1. PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR SEDE
IBARRA
TALLER PRÁCTICO DE
PROCESAMIENTO DE IMÁGENES CON MATLAB
DOCENTE: DIEGO BAROJA
ESTUDIANTE: FERNANDO PINTADO
FECHA: 30 DE NOVIEMBRE DEL 2017
SEGMENTACIÓN DE LAS IMÁGENES.
Realizar las siguientes preguntas en su computador, utilice los comandos solicitados y
capture en un documento los resultados que se obtiene luego de aplicar los comandos.
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:
La partición de la imagen
¿Qué es lo más importante que se busca al segmentar una imagen?
En partir o destacar una imagen para encontrarla para ser procesada
2. ¿Cuál es el objetivo de segmentar imágenes médicas?
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.
características homogéneas
características de los pixeles
¿Cómo se evalúa un proceso correcto de segmentación?
1.- Independencia de la inicialización:
Intravariabilidad (reproductibilidad).
2.- Comparación con el “experto” humano:
Sensibilidad (verdaderos positivos).
Especificidad (verdaderos negativos).
¿Cuáles son los métodos de segmentación más conocidos?
• Basados en umbrales.
• Basados en bordes.
• Basados en regiones.
Dentro de los métodos basados en umbrales, ¿cuál es su clasificación?
Umbralización y binarización.
Umbrales múltiples.
Umbrales automáticos.
¿Cómo se realiza el proceso de Umbralización o Binarización?
Extraer los objetos comparando su valor de intensidad con un valor de referencia
(umbral).
3. Cómo se produce el método de Otsu, ¿cuáles son sus principales características?
Asume que la imagen contiene dos clases de pixeles (histograma bimodal).
Calcula el umbral óptimo que minimiza la varianza intra-clase y maximiza la varianza inter-
clase.
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?
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:
1. Definir K-1 umbrales, y distribuirlos uniformemente sobre el histograma. Particionar la
imagen de acuerdo a los umbrales.
2. Calcular la intensidad promedio en cada segmento.
3. Redefinir los umbrales como el punto medio entre las intensidades promedio de los
segmentos. Re particionar la imagen con los nuevos umbrales.
4. 4. Repetir pasos 2 y 3 hasta que no se encuentren diferencias significativas.
Presente un collage de imágenes de un ejemplo propuesto, sobre la 1ra iteración, 2da,
5ta, 10ma, 20va y 30va.
5. ¿Cómo se realiza la segmentación basada en bordes con perfil del borde, primera y
segunda derivada?
6. Identificación de los objetos puede obtenerse también encontrando los bordes que lo
definen.
Borde: frontera entre dos regiones con propiedades de intensidad relativamente distintas.
Detectar el borde: encontrar lugares en la imagen donde la intensidad cambia
“abruptamente”.
A qué se denomina Gradiente morfológico
Es 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?
identificar y aislar objetos con propiedades homogeneas dentro de la imagen
Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera
diferencia de píxeles.
7. Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera
diferencia separada de píxeles.
Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera
Operador de Prewitt.
8. Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera
Operador de Sobel.
Cómo se ve gráficamente la detección de bordes con filtros en el caso que se considera
diferencia de Gaussiano.
9. En que consiste la técnica conocida como operador de Canny dentro de la detección de
bordes.
Técnica formulada con tres objetivos:
1. detección óptima, 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.
ALGORITMO
1. suavizar la imagen con un filtro Gaussiano.
2. encontrar la dirección del gradiente con el operador de Sobel.
3. usar supresión no-maximal, que retiene sólo aquellos puntos en el pico del borde.
4. Binarizar manteniendo los bordes conectados.
En que consiste la técnica conocida como operador de Sobiel dentro de la detección de
bordes.
10. 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).