A pesquisa em processamento e análise de imagens caminha a passos largos. Imagens são uma grande ferramenta e não é preciso muito esforço para convencer ninguém disso, porque afinal, uma imagem vale mais que mil palavras…

Tendo passado alguns anos lendo trabalhos de conferências e revistas especializadas, posso arriscar um palpite sobre qual é o maior desafio na área de PDI: é a segmentação. Isto é, dividir uma imagem nos objetos que compõem a cena (ou campo, no caso de microscopia). Frequentemente o objetivo de um sistema de visão ou análise de imagens é medir ou quantificar alguma coisa. Medir costuma ser o menor dos problemas, assim como contar – máquinas são essencialmente boas nisso. O obstáculo maior costuma ser a identificação dos objetos (sua localização e limites) para que então o software possa aplicar as ferramentas de medição.

Como seres humanos, fazemos isso o tempo todo sem pensarmos em como esse processo acontece. Temos um sofisticado sistema de visão, e muitas vezes não precisamos de nenhum esforço para colocá-lo em funcionamento.

Pato-real por detsang.

Olhe a imagem do pato… ninguém tem dúvidas de que é um pato. Porquê? Porque já vimos patos antes (pelo menos na TV) – conhecemos sua forma e suas cores, e esperamos encontrá-los nadando. O reflexo na água não nos confunde porque também conhecemos a água e sabemos que pode refletir assim. Ou seja, usamos nossa visão e todo o conhecimento prévio que temos do mundo que nos cerca para decifrar uma imagem. Como podemos esperar que um simples algoritmo resolva o assunto?

Quando se fala em segmentação de imagens digitais, existem algumas abordagens bastante utilizadas, que obtém sucesso dependendo do tipo de imagem e do objetivo. Neste assunto não há unanimidade sobre o que é melhor ou pior, existem experiências, idéias e resultados.

Técnicas baseadas em cores, ou intensidade de valor de píxel.

A mais comum já foi apresentada aqui – o Threshold ou Limiar. A técnica divide o histograma da imagem em duas partes ou mais (chamado threshold múltiplo). Mas também faz parte deste grupo o meu método preferido: o mean-shift. Este usa toda a informação de cor num modelo tridimensional para obter grupos de pixels de cores semelhantes, esperando que estes grupos formem objetos.

Imagem do pato-real após threshold.

Detecção de bordas:

Estas técnicas tentam imitar uma das grandes habilidades do sistema de visão humano: a detecção de descontinuidades (é como sabemos onde termina o pato e começa a água). Para encontrar bordas são usador filtros. A maioria dos programas de processamento e/ou edição de imagens oferece uma função deste grupo, com o nome de edge detection. Alguns dos filtros mais usados com esta função são sobel, prewit e canny.

Mesma imagem, após detecção de bordas usando o filtro canny.

Crescimento de regiões:

Estes métodos assumem que uma região é formada por pixels adjacentes e com algumas características estetísticas em comum, como média e desvio-padrão das intensidades (cores) dos pixels. Alguns algoritmos podem ser executados sem interação humana, mas há os que permitem que o usuário defina sementes, que são pontos por onde o crescimento deve começar.

Contornos ativos:

Também chamados de SNAKES, são linhas fechadas que se adaptam ao contorno de um objeto. Existe uma Active Countour homepage, no domínio da universidade de Bristol, na Inglaterra, com informações sobre quatro modelos de contornos ativos, incluindo algumas animações bem didáticas.

E a imagem do início do post, que técnica pode segmentá-la?

Provavelmente uma combinação de várias delas. As bordas não ajudam muito porque há muitas delas entre as penas. A cores também ficam muito próxima das cores da agua. A textura é provavelmente o elemento mais promissor neste caso. É possível usar resultados de matrizes de co-ocorrência com característica para métodos de crescimento de regiões. Alguém quer tentar?