
( ) ( )
= =
= = = =
|
\
|
.
|
= = = =

| |
S p p
i i
T
i
n
=
=
1
d N N SN
T 2
( ) =
N = 1
26
Resumen:
1. Estandarizar los puntos restando la media del conjunto de todos los puntos
de cada uno de los puntos.

2. Encontrar el autovalor mayor y el autovector asociado de O, del conjunto
de puntos estandarizados.

3. La mejor recta es la nica que pasa por la media del conjunto de puntos y
vector director el autovector mayor:
Si p
u
v
m
m
m n
u u u u
v v v v
puntos estarizados
u m
v m
S
i
i
i
n
n
i
i
i
es darizada i
i
n
i
T
:
.....
.....
:
tan
=

(
=

(
=
+ + + +
+ + + +
(
=

(
= =
=
1
2
1 2 3
1 2 3
1
2
1
1
|
| | O
v v v I elegir el mayor mayor
a
b
x i i i
= = =
|
\
|
.
| O O
2 2 1 2
0 , ( )
u
v
m
m
a
b
|
\
|
.
|
=
|
\
|
.
| +
|
\
|
.
|
1
2
q
Ecuacin paramtrica de r:
27
Ejemplos de extraccin de segmentos rectos
utilizando Hough y autovectores
Autovectores
Hough
Imagen original Imagen segmentada
28
Ejemplos de extraccin de segmentos rectos
utilizando Hough y autovectores
Hough
Autovectores
29
Es un mtodo clsico muy utilizado en este tipo de aplicaciones.
Se trata de encontrar una recta, tal que la suma de los cuadrados
de las distancias verticales de un conjunto de puntos:{(u
i
,v
i
)}, i =1,
2,.. N, a ella sea mnima.
| |
d d a bu v
i
i
n
i i
i
n
2 2
1
2
1
= = +
= =

( )
v
u
Puntos
p
i
=(u
i
,v
i
)

v=a+bu

d
i
=[(a+bu
i
)-v
i
]

Objetivo: obtener a y b tal que d
2
sea mnimo
30
Los valores de a y b vienen dados por:
1
1
1
1
2
1
2
u
u
u
a
b
v
v
v
a
b
U B U pseudoinversa de U
U A B
n n
. .
. .
.
.
;
* *
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
= =
=
a
n u v u v
u u
b
u v u u v
u u
i i
i
n
i
i
n
i
i
n
i i
i
n
i
n
i
i
n
i
i
n
i
i
n
i i
i
n
i i
i
n
i
n
=

|
\
|
.
|
|
\
|
.
|
|
\
|
.
|
=
|
\
|
.
|
|
\
|
.
|
|
\
|
.
|
|
\
|
.
|
|
\
|
.
|
= = =
= =
= = = =
= =

1 1 1
2
1
2
1
1 1 1 1
2
1
2
1
;
31
Extraccin de polinomios
El criterio de mnimos cuadrados se puede extender para el ajuste de
polinomios de cualquier grado.
| |
d d a a u a u a u v
i
i
n
i i m i
m
i
i
n
2 2
1
1 2 3
2
2
1
= = + + + +
= =

( ..... )
1
1
1
1 1
2
1
2 2
2
2
2
1
2
1
2
1
2
u u u
u u u
u u u
a
a
a
v
v
v
a
a
a
U B U
m
m
n n n
m
m n m
....
....
. . . .... .
. . . .... .
....
.
.
.
.
.
.
;
* *
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
= = pseudoinversa de U
U A B =
32
Cdigo cadena
Dado el cdigo cadena de un contorno, se define el histograma del mismo de la
siguiente forma:

Donde C(i) es la frecuencia de aparicin del nmero de un determinado cdigo de
cadena, i designa el correspondiente cdigo de cadena y N es el cardinal de A (el
nmero de barras del histograma).

Ejemplo: cdigo cadena: (4,3), 111111777777777555555333333333

A i C i N cardinal A = = { ( )}; ( )
0 1 2 3 4 5 6 7
C(i)
i
6
9
0
33
Cdigo cadena: Algoritmo
1. Si el histograma tiene 4 o ms barras (N>4), la lnea no es recta, ya que tiene al
menos 4 orientaciones diferentes.
2. Si el histograma tiene una nica barra (N=1), la lnea es puramente recta con alguna
de las 8 posibles direcciones.
3. Si el histograma tiene 2 barras (N=2), se pueden dar dos casos:
Si las dos barras son adyacentes, de nuevo hay que considerar dos casos:
Si la mxima longitud del cdigo de menor frecuencia es menor que un
umbral prefijado T, la lnea se declara recta.
Si la mxima longitud del cdigo de menor frecuencia es mayor que un
determinado umbral T, la lnea se declara no recta.
Si las 2 barras no son adyacentes, esta lnea se declara no recta (la lnea contiene
al menos dos orientaciones diferentes, y los ngulos de esas orientaciones
difieren al menos 90).
4. Si el histograma tiene 3 barras (N=3), se pueden dar dos casos:
Si las barras son adyacentes entre s, la barra central es la ms larga, y la altura
de la barra vecina ms prxima es menor que un umbral T fijado por el usuario,
entonces es declarada como recta.
Si de las 3 barras 2 no son adyacentes, esta lnea se declara no recta. La lnea
tiene al menos dos orientaciones diferentes cuyos ngulos difieren al menos 90.

34
Representacin de contornos
Signaturas
La idea es representar el contorno como una funcin polar
unidimensional.
El procedimiento ms habitual consiste en calcular un punto
caracterstico del interior del contorno, por ejemplo el centro de masas
(centroide) y a partir de el, representar la distancia de cada punto del
contorno a dicho centroide en funcin del ngulo
u
r
u
r
t/4 t/2 3t/4 t 5t/4 3t/2 7t/4 2t
r(u)
A
r(u)
A
\2 A
t/4 t/2 3t/4 t 5t/4 3t/2 7t/4 2t
A
35
Representacin de contornos
Signaturas
Este tipo de representacin es invariante a la posicin del objeto en la
imagen, pero depende del tamao y del punto de comienzo (punto por
donde se empieza a describir la frontera).
Invarianza al tamao: se consigue dividiendo la funcin por la distancia
mxima al centroide, de forma que la distancia mxima ser uno.
Invarianza al ngulo de comienzo: se consigue comenzando la
representacin por el ngulo para el cual la distancia es mxima.
Presenta dos inconvenientes:
1. Es muy sensible a la posicin del centroide

2. Las concavidades pueden dar lugar a una representacin multievaluada
para algunos ngulos (varias distancias para un mismo ngulo)

r
a
r
a
u
2t
36
Descripcin de contornos
La transformada de Fourier permite extraer las componentes en
frecuencia de una curva discreta cerrada (puesto que el contorno de un
objeto es una curva cerrada, y por tanto peridica)
v
u (eje real)
(eje imaginario)

u
k
v
k
Si: s(k) = u
k
+jv
k
F w F s k
N
s k
j
N
wk w N
k
N
( ) [ ( )] ( ) exp[ ], , , ,... = = =
=
1 2
012 1
0
1
t
{ } { } F w F F F F N ( ) ( ), ( ), ( ),....... ( ) = 0 1 2 1
Definen el contorno
Componentes de Fourier
Contorno de N puntos
37
La transformada de Fourier inversa de F(w):

En muchas ocasiones se puede recuperar el contorno con una
buena aproximacin con un nmero M de componentes F(w)
inferior a N: M componentes mayores

s k
N
F w
j
N
wk k N
w
N
( ) ( ) exp[ ], , , ,... = =
=
1 2
012 1
0
1
t
Recuperacin del contorno a partir de las componentes de Fourier
38
Efecto de la rotacin, translacin, escalado en las componentes de Fourier
[ ( ) ]exp[ ] ( ) exp[ ] s k e
j
N
wk e s k
j
N
wk
j
k
N
j
k
N
u u
t t
=
=

2 2
0
1
0
1
Rotacin (u):
[ ( )]exp[ ] ( ) exp[ ] Cs k
j
N
wk C s k
j
N
wk
k
N
k
N
=
=

2 2
0
1
0
1
t t
Escalado (C):
[ ( ) ]exp[ ] ( ) exp[ ] exp[ ] s k s
j
N
wk s k
j
N
wk s
j
N
wk
k
N
k
N
k
N
= +
=
0
0
1
0
1
0
0
1
2 2 2 t t t
Translacin (s
0
):
exp[ ]
,
,
= =
=
j
N
wk
w
N w
k
N
2
0 0
0
0
1
t
39
Para hacer que los descriptores de Fourier (DF) sean invariantes
a: rotacin, translacin, escalado:
1. Invariante a rotacin: tomando solamente el mdulo (, e
ju
,=1).
2. Invariante a traslacin: eliminando F(0).
3. Invariante a escalado: Dividiendo por F(1)

Entre 10 y 15 descriptores son suficientes para definir cualquier
forma.
{ } DF i
F
F
F
F
F
F
F M
F
( )
( )
( )
,
( )
( )
,
( )
( )
, ................,
( )
( )
=

2
1
3
1
4
1 1
40
Descriptores de Fourier: otra alternativa
Dado un objeto en una escena, se hace la representacin unidimensional
de su contorno mediante el cdigo cadena.
Si el contorno incluye N pxeles (0, 1, . N-1), su reperesnetacin
mediente el cdigo cadena ser (tomando, por ejemplo el pxel 0 como el
origen y recorriendo el contorno en sentido antihorario):
C(k)= valor del cdigo cadena
k= orden del pxel
7
6
5
4
3
2
1
0
0 1 2 3 4 5 .. N-1
Funcin peridica
periodo
41
Descriptores de Fourier: otra alternativa
La transformada de Fourier de la funcin peridica, C(i), ser:

La transformada de Fourier inversa de F(w):

F w F C k
N
C k
j
N
wk w N
k
N
( ) [ ( )] ( ) exp[ ], , , ,... = = =
=
1 2
012 1
0
1
t
{ } { } F w F F F F N ( ) ( ), ( ), ( ),....... ( ) = 0 1 2 1
C k
N
F w
j
N
wk k N
w
N
( ) ( ) exp[ ], , , ,... = =
=
1 2
012 1
0
1
t
Definen el contorno
Recuperacin del contorno a partir de las componentes de Fourier
42
Por tanto un objeto puede caracterizarse mediante sus componentes de
Fourier: Descriptores de Fourier (DF).

Con el objetivo de hacer que los descriptores de Fourier sean invariantes
a translaciones y rotaciones se toman los mdulos de los descriptores, y
para hacerlos invariantes a la escala (homotecias) se normalizan respecto
al primero:

Entre 10 y 15 descriptores son suficientes para definir cualquier forma
{ } DF i
F
F
F
F
F
F
F M
F
( )
( )
( )
,
( )
( )
,
( )
( )
, ................,
( )
( )
=

2
1
3
1
4
1 1
43
Ejemplos
{ } { } DF i ( ) . , . , . , . = 03022 03458 03458 01577
{ } { } DF i ( ) . , . , . , . = 03763 02539 02040 01530
{ } { } DF i ( ) . , . , . , . = 18083 02366 09284 01602
44
Extraccin de contornos
Funciones splines
La interpolacin de una funcin dada mediante un conjunto de polinomios
cbicos, preservando la continuidad en la primera y segunda derivada en
los puntos de interpolacin, se conoce como funciones splines cbicos.

La funcin spline se usa generalmente para aproximar una curva que pasa
a travs de una serie de puntos dados

(u
0
,v
0
)
(u
1
,v
1
)
(u
2
,v
2
)
(u
n-1
,v
n-1
)
(u
n
,v
n
)
v
u
La funcin v=f(u) es una spline
con grado m si satisface:

1. f(u) es un polinomio de orden s m
en cualquier intervalo [u
i-1
,u
i
],
i=0,1, n.
2. f(u) y sus derivadas hasta el orden m-1
son continuas en el intervalo [u
0
,u
n
]
45
Funciones splines
Sea una funcin spline de grado m en el intervalo (u
i-1
, v
i
)
y la derivada de orden r .
Los puntos (u
1
, v
1
), (u
n-1
, v
n-1
) son llamados nodos.
La condicin de continuidad es:

A partir de la ecuacin anterior, se obtiene la siguiente ecuacin:

P u
m i ,
( )
P u
mi
r
,
( )
( )
P u P u para r m i m
mi
r
i mi
r
i ,
( )
,
( )
( ) ( ); , ,....., ; , ,..... = = =
+1
01 1 12 1
P u P u c u u
mi
r
i mi i i i
m
,
( )
,
( ) ( ) ( ) = +
46
Funciones B-splines
Las B-splines son trozos de curvas polinomiales guiadas por una
secuencia de puntos.
Las B-splines se clasifican de acuerdo al grado.
Dada una secuencia de puntos, u
0
, u
1
, , u
n
, un spline de grado m se
define por n+1-m polinomios.
Cada polinomio es representado como una combinacin lineal de m+1
puntos.
Los splines cbicos son los ms ampliamente utilizados.
El polinomio cbico i-simo est dado por:

donde B
0
, B
1
, B
2
y B
3
son polinomios cbicos con respecto al parmetro t
(0s t s1)
P t B t u B t u B t u B t u
i i i i i
( ) ( ) ( ) ( ) ( ) = + + +
+ + 0 1 1 2 1 3 2
47
Funciones B-splines
Hay que determinar 16 coeficientes incluidos en los cuatro polinomios de
al ecuacin anterior.

La condicin de que los segmentos de curva adyacentes P
i
(t) y P
i+1
(t)
deben ser continuos hasta la segunda derivada para cualquier uk con
k=i-1, i, i+1, i+2, i+3, proporciona 15 ecuaciones.
u
0
u
1
u
i
u
i+2
u
n
u
i-1
u
i+1
u
n-1
P
1
P
i-1
P
i
P
i+1
P
i+2
P
n-1
48
Funciones B-splines
Por ejemplo P
i
(1)=P
i+1
(0) se escribe como:

que proporciona las siguientes cinco ecuaciones:

Para la continuidad de la primera y segunda derivada se obtienen otras 5
ecuaciones para cada una, y una ecuacin ms proporcionada por la
condicin de que la forma de P
i
(t) es invariante a la transformacin de
coordenadas:

Resolviendo esas 16 ecuaciones se obtienen los 16 coeficientes buscados

B u B u B u B u B u B u B u B u
i i i i i i i i 0 1 1 2 1 3 2 0 1 1 2 2 3 3
1 1 1 1 0 0 0 0 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
+ + + + +
+ + + = + + +
B B B B B B B B
0 1 0 2 1 3 2 3
1 0 1 0 1 0 1 0 0 0 ( ) ; ( ) ( ); ( ) ( ); ( ) ( ); ( ) = = = = =
B t B t B t B t
0 1 2 3
1 ( ) ( ) ( ) ( ) + + + =
B t
t
B t
t
t B t
t t t
B t
t
0
3
1
3
2
2
3 2
3
3
1
6 2
2
3 2 2 2
1
6 6
( )
( )
; ( ) ; ( ) ; ( ) =

= + = + + + =

Descripcin de regiones

Bsicas: permetro, rea, compactividad, rectangularidad.
Momentos invariantes.
Momentos invariantes a partir del cdigo cadena.
Descriptores topolgicos.
Texturas

50

Permetro

Para calcular el permetro (P) solamenta hay que recorrer completamente el
contorno, partiendo de un punto:
P= N de desplazamientos horizontales + N de desplazamientos verticales +
\2 x N desplazamientos diagonales.

Utilizando el cdigo cadena:
P= N de cdigos pares + \2 x N de cdigos impares
regin
contorno
51
rea
A partir del cdigo cadena del
contorno: para cada pxel de
coordenadas (u,v) del contorno se
define: Au
i
=u
i
-u
i-1
e Av
i
=v
i
-v
i-1
,
done i es uno de los segmentos
que forman el cdigo cadena.
En este caso: Au
i
e Av
i
pueden
tomar valores 1, 0, -1
A u v v u
i i i i
i
n
=
=
1
2
1
( ) A A
A pixeles R = e
;
Au
i
=0
Av
i
=-1

Au
i
=1
Av
i
=-1

Au
i
=1
Av
i
= 0

Au
i
=-1
Av
i
=-1

Au
i
=-1
Av
i
=0

Au
i
=-1
Av
i
=1

Au
i
=0
Av
i
=1

Au
i
=1
Av
i
=1

0
1 2
3
4
5
6
7
52
rea
A u v v u
i i i i
L
n
= =
+ + +
+ + +
+ +
+ +
+
=
1
2
1
2
3 0 1 1 4 0 1 1 1 1 1
6 1 2 0 6 1 3 0 6 1 4 1
0 5 1 4 0 5 1
3 1 5 1 2 1 4 0
2 1 3 0 2
1
( )
[ ] [ ] [5 ]
[ ] [ ] [ ( )]
[5 ( )] [ ( )]
[ ( ) ( )] [ ( ) ]
[ ( ) ] [ (
A A
+

=
1 2 0
2 0 1 1
14 5
) ]
[ ]
.
v
u
0 1 2 3 4 5 6 7
0
1
2
3
4
5
6
7
Obsrvese como el rea obtenida utilizando el cdigo cadena coincide con la
encerrada por la lnea roja (lnea que une los centros de cada pxel del contorno)
53
Compactividad, rectangularidad
Compactividad (C):

Rectangularidad (R):
C
perimetro
erficie
=
( )
sup
2
C
r
r
= =
( ) 2
4
2
2
t
t
t
C
L
L L
= =
4 4
2
W
L
A
R
W L
A
=

u
u se elige para que WxL sea mnima
54
Momentos invariantes
Dada una funcin continua f(u,v) se define su momento de orden p+q:

Si f(u,v)=1:

En el caso de una imagen digital binaria [f(u,v)=1: objeto, f(u,v)=0: fondo]:

donde el sumatorio se toma sobre todas las coordenadas (u,v) de puntos de
la regin (objeto).
m u v f u v dudv
p q
p q
R
,
( , ) =
}}
m u v dudv
p q
p q
R
,
=
}}
m u v
pq
p q
v u
=

m erficie en pixeles de un objeto
v u
00
1 = =

sup
u
v
R f u v u v R
f u v u v R
( , ) , ( , )
( , ) , ( , )
= e
= e
1
0
55
Momentos invariantes a la posicin (translacin): momentos centrales

donde y son las coordenadas del centroide o centro de masas del objeto:

ngulo que forma el eje de mnima inercia con el eje u:

pq
p q
v u
u u v v =

( ) ( )
u
v
u
m
m
u
v
m
m
v
= = = =

10
00
01
00
1 1
;
u =

1
2
2
1 00 11 10 01
00 20 10
2
00 02 01
2
tan
( )
( ) ( )
m m m m
m m m m m m
v
u
u
56
Momentos invariantes:

Ejemplos
0 1 2 3 4 5 6 7 8 9 10 11
0
1
2
3
4
5
6
7
v
u
m
m u x x x x x
m v x x x
m u x x x
m v x x x
v u
v u
v u
v u
v u
00
4
6
4
11
10
4
6
4
11
01
4
6
4
11
20
2 2 2 2
4
6
4
11
02
2 2 2 2
4
6
1 24
4 3 5 3 6 3 7 3 11 3 180
4 8 5 8 6 8 120
4 3 5 3 11 3 1476
4 8 5 8 6 8 1476
= =
= = + + + + + =
= = + + =
= = + + =
= = + + =
= =
= =
= =
= =
= =

......
....
4
11
11
4
6
4
11
1
2 2
4 4 4 5 4 6 5 4 11 5 11 6 900
180
24
75
120
24
5
1
2
2 24 900 180 120
24 1476 180 24 616 120
0

= = + + + + + + =
= = = =
=

=
= =
m uv x x x x x x
u v
x x
x x
v u
...
. ; ;
tan
( )
( ) ( )
u
57
Los momentos centrales se pueden obtener a partir de los generales, segn
la siguiente expresin:

pq r
p
s
q r s
p r q s
s
q
r
p
r
p
s
q
C C u v m m
con C
p
r p r
C
p
s p s
C
u u v v
=
=
= = = =

= =

( ) ( )
:
!
!( )!
,
!
!( )!
( ) , ( )
0 0
10 01
0 0
58
Los momentos invariantes ante escalado (momentos centrales
invariantes) se obtienen a partir de:

Demostracin de invarianza frente al escalado utilizando los
momentos generales (m
pq
) :
Normalizando con respecto al escalado:

Si se fuerza a que entonces:
q

pq
pq
donde
p q
para p q = =
+
+ + =
( )
; : , , ,....
00
2
1 2 3
m u v f dudv f u v du dv m m
pq
p p u v p q
pq
p q
pq
* * * * * *
( , ) ( , ) = = =
}} }}
+ + + +

2 2
m
00
1
*
=
2
00
2
1
00
2
1
1
2
+ +
+
+
+
+
= = + >
p q
p q pq
pq
p q
m
m
m
m
p q
( ) ( )
,
*
59
Finalmente, los momentos invariantes a traslaciones, rotaciones y cambios
de escala, propuestos por Hu (1962):
| q q
| q q q
| q q q q
| q q q q
| q q q q q q q q
q q q q q q q q
| q q q q
1 20 02
2 20 02
2
11
2
3 30 12
2
21 03
2
4 30 12
2
21 03
2
5 30 12 30 12 30 12
2
21 03
2
21 03 21 03 30 12
2
21 03
2
6 20 02 30 12
4
3 3
3 3
3 3
= +
= +
= +
= + + +
= + + +
+ + +
= +
( )
( ) ( )
( ) ( )
( )( )[( ) ( ) ]
( )( )[ ( ) ( ) ]
( )[( ) ( ) ] ( )( )
( )( )[( ) ( ) ]
( )( )[ ( ) ( ) ]
2
21 03
2
11 30 12 21 03
7 21 30 30 12 30 12
2
21 03
2
21 30 21 03 30 12
2
21 03
2
4
3 3
3 3
+ + + +
= + + + +
+ + +
q q q q q q q
| q q q q q q q q
q q q q q q q q
| u u q u
q
q q
pq
q s
r
p
s
q p r s q s r
p r q s r s
s
q
r
p
C C sen = =
+ +
+ +
= =

( ) (cos ) ( ) , tan
,
1
1
2
2
0 0
1 11
20 02
60
Momentos invariantes a partir del cdigo cadena
m u v dudv
pq
p q
R
=
}}
R
C
v
u
f(u,v) =1
c
c
c
c
c
c
c
c
S
u
T
v
dudv Sdv Tdu si
S u v
S
u
p u v
T u v
T
v
q u v
R C
p q p q
p q p q
|
\
|
.
| = +
= = +
= = +
}} }
+
+
; :
( )
( )
1
1
1
1
( ) p q u v dudv u v dv u v du
p q
R
p q p q
C
+ + =
}} }
+ +
2
1 1
m
p q
p q u v dudv
p q
u v dv u v du
pq
p q
R
p q p q
C
=
+ +
+ + =
+ +

}} }
+ +
1
1
2
1
1
1 1
( )
61
C
v
u
m
u
i-1
u
i
v
i-1
v
i
v v m u u
m
v v
u u
v
u
dv
du
i i i
i
i i
i i
i
i
=
=

= ~
( )
1
1
A
A
m
p q
u v m u u mdu u v m u u du
i N
pq
p
i i i
q
i
p
i i i
q
C
=
+ +
+ +
=
+ +
}
1
1
12
1 1
[ ( )] [ ( )] ;
, ,....
donde N es el nmero de segmentos que constituyen el objeto
m
p q
u v m u u m u v m u u du
pq
p
i i i
q
i
p
i i i
q
u
u
i
N
i
i
=
+ +
+ +
(
(
+ +
=

}
1
1
1 1
1
1
[ ( )] [ ( )]
62
Au
i
=-1
Av
i
=0

Au
i
=0
Av
i
=-1

Au
i
=1
Av
i
=-1

Au
i
=1
Av
i
= 0

Au
i
=-1
Av
i
=-1

Au
i
=-1
Av
i
=1

Au
i
=0
Av
i
=1

Au
i
=1
Av
i
=1

0
1 2
3
4
5
6
7
A u v v u
i i i i i
= ( ) A A
Llamando:
m A
m A v v
m A u u
m A u v u v v u u v
m A u u u u
m A v v v
i
i
N
i
i
N
i i
i
i
N
i i
i
i
N
i i i i i i i i
i
i
N
i i i i
i
i
N
i i i
00
1
01
1
1
2
10
1
1
2
11
1
1
2
1
2
1
3
20
1
2 1
3
2
02
1
2 1
1
2
1
3
1
3
1
4
1
4
1
4
=
=
=
= +
= +
= +
=
=
=
=
=
=
( )
( )
( )
( )
(
A
A
A A A A
A A
A
3
2
30
1
3 2 3
2
2 1
4
3
03
1
3 2 3
2
2 1
4
3
1
5
1
5
A
A A A
A A A
v
m A u u u u u u
m A v v v v v v
i
i
i
N
i i i i i i
i
i
N
i i i i i i
)
( )
( )
= +
= +
=
=
m
00
= permetro
63
Descriptores topolgicos
Las propiedades topolgicas son usadas para la descripcin global de
regiones en la misma imagen. Esto es, propiedades de la figura que no se
ven afectadas por las deformaciones.
Los descriptores topolgicos no tratan de dar un nmero exacto, slo dar
una idea sobre la forma del objeto.
Algunos descriptores topolgicos:
N de huecos en una regin (H).
N de componentes conectados (C): elementos separados que forman un objeto.
N de Euler: Diferencia entre los dos anteriores (E=C-H).

C=1, H=1, E=0
C=1, H=2, E=-1 C=2, H=0, E=2
64
Descriptores topolgicos
En las figuras formadas nicamente por lneas rectas, llamadas redes
poligonales, suele ser de inters distinguir entre dos tipos de regiones
interiores de dicha red: caras y huecos.
Caras (F)
Huecos (H)
Vrtices (V)
Lados (S)
E=V-S+F=C-H
Para el ejemplo de la figura:
E=6- 9+2= 1-2=-1
65
Texturas
Generalidades
No existe una definicin formal de textura, aunque la idea intuitiva es
fcil de asimilar.

Existen parmetros mediante los cuales se pueden evaluar texturas.
Conceptualmente, la caracterstica principal de una textura es la
repeticin de un patrn bsico.

La estructura del patrn bsico puede no ser determinista, sino
estadstica.

La repeticin del patrn bsico puede no ser ni regular ni determinista,
sino estadsticamente regular.

66
Texturas
Ejemplos
67
Texturas
Dnde est la textura de un objeto?
Transicin de objetos a texturas?
68
Texturas
Dnde est la textura de un objeto?
69
Texturas
Clasificacin
Regla de repeticin:
1. Repetitivas: repeticin peridica de un
patrn sobre una superficie mucho
mayor que el patrn.

2. Aleatorias: El patrn que se repite no lo
hace de forma peridica, aunque exista
cierta regla de formacin.

Patrn
3. Determinstico (regular o estructurado):
ordenamientos regulares que
normalmente son artificailes.

4. Estocsticos (irregular o aleatorio):
suelen ser naturales: tierra, arena, etc
1.
3.
2.
4.
70
Texturas
Modelos en el tratamiento
Mtodos estructurales: La descripcin de la textura se realiza a travs de
gramticas. Una de las ms interesantes es la denominada gramtica de formas.

Anlisis frecuencial: Se puede utilizar el anlisis en el dominio de la frecuencia,
porque una textura es una seal ms o menos peridica. El contenido frecuencial
de una textura da idea sobre su distribucin en el espacio.

Mtodos estadsticos:
Estadsticos de primer orden: Miden valores dependientes de los niveles de
gris de la imagen. Dependen slo de los niveles de gris de un pxel y no de su
relacin con los vecinos. Los atributos de un histograma son estadsticos de
primer orden.
Estadsticos de segundo orden: se basan en la observacin de un para de
valores de gris que ocurren en los extremos de un dipolo de longitud
preestablecida, situado en cualquier posicin y orientacin de la imagen. Son
propiedades de pares de pxeles.

Aqu solamente nos vamos a referir a anlisis frecuencial y mtodos
estadsticos
71
Texturas
nalis frecuencial
Dado que un atributo de las texturas es la frecuencia de repeticin del
patrn, una textura fina (con muchos cambios) tendr componentes de
alta frecuencia, mientras que una textura ms rugosa (patrn de
repeticin ms grande) tendr su energa concentrada en las bajas
frecuencias.

Autocorrelacin (C): Es uno de los parmetros ms utilizados (dentro del
anlisis en frecuencia):

donde W una regin (ventana) de la imagen
C i j
I u v I i u j v
I u v
v W u W
v W u W
( , )
( , ) ( , )
( , )
=
+ +
e e
e e

2
72
Texturas
Estadsticos de primer orden
Si P(f) es el histograma, suponiendo L niveles de gris diferentes, el
momento de orden n respecto a la media se define como:

Siendo el nivel medio de gris:

El momento de segundo orden es de particular inters para la descripcin
de texturas. En concreto la suavidad relativa (R):

m f f P f
m f f P f m f f P f m f f P f ianza
n n
f
L
f
L
f
L
f
L
=
= = = = = =
=

( ) ( )
( ) ( ) ; ( ) ( ) ; ( ) ( ) var ;
0
1
0 0
0
1
1 1
0
1
2 2 2
0
1
1 0 o
f f P f
f
L
=
=
0
1
( )
R
m
=
+
1
1
1
2
73
Texturas
Estadsticos de segundo orden
Matriz de co-ocurrencia: Es una de las fuentes de propiedades de la textura
ms importantes.

Dada una imagen, se define:

Un operador de posicin de pxel dentro de la imagen: P(d cosu, d senu)
Ejemplos: P(1 cos45, 1sen45)= un pxel por encima y uno a la derecha
P(1 cos180, 1sen180)= un pxel a la izquierda.

Una matriz A de dimensiones kxk cuyo elemento a
ij
es el nmero de veces que los
pxeles cuya intensidad es z
i
aparecen en la posicin especificada por P en
relacin a puntos de intensidad z
j
, con 1si, j s k.

74
Texturas
Ejemplo: considerando P= un pxel por encima y uno a la derecha ,
y una imagen con tres niveles de gris: z
0
=0, z
1
=1, z
2
=2, los elementos
de la matriz A son:
a
11
: Nmero de veces que un pxel de intensidad z
0
=0 aparece un pxel a la derecha y un pxel por
encima de pxeles de intensidad z
0
=0 .
a
12
:Nmero de veces que un pxel de intensidad z
0
1
=1 .
a
13
0
2
=2 .
a
21
1
0
=0.
a
22
1
1
=1.
a
23
1
2
=2.
a
31
2
0
=0.
a
32
2
1
=1.
a
33
2
2
=2

75
Texturas
Para P= un pxel por encima y uno a la derecha y una imagen I como
la indicada, la matriz A es:

El tamao de la matriz A est determinado nicamente por el nmero
de niveles de intensidad distintas de la imagen de entrada. En ocasiones
se cuantifica la imagen de entrada con un menor nivel de grises para
que A sea manejable.
I =
(
(
(
(
(
(
0 1 0 2 0
0 1 1 2 1
0 1 0 0 2
1 0 2 1 2
0 0 1 2 1
A =

(
(
(
2 1 2
3 3 0
2 2 1
76
Texturas
Tomando n como el nmero total de pares de puntos de la imagen que
satisfacen P (en el ejemplo anterior n=2+1+2+3+3+0+2+2+1=16).
Se define una matriz C como la formada dividiendo cada elemento de A
por n.
Cada elemento de la matriz C, c
ij
es una estimacin de la probabilidad
compuesta de que un par de puntos que satisfagan P tengan valores (z
i
, z
j
).
La matriz C se llama matriz de co-ocurrencia del nivel de gris.
Debido a que C depende de P, es posible detectar la presencia de unos
patrones de textura dados, eligiendo adecuadamente el operador de
posicin P.
Un conjunto de descriptores propuestos por Haralick (1979) o Ballard y
Brown (1982) utilizando los coeficientes de la matriz C se indican a
continuacin
77
Texturas
1. Probabilidad mxima:

2. Energa:

3. Momento de distancia de elementos de orden k:

4. Momento inverso de distincin de elementos de orden k:

max( )
,
c
ij
i j
c
ij
j i

2
( ) i j c
k
j i
ij

c
i j
i j
ij
j i
k

=
( )
78
Texturas
5. Entropa:

6. Uniformidad:

7. Correlacin:

donde:

c c
ij
j i
ij
log
c
ij
j i
2

( )( ) i j c
x y ij
j i
x y

o o
o o
x ij
j i
y ij
j i
x x ij
j i
y y ij
i j
i c j c i c i c = = = =

; ; ( ) ; ( )
2 2 2 2
79
Texturas
8. Inercia:

9. Homogeneidad local:
( ) i j c
ij
j i

2
1
1
2
+

( ) i j
c
j i
ij

Vision 6

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Vision 6

Hochgeladen von

Copyright:

Verfügbare Formate

Manuel Mazo.

Das könnte Ihnen auch gefallen