Segmentation C. Andrés Méndez 17/04/2013. Where to find the presentations?

Presentazione sul tema: "Segmentation C. Andrés Méndez 17/04/2013. Where to find the presentations?"— Transcript della presentazione:

1 Segmentation C. Andrés Méndez 17/04/2013

2 Where to find the presentations? http://profs.sci.univr.it/~mendezguerrero

3 Co-Ocurrence Matrix Exercise 1 Brodatz textures http://www.ux.uis.no/~tranden/brodatz.html http://www.ux.uis.no/~tranden/brodatz.html Calculate the GLCM (Gray Level Co- Ocurrence Matrix) from 3 textures. –MatLab: graycomatrix Plot the correlation of each matrix(joint probability occurrence of the specified pixel pairs.) –MatLab: graycoprops –Example in Repeat the previous steps setting the GLCM to 16 levels of gray instead of 8 – (help graycomatrix) http://www.mathworks.it/help/toolbox/images/f11-27972.html#f11-33707

4 Global Thresholding Thresholding algorithm Search all the pixels f(i,j) of the image f. An image element g(i,j) of the segmented image is an object pixel if f(i,j) >=T, and is a background pixel otherwise. (MatLab>> help im2bw) Esercizio 1 –Caricare limmagine text.jpg e trasformarla in scala di grigi –Selezionare una stima iniziale della soglia T. (Un possibile valore iniziale può essere il punto intermedio tra il minimo e il massimo di valori di intensità dellimmagine) –Segmentare limmagine usando T –Calcolare i valori di intensità medi x1 e x2 per i pixel delle due regioni trovate al punto precedente –Calcolare la nuova T=1/2(x1+x2) –Ripetere i passi 2 e 4 finchè la differenza dei valori di T in iterazioni consecutive non è minore di un determinato parametro T0.

5 Region Growing Segmentation L'algoritmo di region growing segmenta un'immagine attraverso la suddivisione della stessa in regioni costituite da pixel simili tra loro. 1. Si sceglie il seme di partenza. 2. Si stabilisce una soglia th che determinerà il criterio di similarità. La soglia può essere una costante o può essere scelta in modo adattativo, ad esempio può dipendere dalla media della regione Ri a ciascun passo di iterazione. Al primo passo, la regione R1 sarà costituita solo dal seme e la soglia th dipenderà dal valore di luminanza del seme stesso. 3. Si prendono in considerazione gli 8 pixel adiacenti al seme confrontandone il valore di luminanza con la soglia th. Se superano il criterio di similarità verranno aggiunti alla regione R. 4. Si calcola la media dei valori di intensità della nuova regione Ri. 5. Si considerano tutti i pixel p adiacenti ad Ri: sia Ip l'intensitµa di p corrente. 6. Se è minore della soglia th, si aggiunge p ad Ri. 7. Si riprende dal passo 4 finchè nessun altro pixel supera il criterio di similarità.

6 Region Growing Segmentation Esercizio 2 Caricare limmagine lungs.jpg e visualizzarla Identificare le coordinate di un seedpoint allinterno della regione del polmone a sx Utilizzare la funzione regiongrow per segmentare il polmone, assegnando una soglia opportuna

7 More on Segmentation Exercise 3 Read the tutorial of cell segmentation http://blogs.mathworks.com/steve/2006/06/02/cell-segmentation/ Do all the processing with the same image, and be sure to understand each step. Repeat the processing methodology with different images. In which kind of images it works better?

8 Distance transform bwdist, computes the distance transform. The distance transform of a binary image is the distance from every pixel to the nearest nonzero-valued pixel, as this example shows. A small binary image (left) and its distance transform (right)

9 Watershed Segmentation Exercise 4 Load blob.tif Calculate and view the image transform Process the image and use watershed segmentation to separate both circles.

10 How to use Watershed in complex images? Exercise 5 Using the image pear.png, follow the example in: http://www.mathworks.it/it/help/images/examples/marker- controlled-watershed-segmentation.htmlhttp://www.mathworks.it/it/help/images/examples/marker- controlled-watershed-segmentation.html

11 More on Watershed Another example http://stackoverflow.com/questions/6691991/watershed-algorithm-in-matlab

12 If you are interested in segmentation (specially medical), take a look in http://www.itk.org/http://www.itk.org/ Also, interesting http://cmm.ensmp.fr/~beucher/wtshed.html