Algoritmos

ALEJANDRO PALADINES GRUPO#5061

Algoritmo de Segmentacion: Por Crecimiento de Regiones

Este método, intenta agrupar pixeles o sub regiones basado en un criterio de similitud predefinido que corresponde al predicado lógico P.
Este tipo de algoritmos necesita que el usuario seleccione un conjunto de puntos semilla enla imagen.
Entre los principales criterios tomados en cuenta tenemos: la similaridad en la intensidad de los pixeles y la varianza.




Método del conjunto de nivel
Es una técnica numérica para delinear interfaces y formas. La ventaja del método del conjunto de nivel es que se puede realizar cálculos numéricos que involucran curvas y superficies sobre una cuadrícula cartesiana fija sin tener queparametrizar estos objetos (esto se llama el enfoque euleriano).
Una manera muy simple pero poderosa para comprender el método del conjunto de nivel es estudiar la ilustración adjunta antes de proceder a una definición más técnica, la que entonces se hace más comprensible. La figura de la derecha ilustra varias ideas importantes sobre el método del conjunto de nivel.

Los métodos de conjunto denivel suelen clasificarse en m´etodos de banda estrecha (narrow band) o de campo disperso (sparse field).




Algoritmo K-Means

El algoritmo K-Means es una de las heurísticas comúnmente utilizadas para resolver el problema de clustering. La idea básica del algoritmo es obtener los k centros iniciales y formar clusters asociando todos los objetos de X a los centros más cercanos, después serecalculan los centros. Si esos centros no difieren de los centros anteriores, entonces el algoritmo termina; caso contrario, se repite el proceso de asociación con los nuevos centros hasta que no haya variación en los centros, o se cumpla algún otro criterio de parada como poco número de reasignaciones de los objetos.

El algoritmo básico es:
Escoger K centros de clusters, ya sea de forma aleatoria obasándose en algún método heurístico.
Asignar a cada píxel de la imagen el clúster que minimiza la varianza entre el pixel y el centro del cluster.
Recalcular los centros de los clusters haciendo la media de todos los pixeles del cluster.
Repetir los pasos 2 y 3 hasta que se consigue la convergencia (por ejemplo, los pixeles no cambian de clusters).

Segmentación multi- escala
Las segmentaciones dela imagen se calculan en múltiples escalas y a veces se propaga de gran escala a pequeña escala. Los criterios de segmentación pueden ser arbitrariamente complejos y se pueden tener en cuenta tanto criterios globales como locales. Un requisito común es que cada región debe estar conectada en algún sentido.
Algoritmos de segmentación multiescala SWA (Segmentation by Weighted Aggregation) handemostrado en los últimos años proporcionar buenos resultados en diferentes ámbitos, por lo que en este proyecto se ha desarrollado e implementado un método de segmentación multiescala basado en la estructura de los algoritmos SWA que trata de ofrecer buenos resultados ante el uso de imágenes de manos tomadas por dispositivos móviles.



Método del valor Umbral (Umbralización)

Son un grupode algoritmos cuya finalidad es segmentargráficos rasterizados, es decir separar los objetos de una imagen que nos interesen del resto. Con la ayuda de los métodos de valor umbral en las situaciones más sencillas se puede decidir qué píxeles conforman los objetos que buscamos y qué píxeles son sólo el entorno de estos objetos. Este método es especialmente útil para separar el texto de un documento del fondode la imagen (papel amarillento, con manchas y arruguitas por ejemplo) y así poder llevar a cabo el reconocimiento óptico de texto (OCR) con más garantías de obtener el texto correcto. 
Normalmente los métodos del valor umbral "binarizan" la imagen de partida, es decir se construyen dos segmentos: el fondo de la imagen y los objetos buscados. La asignación de un pixel a uno de los dos segmentos...