¿Qué es la segmentación de imágenes?
La segmentación de imágenes divide una imagen en regiones de píxeles significativas, a menudo mediante la asignación de una clase semántica a cada píxel. Su salida describe los límites con mayor precisión que la clasificación de imágenes o los cuadros delimitadores.
Cómo funciona la segmentación de imágenes
La segmentación produce un campo de etiquetas o puntuaciones alineado con la cuadrícula de la imagen, lo que permite al software razonar sobre regiones en lugar de limitarse a fotogramas completos o rectángulos. Los métodos clásicos agrupan muestras por intensidad, color, bordes o conectividad, mientras que los sistemas entrenados predicen máscaras semánticas a partir de ejemplos anotados. El posprocesamiento puede eliminar regiones diminutas, cerrar huecos o refinar los límites. La máscara guía después la composición, la medición, la inspección o las etapas del modelo que requieren selecciones espacialmente precisas.
Datos clave
- La segmentación semántica agrupa todos los píxeles de una clase, mientras que una salida que distingue instancias mantiene separadas las identidades de los objetos; ninguna de las dos equivale a estimar el valor alfa fraccionario del primer plano.
- Los mapas de etiquetas categóricas deben redimensionarse mediante muestreo del vecino más cercano u otro método que tenga en cuenta las etiquetas, porque la interpolación ordinaria crea valores de clase inexistentes.
- Las puntuaciones de superposición de regiones pueden ocultar errores en franjas estrechas de los límites, por lo que aplicaciones como los recortes o los contornos médicos suelen necesitar una evaluación independiente basada en bordes o distancias.
Cuándo es importante la segmentación de imágenes
Usa la segmentación cuando la eliminación del fondo, la medición o la edición requieran límites a nivel de píxel en lugar de ubicaciones aproximadas. Las máscaras detalladas tienen un mayor costo de anotación y cálculo, y los errores en los límites se vuelven evidentes durante la composición.