El Movimiento en la Segmentación. Trabajo de P.I.D. 5º II. Álvarez-Ossorio Torres, Pedro L. Castro Díaz, Juan de Dios Pérez Fernández, Víctor M.

Transcripción

1 El Movimiento en la Segmentación Trabajo de P.I.D. 5º II. Álvarez-Ossorio Torres, Pedro L. Castro Díaz, Juan de Dios Pérez Fernández, Víctor M.

2 Introducción Qué es el movimiento Qué es la segmentación Cómo usar movimiento y segmentación Métodos y Ejemplos Pequeño ejemplo práctico

3 Introducción. Qué es el movimiento En las aplicaciones de imágenes, el movimiento es una ilusión óptica Se produce por la sucesión de imágenes con pequeñas diferencias Primeros proyectores (zootropo, praxinoscopio, 1890), o como los actuales Cinexin

4 Introducción. Qué es el movimiento Praxinoscopio Zootropo Cinexin

5 Introducción. Qué es el movimiento Ésta va a ser la propiedad fundamental que nos va a permitir segmentar imágenes mediante el movimiento

6 Introducción. Qué es la segmentación La segmentación es la obtención de objetos relevantes de una imagen, sin preocuparnos del fondo. Es una tarea muy difícil y muy importante para el análisis de imágenes

7 Introducción. Qué es la segmentación Para segmentar la imagen nos basamos en dos propiedades fundamentales de las imágenes en niveles de gris: Discontinuidad Similaridad

8 Introducción. Qué es la segmentación Discontinuidad Dividir una imagen basándose en los cambios bruscos de nivel de gris Se usa para encontrar puntos aislados, líneas y bordes de imágenes

9 Introducción. Qué es la segmentación Similaridad Métodos basados en umbralización, crecimiento de regiones, división y fusión de regiones

10 Ejemplo de Segmentación

11 El uso del movimiento en la segmentación Métodos espaciales Método básico Método de las diferencias acumulativas Establecimiento de una imagen de referencia Métodos basados en la frecuencia

12 El uso del movimiento en la segmentación Método Básico Compara un fotograma con el siguiente Se eliminan las partes inmóviles d( i, j) = 1 si f(x,y,ti) f(x,y,tj) > θ 0 otro caso

13 El uso del movimiento en la segmentación Método Básico

14 El uso del movimiento en la segmentación Métodos de las diferencias acumulativas Quitar ruido y no objetos móviles lentos Realiza un historial del movimiento Compara una imagen (de referencia) con la siguiente y/o posteriores Diferencias positivas, negativas o absolutas

15 Método de las diferencias acumulativas Partimos de una serie de fotogramas f(x,y,t 1 ), f(x,y,t 2 ),..., f(x,y,t n ) Tomamos uno como referencia y lo comparamos con el resto (píxel a píxel)

16 Método de las diferencias acumulativas Las diferencias pueden ser: Absolutas (AADI) d( i, j) = 1 si f(x,y,ti) f(x,y,tj) > θ 0 otro caso

17 Método de las diferencias acumulativas Positivas (PADI) d( 1, j) = Negativas (NADI) d( 1, j) = 1 si f(x,y,t1) f(x,y,tj) > 0 en otro caso 1 si f(x,y,t1) f(x,y,tj) < 0 en otro caso θ θ

18

19 Establecer una imagen de referencia Al comparar (restar) dos imágenes en movimiento se tiende a eliminar los objetos estáticos No siempre podemos tener una imagen con elementos estáticos A veces hay que componerla con objetos en movimiento

20 Establecer una imagen de referencia La imagen de referencia será la primera de una secuencia Cuando el objeto móvil está totalmente desplazado de su posición inicial, podemos colocar en su puesto el fondo del fotograma actual

21 Establecer una imagen de referencia Al final, la imagen de referencia solo tendrá los componentes estacionarios que se han ido creando.

22 Métodos basados en la frecuencia Tratamos de determinar el movimiento de los objetos Tenemos una sucesión f(x, y, t), t= 0,1,..., T-1 de T fotogramas de tamaño MxN generadas por una cámara estacionaria Supongamos un objeto de 1x1 pixel que se mueve con velocidad constante sobre el eje x

23 Métodos basados en la frecuencia Se genera un vector con M entradas, que son 0 excepto donde se encuentra el objeto En t=0, multiplicamos los componentes de la j 2πk1x t matriz por e, x=0, 1,..., M-1, y obtenemos e j2πk 1 t K 1 es un entero positivo, y t es el tiempo entre 2 fotogramas

24 Métodos basados en la frecuencia En t=1, el objeto se ha movido de (x,y) a (x+1,y) Repitiendo el procedimiento obtenemos e Si el objeto continua su movimiento, para cualquier instante t, tendremos: e j2π ( x+ 1) k1 t j2π ( x+ t) k1 t

25 Métodos basados en la frecuencia Esto se puede expresar como: e = Cos[ 2π ( x + t) k1 t] + jsen[2π ( x + t) k1 j 2 π ( x+ t) k 1 t t ] para t= 0,1,...,T-1

26 Métodos basados en la frecuencia Este procedimiento genera una sinusoide compleja de frecuencia k 1 Si el objeto se moviera V píxels de un fotograma a otro, la frecuencia sería Vk 1

27 Métodos basados en la frecuencia Como t varía entre 0 y T-1 en incrementos enteros, la DFT de la sinusoide tiene picos Un pico en Vk 1 y otro en (T-V)Vk 1 que se ignora La búsqueda de picos en el espectro de Fourier da lugar a Vk 1 La división de esta cantidad por k 1 proporciona la velocidad V Sobre el otro eje se actuaría de igual forma

28 Resumen Qué es el movimiento Qué es la segmentación Segmentación mediante el movimiento de objetos Métodos de segmentación + movimiento Método básico Método de las diferencias acumulativas Método basado en la frecuencia

29 Conclusiones La segmentación es la primera etapa en el procesamiento de imágenes Elegimos una técnica de segmentación según el problema Múltiples aplicaciones: identificación y seguimiento de objetos, la compresión de imágenes...

30 Referencias Rafael C. González, Richard E. Woods, Tratamiento digital de señales. Addison-Wesley / Díaz de Santos, Capitulo 7 Determinación del movimiento a partir de secuencias de imágenes, Aitzol Zuloaga Izaguirre, et al. Departamento de Electrónica y Telecomunicaciones ETSII y IT de Bilbao, Universidad del País Vasco