3. Slide 3
¿Qué es Textura?
Lo que constituye una región macroscópica. Su
estructura es simplemente atribuirse a los
patrones repetitivos en los que elementos o
primitivas se disponen según una regla de
colocación
Una región en una imagen tiene una textura
constante si un conjunto de estadísticas locales
u otras propiedades locales de la función de
imagen son constantes, que varían lentamente, o
aproximadamente periódica
4. Slide 4
¿Qué es un Descriptor de Textura?
Conjunto de métricas calculadas en el
procesamiento de imágenes diseñado para
cuantificar la textura percibida
Disposición espacial de las intensidades de color
o en una imagen o región seleccionada de una
imagen
5. Slide 5
¿Qué es un Descriptor de Textura?
Uniformidad de la intensidad en las regiones
locales de la imagen
Las imágenes de los objetos reales a menudo no
presentan regiones de intensidades uniformes
6. Slide 6
Uso de los Descriptor de Textura
Clasificar: Basándose en las propiedades de
textura, se puede identificar una variedad de
materiales
7. Slide 7
Uso de los Descriptor de Textura
Segmentar: encontrar los límites de las texturas.
El objetivo de la segmentación de textura es
obtener el mapa límite que separa las regiones
de diferente textura en una imagen
14. Slide 14
Local Binary Pattern (LBP)
Medida de la textura invariante en escala de grises,
compara el valor de un píxel actual para cada
valor en sus cuatro u ocho vecinos:
gc valor del pixel del centro
gp valor del pixel adjacente al pixel central
s es una operación de umbral
18. Slide 18
Matriz de Co-Ocurrencia
Medidas relacionadas al contraste:
Contraste
• El peso incrementa exponencialmente
como incrementa i, j
• Con una medida alta se dice que la
imagen tiene un contraste alto
19. Slide 19
Matriz de Co-Ocurrencia
Disimilitud
• Igual que contraste pero los pesos no
incrementan exponencialmente
• Incremento de peso lineal
20. Slide 20
Matriz de Co-Ocurrencia
Homogeneidad
• Inversa al contraste
• El peso decrece exponencialmente como
incrementa i, j
• A menor contraste mayor homogeneidad
21. Slide 21
Matriz de Co-Ocurrencia
Medidas relacionadas con el orden:
Segundo momento angular (ASM):
• Entre mas ordenada la imagen mas alta la
medida
Energía:
22. Slide 22
Matriz de Co-Ocurrencia
Máxima Probabilidad:
Entropía:
• Asumir: 0 * ln 0 = 0, ln 0 es indefinido
• Opuesto a la energía, máximo valor
cuando todos los elementos son iguales.
24. Slide 24
Matriz de Co-Ocurrencia
GLCM correlación:
• Dependencia lineal de los niveles de
grises de cada píxel con sus vecinos
25. Slide 25
Spectrum Textura (TS)
Método estadístico
Vecindad de 3 x 3 píxeles, que representan un
conjunto de pequeñas unidades esenciales
conocido como unidades de textura (TU)
38 = 6,561 posible descripciones de la textura
locales
27. Slide 27
Spectrum Textura (TS)
Medidas:
Énfasis momentos inversos a corto plazo
Momentos énfasis largo plazo
Falta de uniformidad en niveles de gris:
Ejecutar longitud de no uniformidad:
31. Slide 31
Haralick
Describe 14 medidas estadísticas de
distribución, calculadas a partir de la matriz de
co-ocurrencia
Medidas
Segundo momento angular:
42. Slide 42
SIFT – Encontrar puntos clave (3)
Localizar Max/Min en imagen DoG:
• X está marcado como un "punto clave" si es
mayor o menor que los 26 vecinos