View
14
Download
0
Category
Preview:
Citation preview
Textura
UNIVERSIDADE ESTADUAL DE MARINGÁPROGRAMA DE PÓS-GRADUAÇÃO EM
CIÊNCIA DA COMPUTAÇÃO
Pro
f. Yan
dre C
osta
Prof. Yandre Costa
Pro
f. Yan
dre C
osta -
1
Textura
• Textura é um importante atributo visual presente em imagens, mas que não tem definição formal;
• A diversidade de texturas naturais e
Pro
f. Yan
dre C
osta
• A diversidade de texturas naturais e artificiais, torna impossível estabelecer uma definição universal para a mesma;
Pro
f. Yan
dre C
osta -
2
Textura
• Padrão visual geralmente relacionado a distribuição de pixels em uma região e características do objeto da imagem;
• Esse atributo geralmente contém
Pro
f. Yan
dre C
osta
• Esse atributo geralmente contém informações bastante ricas sobre o conteúdo da imagem e é muito útil em visão computacional;
Pro
f. Yan
dre C
osta -
3
Textura
• Algumas texturas apresentam regularidade no que diz respeito a repetição de padrões, outras não:
Pro
f. Yan
dre C
osta
Mármore Papel Parede Medeira Areia
Pro
f. Yan
dre C
osta -
4
Textura
• Texturas são descritas cotidianamente como finas, grossas, granuladas, lisas e etc.;
• Tamura et al. propõem o uso de
Pro
f. Yan
dre C
osta
• Tamura et al. propõem o uso de características mais precisas para descrever textura:
– Granularidade: tamanho das células
presentes na textura, eventualmente referida
como “espessura”;
Pro
f. Yan
dre C
osta -
5
Textura
– Contraste: dado por variações de tons de cinza presentes na imagem;
– Direcionalidade: direção predominante entre os elementos constituintes;
– Delineamento (line-likeness): intensidade da
Pro
f. Yan
dre C
osta
– Delineamento (line-likeness): intensidade da presença de linhas;
– Regularidade: regularidade com que primitivas se repetem;
– Rugosidade: medida da sensação de “aspereza” transmitida pela textura;
Pro
f. Yan
dre C
osta -
6
Textura
• Um descritor de textura pode se basear na distribuição e tons dos pixels diretamente, ou de primitivas componentes da textura;
• Uma primitiva é um conjunto de pixels
Pro
f. Yan
dre C
osta
• Uma primitiva é um conjunto de pixels com alguma propriedade e tom ou localização;
• O relacionamento espacial entre primitivas pode ser aleatório ou não;
Pro
f. Yan
dre C
osta -
7
Textura
• Diferentes primitivas e relacionamentos espaciais entre elas:P
rof. Y
and
re Co
sta
– a e b: mesma primitiva não produz necessariamente a mesma textura;
– a e c: mesmo relacionamento espacial não produz necessariamente a mesma textura;
a b c
Pro
f. Yan
dre C
osta -
8
Textura
• Exemplos de textura:
Pro
f. Yan
dre C
osta
Pro
f. Yan
dre C
osta -
9
Textura
• Abordagens para descritores de textura:
– Estatística;
• Matriz de co-ocorrência (GLCM);
– Estrutural;
Pro
f. Yan
dre C
osta
– Estrutural;
• LBP;
– Espectral;
• Transformada de Gabor;
Pro
f. Yan
dre C
osta -
10
Textura
• Abordagens estatísticas
– Medidas estatísticas obtidas a partir da
contagem de ocorrências de níveis de cinza
nos pixels da imagem e da forma como se
Pro
f. Yan
dre C
osta
nos pixels da imagem e da forma como se
relacionam no espaço;
Pro
f. Yan
dre C
osta -
11
Textura
• Matriz de co-ocorrência de níveis de cinza (GLCM)
– A mais tradicional abordagem estatística;
– Introduzida por Haralick et al. em 1973;
Pro
f. Yan
dre C
osta
– Introduzida por Haralick et al. em 1973;
A GLCM consiste em uma matriz de probabilidades (N×N*) de co-ocorrência de níveis de cinza dada uma
distância d e uma orientação θ.
* N é o número de intensidades de cinza utilizadas na representação da imagem.
Pro
f. Yan
dre C
osta -
12
Textura
• Possíveis orientações
para θ:
• Exemplo
– Considere a seguinte matriz de pixels:
Pro
f. Yan
dre C
osta
Pro
f. Yan
dre C
osta -
13
Textura
• Exemplo
– Considere a seguinte matriz de pixels:
• Considerando a distância d=1 e a orientação θ=0º
Pro
f. Yan
dre C
osta • Exercício:
• Encontre a GLCM para o exemplo anterior considerando θ = 45º, 90º e 135º
Pro
f. Yan
dre C
osta -
14
Textura
– A partir das probabilidades encontradas na
GLCM, medidas estatísticas são extraídas da
mesma. As mais comuns são:
Pro
f. Yan
dre C
osta
Pro
f. Yan
dre C
osta -
15
Textura
• Local Binary Pattern (LBP)
– Abordagem estrutural para descrição de
textura apresentada por Ojala et al. em 2002;
– Premissa: padrões binários locais à região de
Pro
f. Yan
dre C
osta
– Premissa: padrões binários locais à região de
vizinhança de um pixel são propriedades
fundamentais da textura de uma imagem;
Pro
f. Yan
dre C
osta -
16
Textura
• O método leva em conta para cada pixel C, P vizinhos equidistantes considerando-se uma distância R;
Pro
f. Yan
dre C
osta
uma distância R;
Pro
f. Yan
dre C
osta -
17
Textura
• A característica de textura T é preservada na seguinte distribuição:
))(),...,((10 CPC ggsggsT −−≈
−
Pro
f. Yan
dre C
osta
na qual
com i=[0,P]
<−
≥−
=−
00
01)(
Ci
Ci
Ciggse
ggseggs
Pro
f. Yan
dre C
osta -
18
Textura
• O LBP para o pixel C pode ser obtido através da
multiplicação dos elementos binários por um
coeficiente binomial. Associando-se um peso
binomial 2P a cada s(gP - gC), as diferenças
presentes na vizinhança são transformadas em
Pro
f. Yan
dre C
osta
presentes na vizinhança são transformadas em
um único código LBP, um valor 0≤C'≤2P.
Pro
f. Yan
dre C
osta -
19
Textura
• Os autores introduziram o conceito de
uniformidade do padrão LBP;
• Ele diz respeito ao número de transições entre
0’s e 1’s presentes no padrão encontrado;
Pro
f. Yan
dre C
osta
0’s e 1’s presentes no padrão encontrado;
• Um LBP é uniforme se o número de transições é
menor ou igual a 2;
uniforme não uniforme
Pro
f. Yan
dre C
osta -
20
Textura
• Uma variedade de LBP bastante utilizada é o LBP8,2, onde são tomados 8 vizinhos à uma distância 2;
• Para esta variedade, existem 58 padrões uniformes;
Pro
f. Yan
dre C
osta
uniformes;
• A textura associada à imagem, é descrita por um histograma dos padrões LBP encontrados;
• Todas as ocorrências de padrões não uniformes são contadas em uma coluna adicional do histograma;
• Desta forma, são encontradas 59 características para descrever a textura de uma imagem com LBP8,2.
Pro
f. Yan
dre C
osta -
21
Bibliografia
• A.K. Jain e F. Farrokhnia. Unsupervised texture segmentation using Gabor Filters. Pattern recognition, 24(12):1167-1186, 1991.
• H. Tamura, S. Mori, e T. Yamawaki. Textural Features Corresponding to Visual Perception. IEEE Trans. Systems, Man, and Cybernetics, 8(6):460-473, 1978.
Pro
f. Yan
dre C
osta
Systems, Man, and Cybernetics, 8(6):460-473, 1978. • M. Sonka, V. Hlavac, e R. Boyle. Image Processing,
Analysis, and Machine Vision. PWS Publishing, 1999.• R.M. Haralick, K. Shanmugam, e I.H. Dinstein. Textural
features for image classification. IEEE Transactions on systems, man and cybernetics, 3(6):610-621, 1973;
• Timo Ojala, Matti Pietikäinen, e Topi Mäenpää. Multiresolution gray-scale and rotation invariant texture classication with local binary patterns. IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(7):971-987, 2002.
Pro
f. Yan
dre C
osta -
22
Recommended