Segmentação (processamento de imagem): diferenças entre revisões

onde, <math>\theta</math> é o limiar entre os tons de cinza, isto é na imagem obtida <math>d_{ij}</math>, só existiram os pixeis que apresentaram uma diferença de cor maior que <math>\theta</math>. Com isso a imagem obtida sera apenas a silhueta do objeto que se movimentou, porque o ambiente permanecera o mesmo e sera apagado com a diferença. Porem tal método possui algumas limitações: o ambiente nas duas imagens tem que possuir uma iluminação constante, o tempo entre as duas imagens tem que ser pequeno o suficiente para pegar apenas uma silhueta do objeto e não um borrão do mesmo e grande o suficiente para ser possível a observação do movimento. Uma possível melhora para esse método é a utilização de mais imagens, onde as diferenças entre elas são acumulativas, gerando uma imagem mais nítida do objeto e diminuindo os ruidos da imagem.

 

 

Técnica que determina um limiar ótimo considerando uma imagem I, com bom funcionamento em imagens cujos histogramas s˜ao bi-modais. A ideia é aproximar o histograma de uma imagem por duas funções Gaussianas e escolher o limiar de forma a minimizar a variância intra-classes. Cada classe possui suas próprias características, ou seja, sua média e desvio-padrão. Considere uma imagem digital f, de dimensões M × N e quantizada em L níveis de cinza. O primeiro passo é calcular o histograma p da imagem, dado por pi = ni/ MN (1)