Preliminares




descargar 68.03 Kb.
títuloPreliminares
página5/7
fecha de publicación24.02.2016
tamaño68.03 Kb.
tipoBibliografía
b.se-todo.com > Documentos > Bibliografía
1   2   3   4   5   6   7

Adaptativo Normalizado


La finalidad de realizar este algoritmo se basa en que no pese más una capa que otra, por lo tanto, se realizará la normalización según la ecuación, y luego se procederá a la aplicación del algoritmo adaptativo.

Normalización:

Valor = ((pixel – valor_mínimo) / (valor_maximo-valor_mínimo))*escala

Donde pixel, es el valor del pixel que se está normalizando, valor_mínimo es el valor más pequeño de la capa donde se encuentra el pixel, valor_máximo es el valor más grande de la capa donde se encuentra el pixel, y escala es el valor máximo que puede llegar a tener el pixel (para realizar la escala).

Datos de entrada

Imagen a segmentar

Número de vecinos a buscar por cada píxel

Datos de salida

Imagen resultante segmentada.

Algoritmo

  1. Se calcula el valor mínimo y máximo por cada capa de la imagen.

  2. Por cada pixel p1 de la imagen:

    1. P1 =( (p1 – mínimo) / (máximo-mínimo))*65535

  3. Inicialización del KD-Tree con los pixeles de la imagen (ya normalizados).

  4. Para cada pixel perteneciente a la imagen (p1), repetir la secuencia de pasos:

    1. Buscar n vecinos más cercanos al valor del pixel (p1)

    2. Calculo de la media de los n vecinos más cercanos a p1.

    3. p1 = media de los n vecinos a p1.

    4. Si hay cambios significativos y aún no se han realizado 100 iteraciones, volver al paso a.

    5. Si no hay cambios significativos o ya se han realizado 100 iteraciones, se le asigna al pixel p1 el valor de la última media, y se regresa al paso 2.

  5. Cuando se termine con todos los pixeles de la imagen, finaliza el algoritmo.


    1. Adaptativo (teniendo en cuenta posición)


Para dicha implementación, se han introducido dos nuevas capas al KD-Tree, denominadas “x” e “y”, donde se inserta la posición de cada píxel. De esta manera, cuando se ejecuta el algoritmo adaptativo, buscará los ‘n’ vecinos más cercanos (en valor), teniendo en cuenta también la posición.

Datos de entrada

Imagen a segmentar

Número de vecinos a buscar por cada píxel

Datos de salida

Imagen resultante segmentada.

Algoritmo

  1. Inicialización del KD-Tree con todos los valores de los pixeles de la imagen, añadiendo dos nuevas capas con los valores “x” e “y” de cada pixel.

  2. Para cada pixel perteneciente a la imagen (p1), repetir la secuencia de pasos:

    1. Buscar n vecinos más cercanos al valor del pixel (p1), añadiendo su posición “x” e “y” para que estén además ordenados por cercanía en posición.

    2. Calculo de la media de los n vecinos más cercanos a p1.

    3. p1 = media de los n vecinos a p1.

    4. Si hay cambios significativos y aún no se han realizado 100 iteraciones, volver al paso a.

    5. Si no hay cambios significativos o ya se han realizado 100 iteraciones, se le asigna al pixel p1 el valor de la última media, y se regresa al paso 2.

  3. Cuando se termine con todos los pixeles de la imagen, finaliza el algoritmo.


1   2   3   4   5   6   7

similar:

Preliminares iconPreliminares

Preliminares icon1 algunos apuntes preliminares

Preliminares iconLos efectos de la globalización en el territorio de la Ciudad de...




Todos los derechos reservados. Copyright © 2019
contactos
b.se-todo.com