PRÁCTICA 7: CARACTERÍSTICAS LOCALES DE LA IMAGEN (1º PARTE)

Cargamos las imágenes que utilizaremos en la práctica.

lena = imread("Imagenes\lena_color_512.tif");
mandril = imread("Imagenes\mandril_color.tif");
malla = imread("Imagenes\patron_malla.jpg");
textura = imread("Imagenes\astablet.tif");
chessboard = imread("Imagenes\chessboardpattern.jpg");
chessboard_inclinado = imread("Imagenes\esquinas_perspectiva.jpg");

malla = rgb2gray(malla);
chessboard_inclinado = rgb2gray(chessboard_inclinado);

montage({lena,mandril,malla,textura,chessboard,chessboard_inclinado})

Caracteristicas basadas en el histograma

Histograma del color

Primer ejemplo: Imagen Lena

Separamos la imagen en los tres canales de color

rojo = lena(:,:,1);
verde = lena(:,:,2);
azul = lena(:,:,3);

Y obtenemos los histogramas de cada canal

h_rojo = imhist(rojo);
h_verde = imhist(verde);
h_azul = imhist(azul);

bar(h_rojo)

bar(h_verde)

bar(h_azul)

Otro ejemplo: Imagen mandril

rojo = mandril(:,:,1);
verde = mandril(:,:,2);
azul = mandril(:,:,3);

h_rojo = imhist(rojo);
h_verde = imhist(verde);
h_azul = imhist(azul);

bar(h_rojo)

bar(h_verde)

bar(h_azul)

Calculamos las medidas de similitud para comparar histogramas. Para simplificar, vamos a comparar solo un histograma por imagen.

lena_gris = rgb2gray(lena);
mandril_gris = rgb2gray(mandril);

h_lena = imhist(lena_gris);
h_mandril = imhist(mandril_gris);

Normalizamos el histograma

h_lena_n = h_lena/numel(lena_gris);
h_mandril_n = h_mandril/numel(mandril_gris);
bar(h_lena_n)

bar(h_mandril_n)

Distancia Euclidea

dist_euclidea = sqrt(sum((h_lena_n - h_mandril_n).^2))

dist_euclidea = 0.0533

Distancia Xi-cuadrado

dist_xicuadrado = sum(((h_lena_n - h_mandril_n).^2) ./ (h_lena_n + h_mandril_n + eps))

dist_xicuadrado = 0.2997

Distancia de la divergencia de Jeffrey

divergence_jeffrey = sum(h_lena_n.*log((h_lena_n./(h_mandril_n + eps))+eps))

divergence_jeffrey = 2.1436

Histograma de los gradientes orientados

Primer ejemplo: Imagen Lena

Comando: extractHOGFeatures

[feature_vector,hog] = extractHOGFeatures(lena);

imshow(lena); 
hold on;
plot(hog);
hold off

Otro ejemplo: Imagen mandril

[feature_vector_mandril,hog_mandril] = extractHOGFeatures(mandril);
imshow(mandril);
hold on
plot(hog_mandril);
hold off

Caracteristicas basadas en la transformada de Hough

Obtención de rectas vía la transformada de Hough

Primero obtenemos los bordes de la imagen

malla_edge = edge(malla,"canny");

Comando: hough. Da como input la discretización del plano de Hough H, con los valores de theta T y rho R

[H,T,R] = hough(malla_edge);

Calculamos los picos (puntos con más valor) en dicha discretización del plano de Hough. En particular, nos quedamos con los 16 picos de más valor que esten por encima del 35% del valor máximo.

P = houghpeaks(H, 16,'threshold',ceil(0.35*max(H(:))));

Calculamos las rectas con dichos picos y sus valores theta y rho asociados (que definen las correspondientes rectas).

lines = houghlines(malla_edge,T,R,P);

imshow(malla)
hold on

for k = 1:length(lines)

    xy = [lines(k).point1; lines(k).point2];
    plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','red');

end
hold off

Obtenemos los círculos en la imagen vía la transformada de Hough. Para ello, usamos el comando imfindcircles que busca círculos con un radio de valor comprendido en el rango que se define como segundo input.

[centers, radii] = imfindcircles(textura,[10 30]);
imshow(textura)
viscircles(centers, radii,'EdgeColor','b');

Vértices

Se utiliza el detector de Harris para identificar esquinas y vértices en las imágenes.

corners = detectHarrisFeatures(chessboard);

imshow(chessboard); 
hold on
plot(corners.Location(:,1),corners.Location(:,2),'o','Color','r','LineWidth',2);
hold off

Otro ejemplo. Notad que en este caso se detectan varios falsos positivos. Un análisis más detallado muestra que la métrica de estos es muy baja, con lo que se pueden eliminar fácilmente mediante seleccionar los más fuertes, es decir, los que tienen una detección más robusta.

corners_alt = detectHarrisFeatures(chessboard_inclinado);

imshow(chessboard_inclinado); 
hold on
plot(corners_alt.Location(:,1),corners_alt.Location(:,2),'o',"color",'r','LineWidth',2);
hold off

imshow(chessboard_inclinado)

strongest = corners_alt.selectStrongest(20);

hold on
plot(strongest.Location(:,1),strongest.Location(:,2),'o','color','r','LineWidth',2)
hold off