Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Procesamiento de imagenes a colorLeccion 08.3
Dr. Pablo Alvarado Moya
CE5201 Procesamiento y Analisis de Imagenes DigitalesArea de Ingenierıa en Computadores
Tecnologico de Costa Rica
I Semestre, 2017
P. Alvarado — TEC — 2017 Procesamiento en color 1 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Contenido
1 Tipos de procesamiento a color
2 Bordes en color
3 Mapas de probabilidad de color
P. Alvarado — TEC — 2017 Procesamiento en color 2 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Procesamiento a color
El procesamiento a color en tres formatos
Pseudocolor
Por canales
Completo
P. Alvarado — TEC — 2017 Procesamiento en color 3 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Pseudocolor
Objetivo: resaltar detalles a observador humanoSea la entrada i : IR2 → IR, la salida es
o(x , y) =
f1(i(x , y))f2(i(x , y))f3(i(x , y))
con fi : IR→ IREjemplo: funciones termicas, visualizacion de “etiquetas”, etc.
Arno Coen
P. Alvarado — TEC — 2017 Procesamiento en color 4 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Procesamiento por canales
Sea imagen de entrada a color i : IR2 → IR3
i(x , y) =
c1(x , y)c2(x , y)c3(x , y)
con ci (x , y), i = 1, 2, 3 los canales de un espacio de color
Sean fi : IR→ IR
Salida de algoritmo de procesamiento por canales es
o(x , y) =
f1(c1(x , y))f2(c2(x , y))f3(c3(x , y))
P. Alvarado — TEC — 2017 Procesamiento en color 5 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Procesamiento completo
Sea imagen de entrada a color i : IR2 → IR3
i(x , y) =
c1(x , y)c2(x , y)c3(x , y)
con ci (x , y), i = 1, 2, 3 los canales de un espacio de color
Sean fi : IR3 → IR
Salida de algoritmo de procesamiento completo es
o(x , y) =
f1(i(x , y))f2(i(x , y))f3(i(x , y))
Tambien si la salida es solo un canal se consideraprocesamiento completo
P. Alvarado — TEC — 2017 Procesamiento en color 6 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Precaucion
Eleccion de espacios de color es fundamental
Espacio incorrecto conducira a artificios y ruido cromatico
P. Alvarado — TEC — 2017 Procesamiento en color 7 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Dos algoritmos de ejemplo
Bordicidad de imagenes a color
Mapas de probabilidad de color
P. Alvarado — TEC — 2017 Procesamiento en color 8 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Bordicidad
Bordicidad (edgeness): medida de discontinuidad enintensidad en una imagen
Si i : IR2 → IR se usa amplitud del gradiente:
|∇i(x , y)| =
√[∂
∂xi(x , y)
]2
+
[∂
∂yi(x , y)
]2
(recordar kernels de Sobel, Ando, Roberts, etc.)Se usa tambien se usa el laplaciano:
∇2i(x , y) =∂2
∂x2i(x , y) +
∂2
∂y2i(x , y)
P. Alvarado — TEC — 2017 Procesamiento en color 9 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Metodos simples
¿Que usar si i : IR2 → IR3?
Maximo de bordicidad de cada canal (RGB, XYZ, L∗a∗b∗. . .)
Promedio de bordicidad de cada canal
Mediana de bordicidad de cada canal
PERO: todos estos metodos ignoran relaciones intercanal.
P. Alvarado — TEC — 2017 Procesamiento en color 10 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Derivada direccional maxima (1)
Una opcion: MDD (Maximal Directional Derivative)
Propuesta de Cumani (1991) y de Greenshields (1999)
Derivada direccional en direccion u ∈ IR2 sobre posicion p es:
d
dti(p + tu)|t=0
El jacobiano de i(p) = [c1(p), . . . , cd(p)]T se define como
Di(p) =
∂c1∂x
∂c1∂y
......
∂cd∂x
∂cd∂y
P. Alvarado — TEC — 2017 Procesamiento en color 11 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Derivada direccional maxima (2)
La derivada direccional esta dada por
d
dti(p + tu)|t=0 = Di(p) · u
Sea la norma Lm: ‖x‖m = m√|x1|m + |x2|m
MDD: conjunto de vectores 2D {ζj} en la direccion de
vectores unitarios u que maximizan ‖Di(p) · u‖m{ζj
}=
{uo |
∥∥Di(p) · uo
∥∥m
= max‖u‖=1
∥∥Di(p) · u∥∥m
}
P. Alvarado — TEC — 2017 Procesamiento en color 12 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Derivada direccional maxima (3)
En caso bidimensional: ζi
dados por eigen-sistema delcuadrado del Jacobiano:[
Di(p)TDi(p)]
ej = λjej . (1)
El vector uo es ei/‖ei‖, para i = arg maxj λj .
El cuadrado del Jacobiano es una matriz 2× 2:calculo eficiente de eigen-sistema para cada pixel.
Contraste de color es vector:
C (p) = uo(λi − λ3−i ) i = arg maxjλj
Tanto MDD como contraste de color contrast se usan parabordicidad.
Ver lti::colorContrastGradient
P. Alvarado — TEC — 2017 Procesamiento en color 13 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Derivada direccional maxima (4)
R
x
G,B
x
max(∇R,∇G ,∇B) contraste de color
P. Alvarado — TEC — 2017 Procesamiento en color 14 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Mapas de probabilidad de color
Problema: encontrar en imagen lugares con objetos de colorespecıfico.
Proceso de formacion: color depende de iluminacion, objeto ysensor⇒ variacion impredecible de colores
Solucion: usar entrenamiento de un “modelo de color” quecubra cambios esperados.
Defınanse dos clases: objeto y ¬ objeto.
Generar canal con probabilidad de que cada pıxel pertenezca aobjeto o a ¬ objeto, de acuerdo unicamente a su color.
P. Alvarado — TEC — 2017 Procesamiento en color 15 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Modelos de probabilidad
Se estima la probabilidad de que un determinado color cforma parte del objeto con dos histogramas de datos deentrenamiento:
p(c | objeto) p(c | ¬objeto)
Se busca p(objeto | c) con teorema de Bayes
P. Alvarado — TEC — 2017 Procesamiento en color 16 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Teorema de Bayes
p(a | b) =p(b | a)p(a)
p(b)
p(a | b) es la probabilidad a posteriori,
p(b | a) es valor de verosimilitud (o likelihood)
p(a) es la probabilidad a priori
p(b) constante de normalizacion.
P. Alvarado — TEC — 2017 Procesamiento en color 17 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Probabilidad de ser objeto
Para caso de probabilidad de ser objeto por su color:
p(objeto | c) =p(c | objeto)p(objeto)
p(c)
y utilizando las reglas de probabilidad se conoce que
p(c) = p(c | objeto)p(objeto) + p(c | ¬objeto)p(¬objeto)
donde ademas p(¬objeto) = 1− p(objeto).
Ver ltilib-2/examples/colorProbability ylti::colorProbabilityMap
P. Alvarado — TEC — 2017 Procesamiento en color 18 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Ejemplo
P. Alvarado — TEC — 2017 Procesamiento en color 19 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Resumen
1 Tipos de procesamiento a color
2 Bordes en color
3 Mapas de probabilidad de color
P. Alvarado — TEC — 2017 Procesamiento en color 20 / 21
Tipos de procesamiento a colorBordes en color
Mapas de probabilidad de color
Este documento ha sido elaborado con software libre incluyendo LATEX, Beamer, GNUPlot, GNU/Octave, XFig,Inkscape, LTI-Lib-2, GNU-Make y Subversion en GNU/Linux
Este trabajo se encuentra bajo una Licencia Creative Commons Atribucion-NoComercial-LicenciarIgual 3.0 Unpor-ted. Para ver una copia de esta Licencia, visite http://creativecommons.org/licenses/by-nc-sa/3.0/ o envıeuna carta a Creative Commons, 444 Castro Street, Suite 900, Mountain View, California, 94041, USA.
© 2005-2017 Pablo Alvarado-Moya Area de Ingenierıa en Computadores Instituto Tecnologico de Costa Rica
P. Alvarado — TEC — 2017 Procesamiento en color 21 / 21
Top Related