Procesado imagen Mahanois
color utilizando la distancia de Mahalanobis
Pablo Roncagliolo B.
Este documento presenta una aplicación simple que permite calcular la distanciade Mahalanobis,
generalmente utilizada para segmentación de color. A diferencia de la distancia euclediana, la
distancia de Mahalanobis corresponde a un elipsoide cuyo eje principal está en laorientación del
matiz representativo de una muestra.
Se implementó un algoritmo que permite calcular la diferencia entre ambos tipos de filtros
(euclediano y mahalanobiano), utilizando como referencia laimagen de la fig.1
Figura 1
ETAPA 1: ANTECEDENTES
La covarianza corresponde a una medición estadística que indica la "fuerza" de la correlación entre
2 o más variables aleatorias. Porejemplo, la covarianza entre dos variables X e Y con N muestras
cada una, se define como:
N
cov( X , Y ) = ∑
i =1
( xi − x)( yi − y )
= E (( X − E ( X ))(Y − E (Y ))T )
N
Si la covarianza es 0,indica que no existe correlación entre ellas. Si el valor es mayor que 0 indica
que Y tiende a aumentar tal como X aumenta. Valores mejores de 0 indican que Y tiende a
disminuir cuando X aumenta.Si X=Y entonces la covarianza se reduce a la formula de varianza.
Para un conjunto de más de 2 variables aleatorias se utiliza la "Matriz de Covarianza", que se define
como:
N
( xik − xi )( xjk −xj )
N
k =1
Vij = cov( X i , X j ) = ∑
Donde Vij corresponde a la entrada (i,j) de la matriz.
En el caso de imágenes RGB, se puede considerar que existen tres variables aleatorias R, G yB. Por
lo tanto la matriz de covarianza sería:
i/j
R
G
B
R
cov(R,R)
cov(G,R)
cov(B,R)
G
cov(R,G)
cov(G,G)
cov(B,G)
B
cov(R,B)
cov(G,B)
cov(B,B)
Por ejemplo, sea ROI unconjunto de píxeles representativos de una región de interés:
ROI =
209
213
217
232
199
251
252
249
212
213
31
33
37
53
26
89
105
88
34
35
17
18
14
12
10
17
1
10
20
21...
Regístrate para leer el documento completo.