1 T5.

Deteccin de bordes
ndice
Introduccin (15 min.)
Qu es un borde?
Pasos en la deteccin
Detectores de bordes basados en gradiente (1 h.)
Qu es gradiente?
Detectores
Detectores de bordes basados en laplaciana (1 h.)
Qu es laplaciana?
Detectores
Deteccin de esquinas (45 min.)
Qu es una esquina?
Detectores
2 T5. Deteccin de bordes
Qu es la laplaciana?
Laplaciana: mide cambios en
el gradiente
Diferencia de gradiente
f
f
2
2
2
) (
x
f
x f

2
f
Paso por 0
Paso por 0 Paso por 0
3 T5. Deteccin de bordes
Qu es la laplaciana?
Laplaciana =
2 derivada de f
2
2
2
2
2
) , (
y
f
x
f
y x f

=
Un ejemplo simplificado:
Gradiente de f f
x
(x) = f(x) f(x-1)
Laplaciana de f f
xx
(x) = f
x
(x) f
x
(x-1)
f
xx
(x) = f(x) f(x-1) f(x-1) + f(x-2)
f
xx
(x) = f(x) 2 f(x-1) + f(x-2)
[ ] 1 2 1 [ ] 1 2 1 Convolucin:
Laplace Laplace
inversa
4 T5. Deteccin de bordes
Filtros Laplaciana
(
(
(

0 1 0
1 4 1
0 1 0
(
(
(

1 1 1
1 8 1
1 1 1
Operadores de Laplace (inverso)
[ ] 1 2 1 [ ] 1 2 1 Convolucin:
Laplace Laplace
inversa
Ms peso en los pixeles centrales:
(
(
(

1 4 1
4 20 4
1 4 1
Sensibles
al ruido
5 T5. Deteccin de bordes
Laplaciana + imagen original
f
-
2
f
f + (-
2
f )
Realzado de imgenes
(sharpening)
(-
2
f )
6 T5. Deteccin de bordes
Laplaciana+imagen original
+ =
= +
7 T5. Deteccin de bordes
Filtro LoG: Laplaciana de la Gaussiana
e
y x
y x G
2
2 2
2
) , (

+

=
e
y x
y x
G
2
2 2
2
4
2 2 2
2
2

|
|
.
|

\
| +
=
2 derivada de la Gaussiana (Marr-Hildreth, 1980)
= Laplaciana de una gaussiana (LoG)
= Operador de Marr-Hildreth
= Sombrero Mejicano
8 T5. Deteccin de bordes
Filtro LoG: Laplaciana de la Gaussiana
2 derivada de la Gaussiana (Marr-Hildreth, 1980)
= Laplaciana de una gaussiana (LoG)
= Operador de Marr-Hildreth
= Sombrero Mejicano
Gaussiana 1D LoG 1D
9 T5. Deteccin de bordes
Filtro LoG: Laplaciana de la Gaussiana
2 derivada de la Gaussiana (Marr-Hildreth, 1980)
= Laplaciana de una gaussiana (LoG)
= Operador de Marr-Hildreth
= Sombrero Mejicano
Gaussiana 2D LoG 2D
10 T5. Deteccin de bordes
Filtro DoG: Diferencia de Gaussianas

1
= 2
2
= 10
G
2
- G
1
G
1
G
2
11 T5. Deteccin de bordes
Filtro DoG: Diferencia de Gaussianas
G
2
- G
1
G
2
Diferencia de Gaussianas (DoG)
= Aproximacin al filtro LoG
= Restar dos gaussianas de distinta
Empleado en fotografa y la industria grfica antes
de la aparicin de los ordenadores:
12 T5. Deteccin de bordes
ndice
Introduccin (15 min.)
Qu es un borde?
Pasos en la deteccin
Detectores de bordes basados en gradiente (1 h.)
Qu es gradiente?
Detectores
Detectores de bordes basados en laplaciana (1 h.)
Qu es laplaciana?
Detectores
Deteccin de esquinas (45 min.)
Qu es una esquina?
Detectores
13 T5. Deteccin de bordes
Detectores basados en la Laplaciana
Laplaciana diferencia de gradiente
Detectar pasos por cero (zero-crossings)
f
f

2
f
Paso por 0
Paso por 0 Paso por 0
Pendientes
significativas
14 T5. Deteccin de bordes
Detectores basados en la Laplaciana
Pendiente
del paso
por cero

cantidad
de cambio

2
= 2,
distintos
umbrales
15 T5. Deteccin de bordes
Detectores basados en la Laplaciana

2
f
1. Suavizado
2. Realzado: Laplaciana
3. Deteccin:
Pasos por cero significativos (pico significativo
en la 1a derivada)
4. Estimacin con precisin subpixel (opcional)
Interpolacin
Demasiado ruidoso no prctico
16 T5. Deteccin de bordes
Espacio Escala
Pendiente del paso por cero relacionada con
cantidad de cambio
Ms suavizado menos pendiente
regula la cantidad de suavizado
menor
Ms sensibilidad al ruido / Ms bordes
falsos
Ms precisin en la localizacin
mayor
Ms bordes perdidos / Bordes encontrados
son robustos
Menor precisin (deslocalizacin) / Bordes
cercanos pueden llegar a mezclarse
17 T5. Deteccin de bordes
Espacio Escala
f

2
f
Ruido
Pasos por 0
significativos
Menor precisin
f
18 T5. Deteccin de bordes
Espacio Escala
Solucin:
Filtrar con mscaras de distintos
Analizar el comportamiento de los bordes a
diferentes escalas de filtrado
mayor bordes robustos,
pero desplazados
menor mejor localizacin
19 T5. Deteccin de bordes
= 0.6 = 1 = 2
= 4 = 6
20 T5. Deteccin de bordes
Detector de bordes LoG

2
f
1. Suavizado:
2. Realzado:
3. Deteccin:
Pasos por cero significativos (pico significativo
en la 1a derivada)
4. Estimacin con precisin subpixel (opcional)
Demasiado ruidoso no prctico
Interpolacin
Filtro LoG
21 T5. Deteccin de bordes
ndice
Introduccin (15 min.)
Qu es un borde?
Pasos en la deteccin
Detectores de bordes basados en gradiente (1 h.)
Qu es gradiente?
Detectores
Detectores de bordes basados en laplaciana (1 h.)
Qu es laplaciana?
Detectores
Deteccin de esquinas
Qu es una esquina?
Detectores
22 T5. Deteccin de bordes
Qu es una esquina?
Esquina = Interseccin de 2 bordes rectos
Nivel semntico
Particularmente importantes para:
Orientar objetos
Dar medidas de sus dimensiones
Deteccin de esquinas
Basada en bordes: Bordes contornos
Segmentos rectos interseccin de rectas
Segmentos curvos curvatura
Basada en filtros:
Filtros especficos
Derivadas de 2 orden
Sin necesidad de
detectar bordes
23 T5. Deteccin de bordes
ndice
Introduccin (15 min.)
Qu es un borde?
Pasos en la deteccin
Detectores de bordes basados en gradiente (1 h.)
Qu es gradiente?
Detectores
Detectores de bordes basados en laplaciana (1 h.)
Qu es laplaciana?
Detectores
Deteccin de esquinas
Qu es una esquina?
Detectores
24 T5. Deteccin de bordes
Filtros especficos
Mscaras 3x3, con forma de esquina.
Mediante convolucin:
Hallar el mximo de los resultados.
En el caso ideal, encontrara:
Todas las esquinas
Y su orientacin (error 22,5)
Hasta 8,
rotaciones de 90
(
(
(

4 4 4
5 5 4
5 5 4
(
(
(

4 4 4
4 5 4
5 5 5
...
25 T5. Deteccin de bordes
Filtros especficos
En la prctica,
Las esquinas varan mucho en:
ngulo interno, gradiente de intensidad en los
lmites, ...
En vecindarios mayores (5x5, 7x7,...) no slo
aumenta el tamao, sino tambin el nmero de
mscaras.
Conclusin:
Usar mscaras-esquina es insuficiente.
26 T5. Deteccin de bordes
Basados en derivadas de 2 orden
Consideran variaciones locales en la intensidad,
hasta, al menos, el 2 orden.
En una esquina:
Cambia significativamente la direccin del
gradiente, y
La magnitud del gradiente tambin es significativa.
27 T5. Deteccin de bordes
Detectores de esquinas
Kitchen & Rosenfeld (1982):
Es esquina si:
Razn de cambio de la direccin de > u1
& Magnitud del > u2
donde:
f
x
, f
y
Derivadas de 1er. orden
f
xx
, f
yy
, f
xy
Derivadas de 2o. orden
( )
1
2
3
2 2
2 2
2
U
f f
f f f f f f f
E
y x
y x xy x yy y xx

+
+
=
+ Supresin de no-mximos a lo largo de la direccin
normal al borde
28 T5. Deteccin de bordes
f
x
, f
y
Derivadas de 1er. Orden
f
xx
, f
yy
, f
xy
Derivadas de 2o. orden
Detectores de esquinas
Kitchen & Rosenfeld (1982):
Ncleos para las derivadas:
(
(
(

1 0 1
1 0 1
1 0 1
x
(
(
(

1 1 1
0 0 0
1 1 1
y
x
f
f
x

y
f
f
y

|
.
|

\
|

x
f
x
f
xx
|
|
.
|

\
|

y
f
y
f
yy |
|
.
|

\
|

y
f
x
f
xy
29 T5. Deteccin de bordes
Detectores de esquinas
30 T5. Deteccin de bordes
Detectores de esquinas
Lipschutz (1969)
Es esquina si:
La curvatura gaussiana de la superficie > u1
El numerador es el determinante de la matriz
Hessiana
El denominador es casi la magnitud del gradiente
4
(en la prctica, se puede quitar el 1)
donde:
f
x
, f
y
Derivadas de 1er. orden
f
xx
, f
yy
, f
xy
Derivadas de 2o. orden
( )
2 2
2 2
2
1
U
f f
f f f
K
y x
xy yy xx

+ +

=
31 T5. Deteccin de bordes
Detectores de esquinas
32 T5. Deteccin de bordes
Artculos para el trabajo
Canny, J.; A computational approach to edge
detection, IEEE Trans. on PAMI, 8(6): 344-371,
1986.
Marr, D. and Hildreth, E.; Theory of edge detection,
Proc. of the Royal Society of London, Series B, vol.
207: 187-217, 1980.
Kitchen, P.W. and Rosenfeld, A.; Grey-level corner
detection. Pattern Recognition Letters, 1, 95-102,
1982.
33 T5. Deteccin de bordes
Bibliografa
Gonzalo Pajares & Jess M. De la Cruz, Visin por
Computador: Imgenes digitales y aplicaciones,
Ra-Ma, 2001.
deteccin de bordes y esquinas
Jain, R., Kasturi R. & Schunck, B.G.; Machine Vision,
McGraw-Hill, 1995.
deteccin de bordes
Fundamentos de Visin por
Computador
Sistemas Informticos Avanzados
T5. Deteccin de bordes