Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Procesamiento de Imagenes I Clase 1 José

No description
by

José María Massa

on 23 May 2016

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Procesamiento de Imagenes I Clase 1 José

Procesamiento de Imágenes I
Dr. Rubén Wainschenker
Dr. José M. Massa
Dr. Paula Tristan

Dictado:
Cursada:
Trabajos Prácticos presentados en clase
Análisis y Diseño de la solución para el proyecto

Final:
Desarrollo del proyecto
Defensa y discusión grupal

¿Qué es el procesamiento de imágenes?
Procesamiento de imágenes digitales
Los primeros procesamientos de imágenes se realizaron sobre imágenes analógicas
Solarizado
Bajo relieve
Fotografía revelada
Las imágenes que vamos a ver en el curso son digitales
Digital
Espacio discreto (cuantificación y muestreo)
Ejemplo: encontrar bordes en una imagen
Borde
Discontinuidad
Gradiente
Procesamiento digital de imágenes digitales
Gradiente continuo
En una imagen digital son discretos
Aproximación discreta del gradiente
¿Qué es una imagen?
Representación de un objeto de la vida real
Radiación E/M
Sonido
Calor
Objeto
Sistema de captura
Imagen
Imagen Digital
Imagen Digital
filas
columnas
Pixel
(Picture Element)
¿Qué información se guarda en cada pixel?
Cuantificación
2 niveles de gris [0..1]
4 niveles de gris [0..3]
8 niveles de gris [0..7]
16 niveles de gris [0..15]
32 niveles de gris [0..31]
64 niveles de gris [0..63]
Resolución: Cantidad de pixeles
Reflexión
Transmisión
Radiación
Existen muchos tipos de imágenes
Es necesario conocer el proceso de formación para su posterior procesamiento
Múltiples equipos de captura y almacenamiento


Capturar, realzar, segmentar, medir, identificar y visualizar objetos de interés en las imágenes.

Objetivos:
Extraer información de imágenes digitales.
Utilizar herramientas informáticas para la extracción de información.
Aplicaciones en diversas áreas: medicina, medioambiente, industria, seguridad, gestión.

Programa
Representación de imágenes digitales

Obtención de imágenes digitales

Almacenamiento de imágenes digitales

Análisis de imágenes digitales

Procesamientos elementales

Reducción de ruido en imágenes digitales

Detección de bordes en imágenes digitales

Operaciones geométricas en imágenes digitales

Segmentación

Transformaciones elásticas

Medición de parámetros de objetos en imágenes digitales

Identificación de objetos
La bibliografía clásica de Procesamiento de imágenes proviene de disciplinas que modelaron el problema como un contínuo.
El procesamiento digital de una imagen muchas veces implica una implementación en el espacio discreto de ecuaciones contínuas
Etapas del procesamiento de imágenes
(Pipeline de PDI)
Captura
Medición de características
Preprocesamiento
Segmentación
Clasificación
Imagen del mundo real
Imagen digital
Imagen digital mejorada
Objetos de interés
Ángulo
Lista de características
Objetos detectados
En un problema de Procesamiento de imágenes, no siempre son necesarias todas las etapas
Captura
Diseño/Análisis del mecanismo / método de obtención de la imagen digital.
Captura controlada
Captura definida por el problema
Es posible definir el dispositivo y las condiciones de la captura
Dispositivo
Escena
Distancia objetos-cámara
Fondo
Iluminación
Ángulos
Muestreo
Cuantificación
No es posible cambiar las condiciones de la captura
Se obtiene una imagen digital ya capturada
Es necesario analizar las condiciones de la captura para:
Conocer las propiedades de la imagen
La captura pueden condicionar los algoritmos a utilizar posteriormente
Se puede diseñar un sistema de captura ideal para optimizar el procesamiento posterior
Preprocesamiento / Realce
Reducir el "ruido" de la imagen para optimizar el desempeño de los algoritmos de segmentación
Modificar una imagen para su mejor visualización por un humano
Implica conocer la naturaleza del ruido de una imagen. Depende del problema o del sistema de captura
Ej. Modificar brillo/contraste para aprovechar el rango visible por el ojo humano.
Segmentación
Reconocer y extraer cada uno de los objetos presentes en la imagen
Entrada: imagen cruda o preprocesada
Salida: imagen binarizada con objetos detectados o lista de ubicación de objetos de interés
Determinar si un píxel corresponde a un objeto de interés o al fondo
Propiedades analizadas: ubicación, intensidad, relación con píxeles vecinos, transformaciones, momentos, etc.
Medición de características
Seleccionar qué características distinguen a las clases de objetos a reconocer
Diseñar / implementar algoritmos para la medición de las características

Clasificación
Utilizar un modelo de toma de decisión para decidir a que categoría pertenece cada objeto.
Clasificación supervisada
Clasificación no supervisada
Cuando se conocen las categorías se realiza un estudio previo
Cuando no se conocen las categorías es un problema de Clustering que implica encontrar las categorías o clases
Se entrena un clasificador con intervención del usuario
Se utiliza un clasificador "automático" que encuentra las clases
Problema
Reconocer clases de frutillas
Globosa
Cónica
Cónica alargada
Cuña
A partir de un conjunto de imágenes de muestra propocionadas por los productores se estudiaron las morfologías de cada clase
Objetivo: implementar una herramienta para la clasificación automática de las frutillas por procesamiento de imágenes.
Captura
Ambiente con luz natural
Fotografía sin flash
Cartulina de color azul de fondo
Ángulo recto
Distancia objeto-cámara: 20 cm
Resolución: 640x480 pixeles
Modo macro
Características de la cámara y otros parámetros
Preprocesamiento
Conversión del espacio de colores RGB a HSV
Eliminación de pixeles saturados
Facilita la segmentación, al reducir el componente de color a un solo valor
Cuando la saturación es mínima, el color es indefinido
No se aplicó ningún algoritmo de reducción de ruido, ya que no fue necesario
Segmentación
Se recorre la imagen consultando por el valor de Hue de cada pixel
Se realiza una búsqueda en profundidad con todos los vecinos
Se marcan los pixeles visitados
Se almacena la coordenada x,y en una lista para cada objeto detectado
Entrada: imagen en HSV
Salida: Lista de frutillas, cada una contiene una lista de coordenadas x,y
Medición de características
Se analizó la morfología de las muestras de cada clase
Se propuso el índice de circularidad y el índice de rectangularidad como características
Para cada frutilla, se recorrió la lista de coordenadas x,y y se calcularon ambos índices, formando el vector característico de cada frutilla detectada
Clasificación
Se recorre la lista de vectores característicos

Se compara cada valor con el rango predefinido de cada clase

Se asigna una clase al objeto

Test de sensibilidad
Verdaderos positivos
Falsos positivos
El pipeline de PDI es conceptual
El pipeline de PDI en la realidad
En una aplicación real, se suelen realizar las etapas al mismo tiempo
Actualmente los nuevos enfoques de procesamiento de imágenes intentan imitar los mecanismos del cerebro -> Computación Perceptual
Full transcript