Transcript TemaIMB_Segmentacion - ImageN-A image-a

Ingeniería de la Salud
IMAGEN BIOMEDICA
SEGMENTACION
2013-14
Segmentación de imágenes
Detección de discontinuidades
Pntos aislados
Detección de discontinuidades
Detección de discontinuidades
Segmentación
Segmentación de imágenes
Segmentación de imágenes
Segmentación de imágenes
Detección de bordes
Detección de bordes
Operadores gradientes
Detección de discontinuidades
Detección de discontinuidades
Detección de bordes
Detección de bordes
Detección de bordes
Detección de bordes
Detección de bordes
Detección de bordes
Detección de bordes
Detección de bordes: Canny
Detección de bordes: Canny
Ejemplo Sobel versus Canny
Detección de bordes en escala de grises
Detección de bordes en escala de grises
Enlazado de bordes
Enlazado de bordes
Enlazado de bordes
Crecimiento de regiones
Puntos semilla
Crecimiento de regiones:
División y Fusión
Crecimiento de regiones:
división y fusión
Umbralización
Tipos de umbralización
Umbralización global: Selecciona un solo valor umbral en el
histograma de la imagen. Es el tipo más fácil de umbralizacion
pero depende de una buena iluminación. Es el más usado.
Umbralización local: Selecciona varios umbrales dentro del
histograma y cada uno de estos umbrales se optimiza para un
región pequeña de la imagen. Este tipo de umbralización es
mucho mas costosa.
Existen numerosos algoritmos de umbralización de aplicación en
el campo biomédico. Aquí solo citaremos los más relevantes.
Conceptos estadísticos
La probabilidad de ocurrencia del nivel de gris i en la imagen
p i  ni / n
Media de niveles de grises para la imagen completa
L 1
T 
 ipi
i0
La varianza representa la media aritmética de las desviaciones de la
media elevadas al cuadrado

2
 (
N
i 1
(Xi  ) ) / N
2
Tipos de distribución: (a) Distribución unimodal: la media, moda y
mediana tienen un valor idéntico; (b) Distribución bimodal: aquella que
tiene dos puntos máximos.
Segmentación mediante histograma
Umbralización
Segmentación mediante histograma
Segmentación mediante histograma
Segmentación mediante histograma
Algoritmo de umbralización de Otsu
Elige el umbral óptimo maximizando la varianza entre clases,mediante una
búsqueda exhaustiva. La distribución de probabilidad de los niveles de gris
para las dos clases serian:
L 1
t
p
 1 (t ) 
i0
 2 (t ) 
i
p
i  t 1
i
Las medias para las dos clases serían:
L 1
t
 1 (t ) 
i p
i0
i
/  1 (t )
 2 (t ) 
i p
i  t 1
i
/  2 (t )
Usando análisis discriminante, Otsu definió la variancia entre clases de una
imagen umbralizada como:
 B ( t )   1 ( t )(  1 ( t )   T )   2 ( t )(  2 ( t )   T )
2
2
2
Para una umbralización de dos niveles, Otsu verificó que el umbral óptimo t*
se elige de manera que sea máxima:
t  Arg Max  B ( t ) 
*
2
0t L
Para varias clases:
t
*
1
*
*
, t 2 ,......., t M 1

M
2
 Arg
Max
  k  k 
0  t1  .....  t M 1  L
 k 1

Aplicaciones en imagen médica
La umbralización tambien
tiene aplicacion en el
campo medico. El
algoritmo Otsu, se aplica
a imagenes medicas,
como por ejemplo las
resonancias magneticas
Umbralización adaptativa