Académique Documents
Professionnel Documents
Culture Documents
on de Caractersticas
Domingo Mery
Indice general
Indice General
1. Introducci
on
2. Caractersticas geom
etricas
2.2. Area
(A) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
7
2.5. Momentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
3.1.
Color promedio . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2.
3.3.
3.4. Contraste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.5. Momentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.6. Caractersticas de textura . . . . . . . . . . . . . . . . . . . . 19
3
4
Bibliografia
22
Captulo 1
Introducci
on
En este captulo se describen algunas caractersticas que pueden ser empleadas para describir cuantitativamente regiones que hayan sido segmentadas en una imagen. Se entendera por regi
on aquel conjunto de pxels que
pertenezcan a una misma zona de la imagen y que este limitado por bordes.
Se asumira que los bordes no pertenecen a la region.
Para explicar las caractersticas que se detallaran a continuacion se usara el
ejemplo de la Figura 1.1. En este ejemplo se presenta una region circular
que ha sido segmentada. La region entonces se conforma por los pxels que
pertenecen al crculo (pero no a su permetro), es decir los pxels que han sido
marcados con color gris en la Figura 1.1b. Los bordes de la region definen el
lmite de la region.
Las caractersticas que se pueden extraer de una region se dividen en dos
categoras: caractersticas geometricas y caractersticas crom
aticas.
D.Mery
1 2 3 4
5 6
7 8 9 10 11
1
2
g[i,j]
Pixel
(4,6)
4
5
6
7
8
9
10
11
i
(a)
(b)
(c)
Captulo 2
Caractersticas geom
etricas
Las caractersticas geometricas contienen informacion de forma, posicion,
tama
no y orientacion de la region.
A continuacion se enumeran algunas caractersticas geometricas que se usan
com
unmente en el reconocimiento de patrones.
2.1.
Altura y ancho (h y w)
w = jmax jmin + 1
(2.1)
2.2.
Area
(A)
D.Mery
2.3.
Permetro (L)
2.4.
Redondez (R)
4A
L2
(2.2)
2.5.
Momentos
ir j s
para r, s N
(2.3)
i,j<
Otras definiciones mas exactas consideran el factor 2 para pxels del borde de la
region que esten en diagonal, como por ejemplo en el caso de un borde que contenga los
pxels (i, j) y (i + 1, j + 1) [1]. En este caso existe un compromiso entre la precision y el
costo computacional que requiere su calculo.
1
Extracci
on de Caractersticas
(i )r (j )s
para r, s N
(2.5)
i,j<
Muy conocidos en la teora de reconocimiento de patrones son las caractersticas derivadas de los momentos centrales, denominados momentos de
Hu [6, 14]:
1
2
3
4
5
6
7
=
=
=
=
=
20 + 02
2
(20 02 )2 + 411
(30 312 )2 + (321 03 )2
(30 + 12 )2 + (21 + 03 )2
(30 312 )(30 + 12 )[(30 + 12 )2 3(21 + 03 )2 ]+
(321 03 )(21 + 03 )[3(30 + 12 )2 (21 + 03 )2 ]
= (20 02 )[(30 + 12 )2 (21 + 03 )2 ]+
411 (30 + 12 )(21 + 03 )
= (321 03 )(30 + 12 )[(30 + 12 )2 3(21 + 03 )2 ]
(30 312 )(21 + 03 )[3(30 + 12 )2 (21 + 03 )2 ]
(2.6)
con
rs =
rs
t00
t=
r+s
+ 1.
2
20 02 211
400
10
D.Mery
I2 =
I3 =
I4 =
2.6.
Descriptores de Fourier
L1
X
(ik + j jk )ej
2kn
L
para n = 0, ..., L 1.
(2.8)
k=0
11
Extracci
on de Caractersticas
12
200
|F n |
180
10
jk
160
140
120
ik
100
80
4
60
40
20
0
10
15
20
10
15
20
2.7.
Elipse
Caractersticas muy usadas son aquellas que se derivan de una elipse que se
aproxima al contorno de la region. Es decir, se busca una elipse que sea lo mas
parecida posible al borde de la region y luego se extraen caractersticas de la
elipse tales como eje mayor, eje menor, orientacion y posicion de la elipse. A
continuacion se explica una metodologa para extraer estas caractersticas.
Los pxeles del borde de una region son definidos como (xi , yi ) para i =
1, ..., L. Es sabido que la ecuacion de una elipse esta dada por:
ax2 + bxy + cy 2 + dx + ey + f = 0
(2.9)
(2.10)
12
D.Mery
donde X es una matriz de L filas cuya fila i es xi . Una solucion tpica a (2.10)
se consigue restringiendo k a k= 1. En este caso a es la u
ltima columna de
T
V, donde X = USV es la descomposicion de valor singular2 de X.
Las caractersticas mencionadas de la elipse se pueden obtener re-escribiendo
(2.9) de la siguiente manera:
x x0
ae
donde
ae =
y y0
+
be
=1
1
1
, be = q
s ap
s bp
(2.11)
(2.12)
con
s=
1
vf
v = tT Tt
"
T=
a b/2
b/2 c
1
t = T1
2
"
d
e
b
1
arctan(
)
2
ac
x0 = t1 ,y0 = t2
2
(2.13)
(2.14)
13
Extracci
on de Caractersticas
mn(ae , be )
max(ae , be )
(2.15)
2.8.
Di
ametro d
2.9.
Distancias al borde
Otras medidas que sirven para caracterizar la forma de una region son:
Dmax : distancia maxima del centro de masa al borde.
Dmin : distancia mnima del centro de masa al borde.
Dmean : distancia promedio del centro de masa al borde.
Como las anteriores caractersticas no son invariantes al cambio de escala se
definen las metricas:
Dmin
Dmax Dmax
,
y
.
(2.16)
Dmin Dmean Dmean
Una metrica adicional es definida como la distancia promedio al borde:
=
1 X
di,j
A i,j<
(2.17)
14
D.Mery
Captulo 3
Caractersticas Crom
aticas
Antes de entrar a definir las caractersticas del color es necesario saber si
la imagen que se pretende analizar es a color o en blanco y negro. En el
primer caso el color se descompone en tres componentes (rojo, verde y azul)
para cada pxel de la imagen, en el segundo caso se cuenta solo con el tono
de gris en cada pxel. Las caractersticas que se mencionan a continuacion
son para una sola variable de color. Esta variable puede ser cada una de las
componentes del color, una combinacion lineal de las tres componentes o bien
simplemente el tono de gris. La informacion entonces necesaria para calcular
estas caractersticas es el valor de esta variable de color en cada pxel que
es representada como x[i, j] para el pxel (i, j) de la imagen. Es posible que
en algunas aplicaciones sea necesario analizar de manera independiente dos
variables de color, por ejemplo la componente en rojo y la componente en
azul. En este tipo de aplicaciones sera necesario extraer las caractersticas de
color para cada una de las variables de color requeridas.
3.1.
Color promedio
16
D.Mery
El n
umero de pxels de la region < es A, el area de la region. Una
representacion 3D de la variable de color de una region y su entorno se
muestra en la Figura 1.1c. En este caso se trabaja con el valor de gris, ya que
la imagen es blanco y negro. Para este ejemplo el promedio es G = 121, 90
(G=0 significa 100 % negro y G=255 corresponde a 100 % blanco).
3.2.
3.3.
17
Extracci
on de Caractersticas
3.4.
Contraste
(3.4)
G Ge
,
Ge
K2 =
G Ge
G + Ge
K3 = ln(G/Ge ),
(3.5)
18
D.Mery
180
P1
P2
R1
0
1
R2
8
10 11 1
(a)
=Q2
=Q1
9
10 11 1
(b)
10 11
12 13 14 15 16 17 18 19 20 21
(c)
Figura 3.1: Calculo del contraste para la Figura 1.1: a) valor de gris de la
zona y rampa en direccion i; b) valor de gris de la zona y rampa en direccion
j; c) fusion de las funciones de a) y b) sin rampas.
3.5.
Momentos
X
i,j<
ir j s x[i, j]
para r, s N .
(3.7)
19
Extracci
on de Caractersticas
3.6.
Caractersticas de textura
2h+1
X 2b+1
X
1
=
.(g[i, j] g)2
4hb + 2h + 2b i=1 j=1
(3.8)
20
D.Mery
Entropa:
Hkl =
Nx X
Nx
X
(3.9)
i=1 j=1
Inercia o contraste:
Ikl =
Nx X
Nx
X
(3.10)
i=1 j=1
Homogenidad o energa:
Ekl =
Nx X
Nx
X
(3.11)
i=1 j=1
Nx X
Nx
X
Pkl [i, j]
2
i=1 j=1 1 + (i j)
(3.12)
Bibliografa
[1] K.R. Castleman. Digital image processing. Prentice-Hall, Englewood Cliffs, New
Jersey, 1996.
[2] R. Chellappa and R. Bagdazian. Fourier coding of image boundaries. IEEE Trans.
Pattern Analysis and Machine Intelligence, PAMI-6(1):102105, 1984.
[3] O. Faugeras and W. Pratt. Decorrelation methods of texture feature extraction. IEEE
Trans. Pattern Analysis and Machine Intelligence, PAMI-2(4):323332, 1980.
[4] R.M. Haralick. Statistical and structural approaches to texture.
67(5):786804, 1979.
Proc. IEEE,
[10] MathWorks. Image Processing Toolbox for Use with MATLAB: Users Guide. The
MathWorks Inc., January 2003.
[11] D. Mery. Automated Flaw Detection in Castings from Digital Radioscopic Image
Sequences. Verlag Dr. Koster, Berlin, 2001. (Ph.D. Thesis in German).
[12] E. Persoon and K.S. Fu. Shape discrimination using Fourier descriptors. IEEE Trans.
Systems, Man, and Cybernetics, SMC-7(3):170179, 1977.
[13] M. Sonka, V. Hlavac, and R. Boyle. Image Processing, Analysis, and Machine Vision.
PWS Publishing, Pacific Grove, CA, 2 edition, 1998.
[14] C.H. Teh and R.T. Chin. On digital approximation of moment invariants. Computer
Vision, Graphics and Image Processing, 33(3):318326, 1986.
21
22
D.Mery
[15] C.T. Zahn and R.Z. Roskies. Fourier descriptors for plane closed curves. IEEE Trans.
Computers, C-21(3):269281, 1971.