¿Qué es la segmentación basada en regiones?
La segmentación basada en regiones divide una imagen en áreas espacialmente conectadas cuyos píxeles comparten características seleccionadas. A diferencia de los métodos centrados solo en los bordes, busca producir regiones coherentes con propiedades internas similares.
Cómo funciona la segmentación basada en regiones
La segmentación basada en regiones considera la coherencia espacial como parte del objetivo de partición, en lugar de tratarla simplemente como una etapa de limpieza después de clasificar los píxeles. Los algoritmos pueden hacer crecer áreas a partir de semillas, dividir áreas no uniformes, fusionar áreas adyacentes similares o combinar estas operaciones. Una partición válida asigna los píxeles a regiones no superpuestas cuya unión cubre el dominio analizado. Las etiquetas o máscaras resultantes alimentan la medición de objetos, la mejora selectiva, el reconocimiento y otras etapas posteriores de visión artificial.
Datos clave
- Un método de división y fusión puede dividir recursivamente una imagen en bloques y luego volver a unir los bloques adyacentes que cumplen un predicado de homogeneidad, evitando la colocación manual de semillas.
- En comparación con el trazado puro de bordes, los métodos basados en regiones pueden cerrar áreas a pesar de que haya tramos débiles en sus límites, pero pueden atravesar un límite real cuando los interiores vecinos tienen un aspecto similar.
- Los umbrales definidos en un espacio de color perceptual pueden comportarse de forma diferente a los umbrales RGB por canal, especialmente cuando la iluminación varía sobre un objeto supuestamente uniforme.
Cuándo es importante la segmentación basada en regiones
Usa este enfoque cuando las mediciones o las ediciones deban aplicarse a áreas completas y conectadas de la imagen. Los resultados dependen de los criterios de las regiones: los umbrales permisivos pueden fusionar objetos separados, mientras que los estrictos pueden fragmentar un solo objeto.