Taller sobre segmentación de imágenes

1. ESCUELA DE INGENIERÍA
CARRERA DE INGENIERÍA EN SISTEMAS
Procesamiento de Imágenes
Taller Nro 21
Fecha: 12 de diciembre de 2020
SEGEMENTACION DE LAS IMAGENES
Actividad:
Contestar las siguientes preguntas en su computador, utilice los documentos propuestos del tema
para afirmas las preguntas realizadas.
 Mediante un Organizador Gráfico, identifique los pasos para el proceso de la visión
Artificial.
 En el procesamiento de imágenes, la segmentación de imágenes se refiere al proceso de:
o Partición de la imagen de una manera semánticamente significativa
o Encontrar un objeto en una imagen. (particionar en clases: objeto(s) y fondo)
o Particionar la imagen en regiones (clases, subconjuntos) homogéneos con
respecto a una o más características
 ¿Qué es lo más importante que se busca al segmentar una imagen?
o Se buscan soluciones correctas:
o Regiones uniformes y homogéneas
o Interiores simples y con un mínimo de huecos

2. o Regiones adyacentes deben tener atributos suficientemente diferentes
o Fronteras entre regiones deben ser simples, iguales y espacialmente acertadas
 ¿Cuál es el objetivo de segmentar imágenes médicas?
o Particionar la imagen en regiones (clases, subconjuntos) homogéneos con
respecto a una o más características.
 Dentro de la segmentación de imágenes, cuáles son las características de los elementos a
segmentar.
o Dadas las diferentes características de las imágenes y los elementos a segmentar
no existe un método estándar de segmentación que produzca buenos resultados
para cualquier imagen.
 ¿Cómo se evalúa un proceso correcto de segmentación?
o Independencia de la inicialización: Intervariablidad (reproductibilidad)
o Comparación con el “experto” humano: Sensibilidad (verdaderos positivos),
Especificad (verdaderos negativos)
 ¿Cuáles son los métodos de segmentación más conocidos?
o Basados en umbrales
o Basados en bordes
o Basados en regiones
 Dentro de los métodos basados en umbrales, ¿cuál es su clasificación?
o Umbralizacion y binarizacion
o Umbrales múltiples
o Umbrales automáticos
 ¿Cómo se realiza el proceso de Umbralización o Binarización?
o Se extraen objetos comparando su valor de intensidad con un valor de referencia
(umbral)
 Cómo se produce el método de Otsu, ¿cuáles son sus principales características?
o Asume que la imagen contiene dos clases de pixeles (histograma bimodal)
o Calcula el umbral optimo que minimiza la varianza intra-clase y maximiza la
varianza inter-clase
o Calcula probabilidades de cada posible clase, y comprueba las varianzas hasta que
encuentra la mínima dentro de las clases y/o la máxima entre las clases
 Cómo funciona el agrupamiento de k-means, ¿cuáles son sus principales características y
cuáles son los pasos generales de su algoritmo?
Es un método de clasificación, que asigna puntos dados a K diferentes segmentos.
En el caso de las imágenes, asigna cada pixel a una de las K regiones de acuerdo a su valor
de intensidad.
Es necesario saber de antemano el valor de K
Algoritmo K-means:
1. Definir K-1 umbrales, y distribuirlos uniformemente sobre el histograma.
Particionar la imagen de acuerdo a los umbrales.
2. Calcular la intensidad promedio de cada segmento

3. 3. Redefinir los umbrales como el punto medio entre las intensidades promedio de
los segmentos. Repartición la imagen con los nuevos umbrales.
4. Repetir pasos 2 y 3 hasta que no se encuentren diferentes significativas.
 Presente un collage de imágenes de un ejemplo propuesto, sobre la 1ra iteración, 2da,
5ta, 10ma, 20va y 30va.

4.  ¿Cómo se realiza la segmentación basada en bordes con perfil del borde, primera y
segunda derivada?

5.  A qué se denomina Gradiente morfológico,
A la diferencia entre la dilatación y la erosión de la imagen con el mismo elemento
estructural.
 ¿En qué consiste la detección de bordes con filtros?
Identificación de los objetos, puede obtenerse también encontrando los bordes que lo
definen.
Borde: frontera entre dos regiones con propiedad de intensidad relativamente distintas.
Detectar el borde: encontrar lugares en la imagen donde la intensidad cambia
“abruptamente”
 Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera
diferencia de píxeles.
 Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera
diferencia separada de píxeles.

6.  Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera
Operador de Prewitt.
 Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera
Operador de Sobel.

7.  Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera
diferencia de Gaussiano.
 En que consiste la técnica conocida como operador de Canny dentro de la detección de
bordes.
Técnica formulada con tres objetivos:
1. Detección optima, para reducir la respuesta al ruido
2. Buena localización, con distancia mínima entre el borde original y el estimado
3. Respuesta única, para eliminar múltiples respuestas a un único borde
 En que consiste la técnica conocida como operador de Sobiel dentro de la detección de
bordes.
Calcula el gradiente de la intensidad de una imagen en cada punto (pixel). Así, para cada
punto, este operador de la magnitud del mayor cambio posible, la dirección de este y el
sentido desde oscuro a claro
 En que consiste el método RATS.
RATS (Robust Automatic Threshold Selection):
Permite definir automáticamente umbrales de segmentación a partir de la información del
gradiente (bordes).
Su éxito depende del filtro de gradiente usado.