Tema 4.

Caractersticas de los patrones percibidos por un SVA

Forma:
Medidas generales sobre formas Descripcin de contornos Momentos espaciales y descriptores de Fourier

Color:
- Diagrama cromtico y teora triestmulo - Espacios (modelos) del color: RGB, HSI, ...

Textura:
- Anlisis estructural - Anlisis estadstico - Anlisis en el dominio de Fourier

Bibliografa
BSICA: R.C. Gonzlez y R.E. Woods, Digital Image Processing, Addison Wesley, 2 edicin, 2002. (caps. 6 y 11) A. de la Escalera, Visin por computador: Fundamentos y mtodos, Pearson- Prentice Hall, 2001. (caps. 3 y 6) COMPLEMENTARIA: G.A. Baxes, Digital Image Processing, John Wliley & Sons, 1994. (cap. 5) J.D. Foley et al, Computer Graphics: Pinciples and Practice, 2 Edicin, Addison-Wesley, 1997. (cap. 13) M. Sonka et al., Image Processing, Analysis, and Machine Vision, PWS Publishing, 1999. (cap. 6)

Introduccin (I)
Para reconocer objetos en imgenes es necesario extraer caractersticas medibles de stos. Estas caractersticas permiten definir vectores de caractersticas normalizados que se usan para el reconocimiento de patrones. Algunas de las caractersticas principales extrables de los objetos (o de las regiones segmentadas) en una imagen, utilizadas en la etapa de reconocimiento dentro de un Sistema de Visin Artificial, son la forma, el color y la textura.

Introduccin (II)
Ejemplos :

Forma

Color

Textura

Forma (I)
Medidas generales sobre formas
Definir la forma de un objeto puede resultar difcil (verbalmente o grficamente). Forma = figura exterior (o geometra) de un cuerpo u objeto. Es posible describir una forma 2D por medio de algunos de sus caractersticas y propiedades (rea, permetro, ). Medidas sobre forma:
rea Permetro Dimetro Distancias: mxima y mnima al centro de masas, media al contorno,... Ejes mayor y menor, ngulo del eje mayor Envolvente (bounding box) Nmero de agujeros Ratios: redondez=(4Area)/Perimetro2, Area Agujeros/Area Total, ...

Forma (II)
Medidas generales sobre formas

rea Permetro

Ejes mayor y menor

Bounding box

Caracterizacin de formas: descriptores generales (I)

Medidas descritas en relacin a pxeles (que pueden convertirse a unidades originales: metros, centmetros, etc). tiles cuando el tamao de la forma es importante (p.ej. en aplicaciones mdicas). Pueden resultar afectadas por la definicin de distancia y/o por el tipo de conectividad entre pxeles usadas. Algunas medidas: permetro, rea, centroide, distancia media al contorno, dimetro, ejes mayor y menor, descriptores de texturas, descriptores topolgicos, ratios de medidas, momentos estadsticos, descriptores de Fourier, ...

Caracterizacin de formas: descriptores generales (II)

Permetro:
Nmero de pxeles que forman el contorno de la forma Se obtiene el contorno binarizando la imagen, y luego se cuentan sus pxeles) Diferente resultado si se usa 4-conectividad 8-conectividad (igual ocurre con otros descriptores)

rea:
Nmero de pxeles de la forma (sobre la imagen binaria)

Centroide o centro de masas:

Promedio de los valores de las coordenadas de los puntos de la forma Se obtiene separadamente para cada una de las dos dimensiones Tambin puede calcularse a partir de los puntos del contorno.

Caracterizacin de formas: descriptores generales (III)

Eje mayor (o dimetro):
Distancia mayor entre dos puntos cualquiera de la forma

Eje menor:
Eje perpendicular al eje mayor Ambos ejes definen los lados del MRE Estos ejes tambin estn relacionados con los autovectores de la matriz de covarianzas (autoejes de las formas) usando el anlisis de componentes principales

Grado de simetra (se comprueba desde el eje mayor del objeto) Distancias mxima y mnima entre el centroide y los puntos del contorno Distancia media al contorno:
Sea f una forma con N puntos, pf un punto de f, y d(p,contorno(f)) la distancia menor entre p y todos los puntos del contorno, entonces la distancia media al contorno se calcula como:

= ( d(p,contorno(f))) / N

Caracterizacin de formas: descriptores generales (IV)

Descriptores topolgicos:
La topologa estudia las propiedades de una figura que quedan inafectadas por deformaciones y transformaciones geomtricas. Las propiedades topolgicas permiten describir globalmente aspectos estructurales (no mtricas) de un objeto. Algunos descriptores son: * el nmero de agujeros nA del objeto, * el nmero de componentes conexas nC (aplicado a objetos compuestos), * el nmero de Euler E que se define como: E = nC - nA.

E=1

E=0

E=-1

Caracterizacin de formas: descriptores generales (V)

Ratios de forma:
Sean P y A el permetro y el rea de un objeto, respectivamente. Algunos ratios de forma son: Compacidad: P2/A Redondez: 4 (A/P2) (medida inversamente proporcional a la compacidad) Relacin rea/permetro: A/P Rectagularidad: A/area(MRE) Elongacin: M/N (siendo M el eje mayor y N el eje menor)

Descriptores de curvatura:
Muestras de la curvatura en puntos de inters Estadsticos de curvatura: curvatura media, varianza, desviacin tpica, Energa de curvatura B (donde k(t) describe el contorno y P el permetro):

1 B = k (t ) 2 dt P

Representacin de formas 2D (I)

Clasificacin de las tcnicas de representacin
Representacin de formas

Basadas en contornos

Basadas en regiones

Basadas en transfomadas

Contornos paramtricos

Conjuntos de puntos

Aproximacin mediante curvas

Descomposicin en regiones

Regiones envolventes

Caractersticas Transformadas internas lineales

Transformadas no lineales

Representacin de formas 2D (II)

Clasificacin de las tcnicas de representacin
Representaciones basadas en contornos:
Contornos paramtricos: el perfil del contorno se representa mediante una descripcin paramtrica (implicando un orden secuencial). Ejemplos: vectores (x(t),y(t)); seales complejas u(t)=x(t)+jy(t); cdigos de cadena; rachas (run-lenghts); Conjunto de puntos caractersticos (landmark points): el contorno se describe mediante una coleccin de puntos (sin orden). Aproximacin mediante curvas: un conjunto de primitivas geomtricas se ajustan al contorno. Ejemplos: aproximaciones poligonales; polgonos de permetro mnimo; arcos circulares y elpticos; modelos autoregresivos; B-splines; ...

Representacin de formas 2D (III)

Descripciones basadas en contornos
Contornos como conjuntos de puntos caractersticos: Es la manera ms simple de representar una forma. Esta representacin, aunque pobre, permite obtener ciertos descriptores estadsticos de las formas (p.ej. centroide, eje mayor, ). Aproximacin de contornos mediante curvas: El contorno de una forma se representa mediante interpolacin. Resulta mejor representar un contorno por tramos que aproximen cada parte de ste mediante una primitiva geomtrica (p.ej. un segmento), que describir el contorno mediante una funcin global. Un mtodo sencillo de descripcin son las aproximaciones poligonales. Se trata de encontrar un conjunto de puntos (vrtices) sobre el contorno tales que permitan obtener una buena aproximacin del contorno original. La manera clsica de tratar este problema es elegir como vrtices los puntos con mayor curvatura local.

Representacin de formas 2D (IV)

Clasificacin de las tcnicas de representacin
Representaciones basadas en regiones:
Descomposicin en regiones: una regin se divide en formas ms simples (p. ej. polgonos) y es representada mediante estas primitivas. Ejemplos: polgonos; Voronoi/Delaunay; quadtrees; primitivas sintcticas; Regiones envolventes: una forma se aproxima mediante una primitiva geomtrica predefinida (p.ej. rectngulo) que se ajusta a ella. Ejemplos: mnimo rectngulo envolvente; cierre convexo; caja de Feret; ... Aproximacin mediante caractersticas internas: una forma se representa mediante un conjunto de caractersticas asociadas a su regin interna. Ejemplos: esqueleto; transformadas de distancias; matriz de forma; momentos espaciales; ...

Representacin de formas 2D (V)

Descripciones basadas en regiones
Dentro de la caracterizacin por divisin, una representacin muy usada es el quadtree para almacenar la regiones resultantes de una segmentacin mediante un proceso de divisin y unin de regiones. Algunas tcnicas de descomposicin (divisin) para contornos cerrados separan sucesivamente ciertos segmentos en dos partes hasta que se satisface un criterio determinado.

a d

a d b

a d b

Representacin de formas 2D (VI)

Descripciones basadas en regiones
Una familia importante de tcnicas basadas en regiones buscan la envolvente que encierra a una forma considerada. Hay tres tipos de envolventes fundamentales:
Caja de Feret: menor rectngulo, orientado segn una referencia especfica (p.ej. los ejes cartesianos), que encierra la forma. Menor rectngulo envolvente (MRE): menor rectngulo, orientado en cualquier direccin, que contiene la forma. Cierre convexo: menor conjunto convexo que contiene la forma (la deficiencia convexa es la diferencia entre el cierre convexo y la forma).

Forma

Caja de Feret

MRE

Cierre convexo

Representacin de formas 2D (VII)

Descripciones basadas en regiones
Otro grupo de tcnicas de representacin de regiones considera un conjunto de caractersticas relativas a la regin interna de la forma. La ms significativa de estas tcnicas es el esqueleto que permite reducir una forma a un grafo. Esta estructura se obtiene mediante un adelgazamiento (thinning) de la forma. Algunos procedimientos de esqueletizacin se basan en morfologa matemtica. Un mtodo sencillo, aunque ineficiente, es el propuesto por Blum (1967) llamado transformacin del eje central (MAT). El esqueleto de una forma R con contorno C se obtiene como sigue:
1) para cada punto pR, se busca su vecino ms cercano en C, 2) si p tiene ms de un vecino en C se dice que pertenece al esqueleto (o eje central) de R.

Forma

Esqueleto

Representacin de formas 2D (VIII)

Clasificacin de las tcnicas de representacin
Representaciones basadas en dominios transformados:
Transformaciones lineales: una transformacin T tal que, dadas dos formas A y B y dos escalares y , se cumple: T(A+B) = T(A)+T(B). Una aproximacin basada en transformaciones lineales representa una forma A en trminos de T(A). Ejemplos: transformadas de Fourier; transformada del coseno; transformadas wavelet; firmas; Transformaciones no lineales: una transformacin que no cumple la propiedad anterior. Ejemplos: transformada de Hough; operadores de morfologa matemtica;

Descriptores tpicos usados:

coeficientes de la transformada medidas de la transformada (p.ej. energa) estadsticos de la transformada

Representacin de formas 2D (IX)

Descripciones basadas en transformadas: firmas
Dentro de las descripciones basadas en transformadas lineales podemos mencionar las que hacen uso de la transformada de Fourier, de las transformadas wavelet, y de las firmas, principalmente. Una firma (signature) es una representacin funcional 1D de un contorno. Existen diversos mtodos de generacin de firmas; uno de los ms simples es dibujar la distancia del centroide del objeto al contorno en funcin del ngulo. Las firmas son invariantes a traslaciones pero dependientes de rotaciones y escalados (pero se puede normalizar para que resulte invariante ante estas transformaciones).
r A r A

r()

r()
(2)A

A
/4 /2 3/4 5/4 3/2 7/4 2

A
/4 /2 3/4 5/4 3/2 7/4 2

Ejemplos de representaciones (I)

Cdigos de cadena (descripcin de contornos)

El cdigo de cadena de un contorno (de objeto o regin) se define partiendo de un pxel cualquiera del contorno y encadenando la direccin en que se encuentran los puntos adyacentes del contorno mediante un convenio de seguimiento establecido. Se consigue as una cadena de smbolos que determinan unvocamente al objeto, que es invariante a traslaciones.

1 2 3 0

3 4 5

1 0

Direcciones del cdigo de cadena usando conectividad 4 y 8, respectivamente.

Ejemplos de representaciones (II)

Cdigos de cadena (descripcin de contornos)
Con el fin de lograr invarianza frente a rotaciones se codifican las diferencias entre los dgitos del cdigo y no el cdigo mismo. Para lograr invarianza respecto al punto de inicio, los dgitos del cdigo obtenido se disponen de forma que si se lee el cdigo se obtiene el menor entero posible con esa secuencia de dgitos. Para evitar que pequeos cambios en el contorno de un objeto produzcan cdigos diferentes se usa algn filtro de suavizado o algn escalado del objeto.

(a)

(b)

Ejemplo: Cdigo de cadena de conectividad 4. El punto grueso indica el nodo de inicio. Inicialmente se obtiene: 3030012122, que desplazndolo para obtener el mnimo queda: 0012122303. Finalmente, codificando las diferencias se obtiene: 0113101131

Ejemplos de representaciones (III)

Momentos espaciales (descripcin de regiones)

Los momentos espaciales de un objeto son medidas estadsticas que permiten describir regiones (objetos) en trminos de sus puntos interiores. Para una funcin f(x,y) continua en 2D, se define el momento de orden (p +q) como:
m pq =

p q x y f ( x, y)dxdy

Para una imagen digital, la frmula queda: x y El momento central de orden (p + q) de una imagen es:
pq = ( x x) ( y y ) q I ( x, y )
p x y

m pq = x p y q I ( x, y )

Ejemplos de representaciones (IV)

Momentos espaciales(descripcin de regiones)

Momento espacial de orden cero: Es la suma de los valores de brillo de los pxeles del objeto. Corresponde al rea del objeto en imgenes binarias. m00 = I ( x, y )
x y

Momentos espaciales de orden uno: Corresponden a las sumas en la direcciones x e y, respectivamente, de los valores de brillo de los pxeles del objeto, cada una de ellas multiplicada por su respectivo valor de coordenada x o y en la imagen.
m10 = xI ( x, y )
x y

m01 = yI ( x, y )
x y

El centro de masas de un objeto se calcula:

x=

m10 m 00

y=

m 01 m 00

Momentos espaciales de orden dos: Dan informacin sobre la orientacin del objeto. Hu propuso un conjunto de momentos centrales normalizados de rdenes 2 y 3 que son invariantes a traslaciones, rotaciones y escalados.

Ejemplos de representaciones (V)

Descripcin basada en la transformada de Fourier
En el dominio de la frecuencia se puede tratar el problema de la invarianza a las transformaciones geomtricas. Aplicar la transformada de Fourier sobre el cdigo de cadena o las coordenadas del contorno de un objeto. Invarianza a traslaciones: Las componentes de Fourier de dos objetos iguales, desplazados uno respecto a otro, solo se diferencian en F(0) (componente de frecuencia cero). Eliminando esta componente hay una descripcin invariante a traslaciones. Invarianza a rotaciones: Las transformada de Fourier de un objeto girado radianes respecto a otro igual no girado se diferencia en un factor multiplicativo e j. Por ello, suelen tomarse los mdulos que no cambian si el objeto est girado. Invarianza a escalado: La transformada de Fourier de dos objetos iguales pero de diferente tamao se diferencian en que todos los elementos de las transformada han sido multiplicados por un valor k que depende del cambio de tamao. Dividiendo todas las componentes por una de ellas (p. ej. F(1)) se obtiene una representacin invariante a escalado.

Color (I)
Introduccin
El sistema visual humano puede distinguir entre miles de colores y slo puede diferenciar alrededor de 100 niveles de intensidad. La percepcin del color depende de las caractersticas de la luz (fundamentalmente, la luz reflejada por el objeto) y del complejo proceso de percepcin realizado por el sistema visual humano (ojo-cerebro). Las radiaciones electromagnticas con longitud de onda entre 400 y 700 nanmetros (luz visible) estimulan los receptores humanos y producen la sensacin de color.

El color es un descriptor muy potente para diferenciar objetos. Importancia en aplicaciones de segmentacin y reconocimiento de patrones. Tratamiento imgenes color: color completo y pseudocolor.

Color (II)
Diagrama cromtico y teora triestmulo
La mezcla aditiva de la luz emitida por tres linternas, una roja (de 650 nm), otra verde (de 530 nm) y otra azul (de 425 nm) permite obtener una amplia gama de colores (teora triestmulo). Muchos dispositivos que generan imgenes en color (tubos de televisores, monitores, pantallas de cristal lquido, pantallas de plasma, etc) se fundamentan en este principio. En 1931 la Comisin Internacional de Iluminacin (I.C.I.) convino en expresar qu cantidad, en Lmenes, tiene que emitir cada una de tres linternas patrn para expresar todos los matices del espectro de manera aditiva.
2,5

C
2

Lumenes

1,5

A B
1

0,5

0 360 440 520 600 680 760

Longitud de onda (nm)

Color (III)
Diagrama cromtico y teora triestmulo
La obtencin de un color determinado se basa en tres componentes primarios:
x= A A+ B +C y = B A+ B +C z = C A+ B +C

donde: x+y+z=1. Representando en un plano XY el color asociado a cada punto (x,y,z) se obtiene el diagrama cromtico CIE (a):

(a)

(b)

Color (IV)
Diagrama cromtico y teora triestmulo
Los colores comprendidos dentro del tringulo definido por los puntos R,G,B de la fig. (b) son aqullos que se pueden obtener por mezcla aditiva de tres linternas con los colores correspondientes a los vrtices del tringulo. Los televisores y los monitores de ordenador, eligen cuidadosamente la base de tres colores (rojo, verde y azul) que usarn para construir las imgenes que presentan, de manera que el rea del triangulo dentro del diagrama I.C.I sea mxima, y as poder representar el mximo posible de colores en sus pantallas. El diagrama I.C.I da lugar a otro tipo de representacin denominado HSV (Hue-Saturation-Value). Esta representacin puede ser un superconjunto de una representacin RGB, en ella los valores que definen una radiacin son el color (Hue), su saturacin (Saturation), y su luminosidad (Value).

Color (V)
Tintas
Usando tintas, no se puede realizar la mezcla aditiva de haces de luz ya que, los colores percibidos al mezclar tintas son el resultado de una mezcla substractiva. Al tintar un papel blanco se le van restando componentes que ya no podr reflejar. Se trata de escoger adecuadamente una base de colores, para que la gama de matices, que se pueda representar mezclando componentes de esta base, sea lo ms extensa posible. Las impresoras, que usan papel y tinta, toman como base la los colores: cian, magenta y amarillo (CMY).

A la izquierda mezcla aditiva de la luz tres linternas sobre una superficie negra. A la derecha mezcla substractiva de tres tintas sobre un lienzo blanco.

Color (VI)
Espacios (modelos) de color
Una combinacin de caractersticas fsicas del mundo real determina lo que la visin humana percibe como el color. Un espacio (o modelo) de color es una representacin matemtica de estas caractersticas. Los espacios de color son siempre tridimensionales:
El espacio ms habitual en imgenes digitales (pantallas de ordenador) es el Red/Green/Blue (RGB). En impresin se usa el espacio Cyan/Magenta/Yellow (CYM). El espacio Hue/Saturation/Value (HSV) se usa tpicamente en imgenes artsticas. Los espacios de color basados en Intensity/Chromaticity (YUV y YIQ) se usan para transmisin de seales de televisin.

Muchas aplicaciones de tratamiento de imgenes digitales requieren transformaciones entre el espacio RGB y otros espacios de color.

Color (VII)
Espacio de color RGB
En este espacio aditivo, cada color tema valores entre 0 y 255, resultando una estructura de cubo. Cada color se define dando sus coordenadas de R, G y B, en forma de 3-tupla: (rojo, verde, azul) con respecto al cubo.

Color (VIII)
Espacio de color CMY
Espacio inverso del RGB: C = max-R M = max-G Y = max-B Uso en imgenes impresas (una vez que la imagen se convierte a CMY no se puede visualizar correctamente en pantalla). Tras aos de experiencia, se han desarrollado tcnicas para crear imgenes impresas de alta calidad y a bajo coste. El modelo CMYK, que es una modificacin del CMY donde K representa el color negro, permite este tipo de impresin con buen ratio: calidad/coste.

Color (XI)
Espacio de color HSV (o HSI)
Espacio de color bastante diferente al RGB y al CMY. Operar en HSI requiere mayor precisin aritmtica (coma flotante o 16-32 bits de precisin entera). Hue = Longitud de onda
dominante o tono del color (ngulo entre 0 y 360) Saturation = Saturacin o fuerza del color (entre 0 y 1) Value = Intensidad del color (entre 0 correspondiente al negro y 1 al blanco) Procesamiento en modelo HSI: 1) Convertir de RGB a HSI, 2) Modificar parmetro H (o S o I), y 3) Volver a convertir a RGB.

Color (X)
Espacios de color YUV y YIQ (luminancia-crominancia)
Estos espacios usan las caractersticas de brillo y color. El espacio YUV se usa para el sistema de televisin PAL (Europa) y el YIQ para el sistema NTSC (USA). Los dos mtodos son casi idnticos, diferencindose en las ecuaciones de conversin entre RGB y el modelo respectivo. En ambos sistemas, Y representa la luminancia o componente de brillo, e I y Q (o U y V), la crominancia o color. Estas variables (brillo, color) se pueden cambiar mediante los botones de una televisin (u ordenador). La ventaja de usar YUV o YIQ para enviar la seal de televisin es que se reduce la cantidad de informacin para definir el color. Esta compresin restringe el rango de colores en imgenes de televisin. Ejemplo: Y = .299R + .587G + .114B Ecuaciones de conversin de RGB a YUV: U = -.147R - .289G + .437B
V = .615R - .515G - .100B

Textura (I)
Introduccin
Las texturas ofrecen informacin sobre la ordenacin espacial de los niveles de gris (o de los colores) en una imagen. Son patrones visuales homogneos, locales y repetitivos que se observan en ciertos tipos de materiales (telas, piedras, madera, etc). Resulta importante para muchos aplicaciones de Visin Artificial: segmentacin de regiones en imgenes, determinacin de formas (o caractersticas) de objetos, clasificacin, etc. Al observar ciertos tipos de materiales se nota que presentan un aspecto homogneo a pesar de no tener un nivel de gris constante. La textura no puede definirse para pxeles aislados. La textura viene dada por distribucin espacial de los niveles de gris en una regin (medida cuantitativa). Esta caracterstica depende del grado de resolucin de la imagen.

Textura (Ib)
Introduccin
Textura: Uno o ms patrones locales que se repiten de manera peridica. Para el estudio y comparacin de los algoritmos sobre imgenes de texturas se utilizan como referencia las imgenes de Brodatz.

Diversas imgenes del album de Brodatz, utilizadas en el anlisis de texturas.

Textura (Ib)
Introduccin
Problemas relacionados con texturas (Forsyth y Ponce, 2003) Segmentacin basada en textura: descomponer una imagen en regiones cuya textura sea uniforme Sntesis de texturas: construir regiones grandes de textura a partir de imgenes (pequeas) de ejemplo usadas para construir modelos de probabilidad de textura Extraccin de la forma a partir de la textura: la deformacin de la textura pixel a pixel se usa como una caracterstica para descubrir la forma de una region

Textura (II)
Introduccin
Ejemplos de texturas: pavimento (izquierda) y tejido (derecha).

Mtodos de anlisis de texturas:

1) estructurales, 2) estadsticos, y 3) espectrales (uso de la transformada de Fourier).

Textura (III)
Medidas cuantitativas: informacin bordes
El nmero de pxeles borde detectados en una regin de tamao fijo y las orientaciones de estos bordes ofrecen una informacin bsica de textura. Para regiones pequeas de N pxeles, cada pxel p tiene dos propiedades generadas por un algoritmo de deteccin de bordes: la magnitud del gradiente Mag(p) y su orientacin Dir(p). Se puede calcular la densidad de bordes como:
FdensidadBordes = p : Mag ( p ) T N

siendo T un umbral dado.

Textura (IV)
Medidas cuantitativas : informacin bordes
Sea Hmag(R) el histograma normalizado de magnitudes de gradiente en la regin R y Hdir(R) el histograma normalizado de orientaciones de gradiente en la regin R, una medida cuantitativa que describe la textura de la regin viene dada por: Fmag dir = (Hmag(R), Hdir(R)) Dadas dos imgenes I1 e I2, se puede calcular para cada una de ellas su correspondiente par de histogramas (Hmag(R), Hdir(R)), y dichos histogramas H1 y H2 se comparan por medio de una medida de distancia:

L1 ( H 1 , H 2 ) = H 1 (i ) H 2 (i )
i =1

Textura (V)
Medidas cuantitativas: Ejemplo
Sean dos imgenes de 55 (25 pxeles):

FdensidadBordes(I1) = 1 y FdensidadBordes(I2) = 0.24 Imagen I1: Hmag(I1)=(0.24, 0.76), Hdir(I1)=(0.48, 0.52, 0.00) Imagen I2: Hmag(I2) =(0.00, 0.24), Hdir(I2)=(0.00, 0.00, 0.24) Texturas muy distinguibles. L1(H1,H2) = 2

Textura (VI)
Medidas cuantitativas: particin binaria local
Para cada pxel p de la imagen se examinan sus 8 vecinos. Se construye un nmero binario de 8 dgitos a partir de dichos vecinos: b1b2b3b4 b5b6b7b8 siendo bi=0 si la intensidad del pxel i es menor o igual que la del pxel p, y bi=1 en caso contrario. El valor decimal de este nmero estar entre 0 y 255. Se construye un histograma con estos valores, para todos los pxeles de la imagen, con el fin de representar la textura de la imagen. Dos imgenes o regiones se pueden compara a nivel de textura por la distancia L1 entre sus histogramas correspondientes.

Textura (VII)
Anlisis: Mtodos estructurales
Se basan en el uso de primitivas de textura (llamadas txeles) y de reglas (gramaticales) de formacin. tiles cuando las primitivas o patrones de textura son son los suficientemente grandes y sencillos para poder ser segmentados (se habla de macrotexturas). Para imgenes binarias, las primitivas puedes extraerse por mtodos morfolgicos y luego obtener las reglas de formacin. Las imgenes en niveles de gris se preprocesan primero con un filtro de tipo laplaciana de una gausiana (LoG) para obtener las primitivas de textura, luego se definen reglas de formacin usando medidas basadas en las co-ocurrencias de estas primitivas. Ejemplo: Dada la primitiva p: , y la regla de formacin: S pS, se pueden obtener la siguiente imagen binaria 2D aplicando la regla de formacin en las direcciones x e y:

Textura (VIII)
Anlisis: Mtodos estadsticos
Analizan la distribucin estadstica de alguna propiedad para cada uno de los pxeles de la imagen. Se clasifican en: mtodos de primer orden (aqullos basados en el histograma), mtodos de segundo orden (los basados en matrices de co-ocurrencias), y mtodos de rdenes superiores. Estadsticos de primer orden: Se calcula el histograma de la imagen. Si a cada valor del histograma se lo divide por el nmero total de pxeles de la imagen, se tiene un histograma de probabilidades de niveles de gris h. Propiedades que se obtienen a partir de este histograma son: Media Varianza Coef. de asimetra Curtosis Entropa
= ih(i )
i =1 n

= (i ) h(i )
2 2 i =1

3 =

(i ) h(i ) 3
3 i =1

4 =

(i ) 4 h(i ) 4
i =1

h(i ) log h(i )

i =1

Textura (IX)
Anlisis: Mtodos estadsticos (de segundo orden)
Los estadsticos basados en el histograma tienen el inconveniente de perder la informacin espacial. Se obtendra la misma informacin para una imagen de un tablero de ajedrez con los cuadros blancos y negros intercambiados. Para capturar las dependencias espaciales de los valores de niveles de gris, que contribuyen a la percepcin de las texturas presentes en una imagen, se define una estructura 2D llamada matriz de co-ocurrencias para analizar texturas. La matriz de coocurrencias P[i,j] se define especificando una direccin de desplazamiento d=(di,dj) y contando todos los pares de pxeles separados por d y que tienen valores de gris i y j.

Textura (X)
Anlisis: Mtodos estadsticos (de segundo orden)
Ejemplo: Imagen de 55 con tres niveles de gris (0, 1 y 2).
2 0 0 1 2 1 2 1 2 0 2 1 2 2 1 0 1 2 0 0 1 2 0 1 1

Como hay tres niveles de gris, Pd[i,j] es de tamao 33. Sea, por ejemplo d=(1,1). En la imagen existen 16 pares de pxeles que satisfacen esta separacin espacial. La matriz Pd[i,j] resultante para este valor de d es:
0 2 2 0 2 1 3 1 j 2 2 2 2 0 1 2 i

Textura (XI)
Anlisis: Mtodos estadsticos (de segundo orden)
Para analizar texturas pueden calcularse diferentes matrices de coocurrencias de la misma imagen con diferentes valores de d. Algunas propiedades que pueden extraerse a partir de dicha matriz son:
Energa (o segundo momento angular): Indica el grado de homogeneidad de la imagen. n n Pd (i, j )2
i =1 j =1

Contraste: Indica la variacin en la imagen.

k =0

k Pd (i, j )2 , donde : i j = k
2 i =1 j =1

n 1

Entropa: Expresa la uniformidad de la matriz de coocurrencias.

Pd (i, j ) logPd (i, j )
i =1 j =1 n n

Textura (XII)
Anlisis: Mtodos espectrales (Fourier)
Tambin a partir de la transformada de Fourier de una imagen, se pueden analizar sus texturas predominantes. El espectro de la transformada (su mdulo) |F(u,v)|, resulta ideal para describir la direccin de los patrones peridicos 2D de la imagen f(x,y). Tambin se puede utilizar la energa del espectro: P(u,v) = |F(u,v)|2. Se consideran dos caractersticas del espectro de Fourier de la imagen que son tiles al describir texturas: 1) los picos prominentes del espectro indican la direccin principal de los patrones de textura; 2) la localizacin de esos picos en el plano de frecuencias indican el periodo espacial de los patrones. Al expresar el espectro en coordenadas polares, se tiene: S(r,). Por cada direccin de , S(r,) es una funcin 1D S(r), y similarmente para cada frecuencia r, Sr().

Textura (XIII)
Anlisis: Mtodos espectrales (Fourier)
Se obtienen dos distribuciones:

S(r) = S (r)
=0

S() = Sr ()
r=1

R0

Para cada par de valores (r,), se obtiene el par [S(r),S()]. Variando estas coordenadas se pueden generar dos funciones: S(r) y S() que constituyen una descripcin espectral de la textura para una imagen completa. Adems, algunos descriptores propios de estas distribuciones, S(r) y S(), se pueden calcular para obtener para caracterizar las texturas de forma cuantitativa.