XV SIMPOSIO DE TRA TAMIENTO DE SENALES, IMAGENES Y VISION ARTIFICIAL - STSIV A 2012

TECHNICAL ANALOG-DIGITAL FOR

SEGMENTATION OF SPECTRAL

IMAGES ACQUIRED WITH AN ACOUSTO-OPTIC SYSTEM.

Julio Cesar Mosqueral, Cesar Augusto Isaza2, Gustavo Adolfo Gomez3.

Abstract-This paper presents the results of a comparative

study of digital segmentation methods and analog methods -

digital segmentation. The spectral images were acquired with an

acousto-optic system, which allows the acquisition of grayscale

pictures in a narrow range of wavelengths. The series of images

acquired for the entire visible spectrum, allows simple digital

operations, perform segmentation processes. The segmentation is

based on the analysis of spectral components over regions of the

image. This type of processing is compared with traditional

digital processing. The experimental results demonstrate that the

segmentation processes developed with the acousto-optical system

in conjunction with digital techniques of image processing, reduce

the computational cost without compromise the quality of the

segmentation.

Keywords-Acousto-Optic Filter, Spectral Image, Analog­

Digital Segmentation, Acousto-Optic System.

I. INTRODUCCION

EI desarrollo de tecnicas de procesamiento de imagenes ha alcanzado 1imites que hasta hace poco tiempo se

consideraban insuperables. En especial, el desarrollo de algoritmos y software especia1izado, acompanado de hardware cada vez mas compacto y de mejor resolucion, ha lIevado a que los tiempos de procesamiento se disminuyan a1 punto de evidentemente de acercarse a 10 que denominamos procesamiento en tiempo real. Posiblemente la primera etapa en el procesamiento de imagenes es la segmentacion de la region de interes. La practica ha demostrado que los algoritmos desarrollados para realizar esta tarea, son de aplicacion especificamente. Adicionalmente, pequenos

IJ. C. Mosquera. Ph.D. en Fisica, Profesor en la Universidad del Quindio, Director del grupo de investigacion de Acusto-Optica del lnstituto lnterdisciplinario de las Ciencias de la Universidad del Quindio.

2c. A. lsaza. Magister en lngenieria Electrica, profesor de la Universidad Politecnica de Queretaro Mexico.

3G. A. Gomez. Estudiante de X semestre de lngenieria Electronica. Universidad del Quindio. Miembro del Grupo de Investigacion de Acusto­Optica del lnstituto lnterdisciplinario de las Ciencias de la Universidad del Quindio.

978-1-4673-2761-9/12/$31.00 ©2012 IEEE

cambios en las condiciones de iluminacion y el entomo en general, conducen a que el algoritmo pierda su eficiencia y deba ser adecuado a las nuevas circunstancias experimentales [1]-[4]. Entre segmentaciones, las regiones de interes varian y los algoritmos deben ser modificados. Por 10 anterior, el costo computacional no es el deseado y algunas veces el procesamiento en tiempo real se toma complejo. Por otra parte, la cali dad de la segmentacion es directamente proporcional a la complejidad del algoritmo desarrollado, 10 que de nuevo conlleva a mayor costo computacional.

Una propuesta de mejoramiento ha surgido al combinar tecnicas digitales y analogas de segmentacion, en especial tecnicas basadas en el uso de imagenes espectrales [4], que permitan reducir el tiempo de procesamiento de las imagenes garantizando una buena cali dad de la segmentacion de las regiones de interes. Entre estas tecnicas, ha surgido una propuesta especial a traves del uso de filtros acusto - opticos (AO), considerados como una de las mejores respuestas de aplicacion de sistemas analogo - digitales [5], [6], [7]. Sin embargo, no existen estudios comparativos que de manera fiable determinen la bondad del uso de los filtros AO frente a las diferentes tecnicas digitales existentes. En especial, se hace necesario calcular el costo computacional efectivo y la calidad de las segmentaciones logradas a traves de procesamientos digitales y un procesamiento a partir de imagenes espectrales adquiridas por medio de filtros AO. En este trabajo se realizado el estudio comparativo entre las tecnicas analogo­digitales usando filtros AO versus tecnicas digitales de segmentacion, al igual que se ha realizado una valoracion cuantitativa de los beneficios del uso de los filtros.

II. ADQUISTCION DE IMAGENES ESPECTRALES

Las imagenes espectrales son adquiridas usando una celda acusto - optica. La celda acusto-optica (AO) esta constituida por un cristal birrefringente que tiene un transductor piezo­electrico adherido en un extremo que es excitado con senales de radio - frecuencia para generar ondas que viajen por el cristal. De esta forma el cristal se comporta como una rejilla

XV SIMPOSIO DE TRA TAMIENTO DE SENALES, IMAGENES Y VISION ARTIFICIAL - STSIV A 2012

de difraccion debido a las zonas de compresion, dilatacion y variacion del in dice de refraccion (Fig.l)[5], [6].

EI indice de refraccion n, es modulado por la onda viajera en el cristal, con un periodo espacial igual a la longitud de onda del sonido, dado por:

A=V/j (1) Donde A - es la longitud de onda de la onda de sonido, V-

1a velocidad de fase de la onda de sonido en el cristal, f -Ia frecuencia de la onda de sonido.

Como resultado de la interaccion acusto-optica, se obtienen dos rayos difractados que aparecen en el orden + 1, Y -l. En la Figura 1 se muestra el haz de orden 0 correspondiente al rayo no difractado, al igual que el haz de orden + 1 que esta desplazado espacialmente en la misma direccion de movimiento de la onda acustica. EI orden -1 esta desplazado hacia el lado opuesto del rayo no difractado [7].

Haz Incidente LOngltud de Onda

Haz Difractado +1

j:ii

iiaofi_

�_onda A

CUStiCa

Transductor Piezo-EIectrico

Angulo de Bragg· 8.

Fig. 1 Celda AO trabajando en el regimen de Bragg

Como es sabido, toda estructura periodica tiene la propiedad de descompones la luz espectralmente. En particular, la interaccion AO en el cristal se da bajo el estricto cumplimiento de la ley de Bragg que puede ser escrita como

sen9=lf(2nv) (2) Donde 9 - es angulo de incidencia de la luz sobre el cristal y Ie

- la longitud de onda de la luz difractada. EI filtro AO extrae de todo el espectro de la luz incidente, una angosta banda alrededor de la longitud de onda Ie. De esta relacion se deriva que el color de la luz difractada es una funcion de la frecuencia de la sefial RF [5], y de esta manera fijando una frecuencia determinada J, se obtendra la componente espectral correspondiente a Ie(f). Dado que la frecuencia f puede ser controlada electronicamente en tiempos del orden de 10.4 s, el filtro AO permite adquirir imagenes espectrales de la escena que se desea capturar. Se debe notar, que cada objeto de la escena contiene sus propias componentes espectrales, y por 10 tanto se espera que diferentes componentes espectrales de la

978-1-4673-2761-9/12/$31.00 ©2012 IEEE

escena, contengan diferentes objetos (Fig. 2). Explicaremos 10 dicho con un ejemplo. Se tiene una escena

con variedad de colores y formas en la figura 2', en la figura 2b una imagen en azul con longitud de onda de 420nm, en la figura 2c una imagen en amarillo con longitud de onda de 590nm y en la figura 2d una imagen en rojo con longitud de onda 690nm [4]. Comparando entre las imagenes de la figura 2 se observa como algunos objetos son mas notorios en cierta longitud de onda que en otra, por ejemplo en la figura 2b la regadera que esta ubicada detras del pino con poco nivel de gris, tiene mas blanco que la regadera en las figuras 2c y 2d en las cuales a su vez el pino contiene mas blanco, mientras en la figura 2d la camisa tiene un alto nivel de gris. Estas diferencias en niveles de gris de las imagenes facilitan en cierta medida la extraccion de la zona de interes.

Fig. 2 Escena 1.

III. SISTEMA ACUSTO-OPTICO

A. Hardware

En este trabajo se utilizaron imagenes espectrales de un banco de imagenes espectrales [8] y tambien imagenes adquiridas con un sistema AO propio.

En funcion de la geometria de corte y el material utilizado, cada celda AO posee un ran go de funcionamiento especifico. La celda AO aqui usada puede adquirir imagenes que esten dentro del rango de luz visible (380nm-720nm).

Gran parte del sistema acusto-optico se encuentra montado sobre un tripode como 10 muestra la figura 3. Se tiene en la parte superior una camara Hitachi modelo KP-D531 U-S3, un

zoom optico marca Tokina y en el medio de estos dos el filtro acusto-optico (FAO) compuesto basicamente de la celda acusto-optica fabricada con cristal Paratelurita (Te02) [7] y en la zona media un amplificador RF necesario para obtener la serral de excitacion producida por el generador de RF para el FAO [6].

Las imagenes espectrales capturadas por el sistema AO son digitalizadas por una tarjeta de video PCI de alta velocidad EPIX, modelo PIXCI SV5.

XV SIMPOSIO DE TRA TAMIENTO DE SENALES, IMAGENES Y VISION ARTIFICIAL - STSIV A 2012

B. Software y Adquisici6n de Imagen Espectral

E1 sistema AO es contro1ado por un a1goritmo desarrollado en V ++. EI codigo controla de forma simultanea la camara y el generador RF, quien hace de Puente entre e1 software y e1 F AO, para adquirir un paquete de imagenes espectrales en niveles de gris (figura 2b - 2c). La adquisicion se puede realizar en formato RGB, pero este proceso es solo a manera informativa, pues cad a imagen en realidad es altamente monocromatica, es decir, corresponde a una (mica longitud de onda de la luz incidente.

Como se ilustra en la figura 4, el codigo se inicializa en un valor de 85000 que para el generador RF corresponde af= 85 MHz de salida como sefial de excitacion correspondiente a una longitud de onda Ie = 740 nm del rayo difractado por el FAO. En cada paso el valor de f aumenta en 500 kHz y en cada paso se ordena a la camara capturar la imagen que es visualizada para ser almacenada en disco. Este proceso es auto matico y se detiene en el momento en que se oprima la tecla SCAPE. Para el caso, se hace uso de esta tecla cuando se observa que la imagen no contiene informacion espectral. Para las imagenes espectrales adquiridas con el sistema AO, se finalizaba la captura en 138 MHz. De esta forma se captura un total de 105 imagenes espectrales correspondientes al espectro visible.

IV. SEGMENTACION ANALOGo-DIGITAL y DIGITAL

Las segmentaciones se realizaron en MA TLAB con imagenes espectrales de un banco de datos [8] que lIamaremos escena 1 (Fig. 2), Y con irnagenes espectrales adquiridas con el sistema AO que lIamaremos escena 2 (Fig.5). En las figura 2a y figura 5 se i1ustran, en formato RGB, las escenas que deberan ser segmentadas.

Tanto en segmentacion analogo-digital como digital, se extrajeron 6 objetos: 3 con escenas espectrales del banco de datos y 3 con escenas espectrales adquiridas con e1 sistema AO. En total se realizaron 12 segmentaciones.

978-1-4673-2761-9/12/$31.00 ©2012 IEEE

i e ntras (t=ESC1!>.---,

Fig. 4 Diagrama de flujo de codigo en V ++

A. Segmentaci6n Analogo-Digital

La idea de segmentacion analogo - digital es hallar dos 0

tres imagenes espectrales contrastantes y a partir de la simple sustraccion de las matrices correspondientes, lograr generar la mascara que se utilizara en la segmentacion de la zona de interes. Como se nota en la figura 2b, el balon no refleja el color azul, en tanto que la imagen 2d, muestra que el color rojo (690 nm) se refleja claramente. Una operacion de sustraccion entre estas dos imagenes elimina todos los objetos comunes entre elIas. Con un proceso similar se eliminaron los demas objetos para obtener una mascara del balon. Las operaciones arrojaron una imagen con reduccion, en nivel de gris, de objetos como la mesa, chancla y pinon ilustrados en la figura 2a. Esta imagen se umbraliza para tener una mejor definicion del balon y luego con esta mascara se extrae la zona de interes. En la imagen umbralizada se ubica la zona de interes para aplicar dilatacion-cierre y lograr la mascara con la que se extrae el balon (figura 6a).

La cantidad de amarillo permite encontrar, dentro de las 31 imagenes espectrales, dos escenas que con solo sustraerse se logra una cuasi-mascara, 0 que permite realizar la extraccion del cubo amarillo (Figura 6b). Esta mascara debe ser umbralizada para marginar algunos pixeles alrededor del cubo.

Fig. 5 Escena 2.

XV SIMPOSIO DE TRA TAMIENTO DE SENALES, IMAGENES Y VISION ARTIFICIAL - STSIV A 2012

Una imagen espectral correspondiente al color rojo y una al color azul, son suficientes para que con un proceso similar de sustraccion de las imagenes y una umbralizacion de la mascara, se pueda extraer eficientemente el mufieco azul (Figura 6c).

Fig. 6 Segmentacion analogo - digital de la escena 1.

Algunos objetos de la escena 2 que fue adquirida por el sistema AO, fueron segmentados de forma analoga a la descrita arriba para la escena 1

Fig. 7 Segmentacion analogo - digital de la escena 2.

Los resultados de la segmentacion se pueden ver en la figura 7, donde se muestra la extraccion del bisturi (a), de la carita de goma (b) y de la flor ( c). Si se comparan los colo res de la flor con los originales se nota que no coinciden, dado que la figura 7.c muestra una composicion realizada solo con tres componentes espectrales y no con todo el espectro.

978-1-4673-2761-9/12/$31.00 ©2012 IEEE

B. Segrnentaci6n Digital

A partir de una imagen RGB, se obtienen espacios de color YcBcr, NTSC y HSV, a cada espacio se Ie analiza de forma visual sus 3 componentes, es decir, 9 imagenes con las que se busca obtener la mascara. Cada plano se sometio a un proceso de umbralizacion para obtener diferentes zonas de interes que al ser supuestas superpuestas permiten extraer, por ejemplo, el balon de la escena 1 ue se muestra en la 8.a

Fig. 8 Segmentacion digital de la escena 1.

Estas umbralizaciones se juntan para realizar una operacion cuyo resultado es una semi-mascara que contenga informacion perteneciente solo al balon. Se mejora esta semi-mascara para tener la mascara con funciones de rnatlab como irnerode,

irnclose y bwselect [12]. Se enmascaran los pIanos de la imagen RGB y fmalmente se obtiene la segmentacion digital de la imagen RGB y es posible extraer el balon en la imagen de la figura 8.a. Con procesos analogos se extrajeron las figuras 8.b y 8.c.

Fig. 9. Segmentacion digital de la escena 2

La segmentacion digital de la escena 2 (Figura 9), se realizo

XV SIMPOSIO DE TRA TAMIENTO DE SENALES, IMAGENES Y VISION ARTIFICIAL - STSIV A 2012

de fonna analoga a la realizada con la escena 1 .. Pareciera que dado que el fondo de algunas zonas de interes es negro, la segmentacion digital debiera ser mas rapida y simple. Sin embargo los niveles de gris en los tres pianos de color son muy semejantes y el trabajo de segmentacion digital resulta muy similar al realizado con la escena 1.

V. RESULTADOS

Dos aspectos fundamentales deben tomarse en consideracion para la comparacion de los metodos usados para segmentar las imagenes. EI primero es la calidad de la segmentacion y el segundo el tiempo de procesado. En el primer aspecto, un anal isis de las imagenes segmentadas pennite apreciar directamente que el contorno del balon extraido de forma analogo - digital (Fig. 6a) a partir de imagenes espectrales, es mucho mas nitido que el de la figura 8.a - obtenido mediante un procesamiento digital de una imagen RGB. Asi, es posible afirmar sin duda, que un procesamiento de imagenes a partir de imagenes espectrales presenta una mayor fidelidad de la informacion obtenida y que el proceso de segmentacion de zonas de interes es mas eficiente.

El segundo aspecto se puede analizar a partir de la tabla 1, que muestras los tiempos de procesamiento de las imagenes.

En cada segmentacion se evaluo el tiempo que se tarda en extraerse la zona de interes con la funcion tic toc de matlab. Estos tiempos se plasman en la tabla 1 y cada uno es un promedio de los tiempos de 10 iteraciones de segmentacion.

Tiempo Segmentacion (s)

Ami - Digital Digital % rapidez

Balon 1,11900 2.63100 -135,1%

Muiieco 1,11910 2,43220 -117,3%

Cubo Amarillo 1,02470 1.15790 -13.0%

PCtalo 1,31277 1,36328 -3.8%

Rostro Amarillo 1,31039 1,35586 -3.5%

Bisturi 1,30177 1,30442 -0,2%

Tabla 1. Tiempos de Segmentaciones.

La tabla muestra que todas las segmentaciones resultan mas rapidas cuando se realizan a partir de imagenes espectrales. En algunos casos, la diferencia no es muy alta, pero en otros casos esta diferencia de tiempo de procesamiento lIega a ser hasta dos veces mas rapida. Este aspecto cobra mucha importancia cuando se evaluan procesos de control de calidad en Iineas de produccion donde to do ahorro temporal significa mucho dinero en el proceso integral.

VI. CONCLUSIONES

Los estudios realizados en esta investigacion permiten realizar una valoracion objetiva de los procesamientos de

978-1-4673-2761-9/12/$31.00 ©2012 IEEE

imagenes a partir de imagenes RGB e imagenes espectrales tomadas de cierta escena en consideracion. En especial se ha podido demostrar que el procesamiento analogo - digital presenta claras ventajas tanto en tiempo de procesamiento como en la calidad del procesamiento obtenido, frente al procesamiento digital tradicional.

Es muy importante notar, que a traves de procesamiento digital de imagenes es posible usar tales algoritmos que mejoran drasticamente la calidad de la segmentacion realizada, sin embargo, los tiempos de procesamiento tambien crecen de manera drastic a y los algoritmos se tornan mas y mas complejos.

Por supuesto, aun queda como una desventaja de los sistemas analogo - digitales los costos inherentes a la adquisicion de las imagenes, pero aun este escoyo se espera que en un futuro muy cercano sea conquistado.

REFERENCIAS

[I] Troncoso lL., Trung T. Pham, Per Bro, An:'tlisis Difuso de Im:'tgenes a Color de Productos Agricolas

[2] Cheng H.D., Jiang XH. y otros, Color image segmentation: Advances and prospects, Patter Recognition, Vol. 34, 2001, pp 2259-2281

[3] Burnett e., Blaschke T., A multi-scale segmentation/object relationship modelling methodology for landscape analysis , Ecological Modelling, Volume 168, Issue 3, 15 October 2003 , Pages 233-249

[4] Ryherd S., Woodcock c." Combining Spectral and Texture Data in the Segmentation of Remotely Sensed Images, Photogrammetric Engineering & Remote Sensing, 62 (2) (1996), pp. 181-194

[5] Voloshinov, V., Molchanov, V., Mosquera le., Spectral and Polarization analysis of Optical images by means of Acousto - optics, Optics and Laser Technology, 1996, vol 28, No.2, pp 119 127.

[6] Sepulveda G. A. (2007). Procesamiento de imagenes por Medio de Filtros Acusto-Opticos. Universidad Tecnol6gica de Pereira, Facultad de lngenieria.

[7] Voloshinov, V., Mosquera, J.e., "Wide Angular Acousto-optical Interaction in Birefringent Crystals", Optics and Spectroscopy, vol.. I 01, No. 4, p.677 - 684, August 2006.

[8] Hyperspectral Images of Natural Scenes, Details of Hyperspectral System, image Acquisition, and Processing [en linea] Disponible en: http://personalpages. man chester. ac. uk/staffl day i d. foster/H ypers pectral i mages of natural scenes 02.html

[9] Isaza C., Mosquera l C. , Rios W. (2008), Modelo de Maduracion de Fruto de Banano Empleando Procesos Gaussianos de Regresion y Filtros Acusto-Opticos. Scientia et Technica Ano XiV. Universidad Tecnol6gica de Pereira.

[10] Voloshinov V., Gupta N., Ultraviolet-Visible imaging Acousto-Optic Tunable Filters in KDP, Applied Optics, Vol. 43, Issue 19, pp. 3901-3909 (2004)

[II] R.e. Gonzales, R.E. Woods. (1996). Tratamiento Digital de imagenes. Addison-Wesley Iberoamericana, S.A. y Ediciones Diaz de Santos.

[12] Haralick, Robert M., and Linda G. Shapiro, Computer and Robot Vision, Vol. I, Addison-Wesley, 1992.