4.5.1
Segmentação baseada em cores
A partir da conversão e ajuste de contraste da imagem original, a segmentação é feita através do uso de um classificador binário por SVM. Cada pixel da imagem é classificado como dente ou não dente, que para este problema foram configuradas como amostras variadas de cores de dentes e restaurações em uma classe, e gengiva, língua e outros elementos bucais em uma segunda classe. Após a criação do conjunto de treinamento um hiperplano ótimo é calculado de acordo com o algoritmo 3.1. Definido os parâmetros da rede um conjunto de dados de teste é utilizado como entrada do classificador. Os dados de saídas formam uma imagem binária com as regiões de interesse identificadas, dentes e não dentes, acrescida de ruídos e regiões indesejadas, ver a sub-imagem 4.4b. O processo de segmentação é apresentado no algoritmo 4.2 a seguir.
SISTEMA DESENVOLVIDO
Algoritmo 4.2 Segmentação baseada em cores por SVM
1: Entrada: Matriz Yi, j,3para imagem I .
2: Saída: Matriz Bi, j contendo valores binários em 0 e 1 para imagem B.
3: Criar vetor xpnp,3, contendo valores de intensidade de pixels YCbCr de np pontos
selecionados como dados positivos
4: Criar vetor xnnn,3, contendo valores de intensidade de pixels YCbCr de nn pontos
selecionados como dados negativos
5: Criar vetor único xn,3a partir de xpnp,3 e xnnn,3
6: Criar vetor de saída desejada yn,3 contento n = np + nn valores rotulados:
7: yn,3 ← 1, para xpnp,3
8: yn,3 ← −1, para xnnn,3
9: Separar uma fração de xn,3 para treinamento e outra para teste
10: Determinar o hiperplano ótimo de acordo com o algoritmo 3.1 a partir dos dados de treinamento permutados aleatoriamente
11: Classificar os dados de teste permutados aleatoriamente de acordo com o passo 5 do
algoritmo 3.1
A saída do classificador passa por um processamento morfológico para que regiões indesejadas, como buracos de imagens e ruídos sejam reduzidas ou eliminadas como mos- trado a seguir.
4.5.2
Operadores morfológicos
Os operadores morfológicos são utilizados na extração de componentes das imagens, neste caso os pixels de dentes, de maneira que possam ser utilizados adequadamente nas subsequentes etapas de representação e descrição de suas formas.
A partir da imagem binária obtida é realizado um processo de abertura de imagem por um elemento estruturante em formato de disco com raio 1 extraindo-se o "background"da imagem, de maneira que os pixels mais representativos dos dentes sejam identificados.
Em seguida a imagem passa por um processo de filtragem onde é utilizado um filtro de mediana de dimensão 17 x 17.
Após a filtragem a imagem passa por um preenchimento de buracos. Segundo Soille (2002), buracos de imagens binárias são definidos como um conjunto de componentes de fundo que não são conectados às bordas da imagem. Seguindo esta ideia, podemos dizer que buracos são conjuntos de pixels de fundo (pretos) cercados por pixels de primeiro plano (branco) que não se conectam as bordas dos objetos. Este processo é baseado na reconstrução morfológica, onde as máscaras e marcadores são definidos a partir da
SISTEMA DESENVOLVIDO
imagem filtrada.
Após o preenchimento de buracos, a imagem sofre um processo de erosão de ma- neira que ruídos e elementos indesejados sejam removidos. O algoritmo 4.3 apresenta o processo descrito envolvendo os operadores morfológicos.
Algoritmo 4.3 Segmentação por operadores morfológicos
1: Entrada: Imagem binária B.
2: Saída: Matriz BCi, jpara uma imagem binária BC com ruído diminuído ou eliminado.
3: Criar um elemento estruturante SEn,n em forma de disco plano para uma dado raio R:
4: Onde: R: Inteiro positivo
n x n: Dimensão com valor inteiro positivo
5: Realizar processo de abertura de B por um elemento estruturante SEn,n segundo a
equação 2.9
6: Aplicar filtro da mediana segundo as definições da seção 2.3.1 7: Preencher os buracos da imagem segundo equação 2.10
8: Realizar processo de erosão da imagem por um elemento estruturante SEn,n segundo
equação 2.7
Todo procedimento descrito pode ser observado na figura 4.3, onde são representas as subetapas realizadas na identificação dos dentes presentes na imagem: a) YCbCr equa- lizada, b) Binária da saída do classificador baseado em cores, c) Binária com processo de abertura para retirada do background, d) Binária filtrada por um filtro de mediana, e) Binária com buracos preenchidos e f) Binária com aplicação de erosão para eliminação de ruídos e regiões indesejadas.
SISTEMA DESENVOLVIDO
Figura 4.3: Etapas de identificação das regiões de interesse.
(a) YCbCr com ajuste. (b) Binária. (c) Binária com abertura.
(d) Binária filtrada. (e) Binária preenchida. (f) Binária erodida.
O uso combinado dessas técnicas produz uma imagem binária adequada para o ma- peamento de distância destas regiões de interesse. A imagem distância é utilizada pelo algoritmo watershed na identificação das fronteiras dos dentes como mostrado na subse- ção adiante.
4.5.3
Transformada Watershed
Com a identificação das regiões de interesse é necessário que suas fronteiras sejam detectadas para que cada dente seja individualmente segmentado. A segmentação indivi- dual de dentes é feita por meio da transformada watershed, a partir do cálculo da distância topográfica e dos mínimos locais.
A distância topográfica ou imagem gradiente de cada região identificada é calculada através do mapeamento de distância feito a partir da imagem binária invertida pela métrica de distância euclidiana [Jr. Calvin R. Maurer 2003]. A distância euclidiana D entre as coordenadas (x1, y1) e (x2, y2) é definida pela equação abaixo como sendo:
D= q
(x1− x2)2 + (y1− y2)2 (4.3)
Em seguida a imagem gradiente é invertida adequando-se ao conceito de inundação de bacia hidrográficas a partir de mínimos locais, onde seus elementos de valores zero são substituídos por valores −inf (Variáveis de representação de infinito do MATLAB).
Os mínimo locais são representados por uma imagem binária de saída obtida a par- tir do algoritmo de erosões sucessivas apresentado na seção 4.6.1. Esses mínimos são rotulados com números inteiros positivos para que possam ser utilizados como elemen- tos marcadores das regiões watershed. Inicialmente encontra-se um pixel de primeiro
SISTEMA DESENVOLVIDO
plano e em seguida é feita uma procura iterativa dos pixels vizinhos N8(p) para encontrar
seus elementos conectados, esta técnica é conhecida como preenchimento por inundação (flood-fill, do inglês).
Aplicando-se a transformada watershed na imagem gradiente invertida a partir dos marcadores encontrados, os elementos são rotulados com números inteiros maiores ou iguais a zero e são denominados pixels de watershed. O elemento 0 não pertence a ne- nhuma região formam as barreiras de watershed. Os elementos rotulados como 1 perten- cem a primeira região watershed identificada, os elementos rotulados como 2 pertencem a segunda região watershed identificada e assim por diante, gerando como saída uma ma- triz de rótulos das regiões de interesse segmentadas (dentes e não dentes). A partir dos elementos rotulados, extraímos as regiões de fronteiras dos pixels das barreiras watershed.
O algoritmo 4.4 apresenta o processo de segmentação descrito. Algoritmo 4.4 Segmentação por transformada watershed
1: Entrada: Imagem BC e matriz Ci, j contendo valores binários em 0 e 1 para uma
imagem C com mi′ mínimos locais.
2: Saída: Matriz BWi, j para uma imagem binária BW com pixels de barreiras watershed
identificados.
3: Calcular imagem gradiente a partir de BC invertida segundo a equação 4.3 4: Inverter a imagem gradiente
5: Atribuir aos elementos zeros ← −∞ 6: Rotular mi′ em BC:
7: procurar pixels não rotulados
8: aplicar algoritmo flood-fill para rotular os mínimos locais 9: repetir os dois passos anteriores até rotular todos os pixels
10: Rotular os pixels da imagem gradiente em função dos mínimos segundo as equações 2.12 e 2.13
As etapas do processo descrito podem ser observadas na figura 4.4.
SISTEMA DESENVOLVIDO
Figura 4.4: Processo de detecção de fronteiras dos dentes a partir de imagens gradientes.
(a) Binária erodida. (b) Binária invertida. (c) Gradiente.
(d) Gradiente invertida. (e) Binária com mínimos. (f)Binária invertida com mínimos.
(g) Mínimos rotulados. (h) Regiões watershed. (i) Binária com fronteiras.