Raw Materials Methodology

En el resultado de la segmentación puede ocurrir que objetos muy próximos a los bordes que en la máscara de segmentación no los tocan, al segmentar si lo hacen, por tanto se eliminan. Por otra parte este procedimiento conduce a errores en el proceso de evaluación y falsea los resultados obtenidos. En la figura 3.8 se puede apreciar dicha consecuencia. Al eliminar los bordes de las imágenes solo se toman en cuenta los objetos que están presentes en su totalidad. Además se comparan solo objetos que tienen su contraparte en la máscara de la imagen original y los que no están quedan desestimados aunque se penaliza esta situación.

Figura 3.8 Consecuencia de la eliminación de las células que tocan los bordes

3.3 Resultados obtenidos en el proceso de segmentación sin eliminar las células que tocan los bordes en las imágenes

Para obtener resultados más completos se realizó la segmentación de las imágenes sin eliminar las células que tocan los bordes de las imágenes. Por otra parte al segmentar mayor cantidad de células los tiempos de ejecución y el gasto computacional aumentan considerablemente. Los resultados obtenidos en el proceso de evaluación de la calidad de la segmentación fueron inferiores con respecto a los obtenidos, eliminando las células que tocan los bordes de las imágenes, esto se debe a los errores que cometen los métodos de segmentación en las zonas cercanas a los bordes.

3.3.1 Resultados de la segmentación aplicando el método de k-medias

Los resultados obtenidos empleando el método de segmentación k-medias fueron satisfactorios para las células que no están cercanas a los bordes de las imágenes. No siendo así para las que están cercanas o tocan los bordes de las imágenes. Para éstas últimas la segmentación no queda definida correctamente y en ocasiones ni siquiera se segmenta el

objeto deseado. En la figura 3.9 se puede observar el resultado de la segmentación aplicando este método.

Figura 3.9 Resultado de la segmentación empleando k-medias sin eliminar las células de los bordes

El error resultante de la aplicación del método de segmentación se debe a la similitud, en cuanto a intensidad, que existe entre las células cercanas a los bordes y esta parte de las imágenes.

3.3.2 Resultados de la segmentación aplicando el algoritmo de Otsu

Los resultados obtenidos empleando el algoritmo de segmentación de Otsu fueron favorables ya que el método encuentra correctamente las células, tanto aglomeradas como independientes. En la figura 3.10 se muestran los resultados obtenidos aplicando este método de segmentación.

Al igual que el método k-medias, el algoritmo de Otsu al estar basado en el cálculo de un umbral global no segmentó correctamente en las imágenes utilizadas las células próximas a los bordes de las imágenes debido a los valores de intensidad presentes en estas regiones. Estos errores condujeron a un deterioro de los resultados obtenidos en los métodos de evaluación.

Figura 3.10 Resultado de la segmentación de Otsu sin eliminar las células de los bordes 3.3.3 Resultados de la segmentación aplicando la transformada watershed

Los resultados que se obtuvieron realizando la segmentación de la imagen, empleando la transformada watershed no son buenos como en realidad se quisiera. En primer lugar debido a que la imposición de mínimos se realiza calculando un umbral global por el método de Otsu, ocurre la separación de células que en realidad no lo están, este error también ocurre en algunas imágenes que se segmentaron eliminando los objetos de los bordes, ver epígrafe 3.2.3. En la figura 3.11 está señalado con flechas de color verde este error de la segmentación.

Además de separar objetos que inicialmente están unidos, este método como consecuencia de imprecisiones que en principio pueden atribuírsele a una deficiente determinación de los marcadores, ocasionalmente no segmentó de una forma adecuada algunos objetos. Principalmente se observó esto en objetos cercanos a los bordes de las imágenes donde la intensidad del fondo es más oscura. El error producido en la segmentación ofrece bajos coeficientes de evaluación, aunque en muchos casos los valores de los demás objetos segmentados correctamente compensan estos valores, dando valores medios elevados. En la figura 3.11 se señala con flecha de color negro donde se presenta un error de la segmentación.

Figura 3.11 Resultado de la segmentación empleando la transformada watershed sin eliminar las células de los bordes

3.3.4 Resultados de la segmentación aplicando el método de conjuntos de nivel

Los resultados obtenidos al aplicar el método de conjuntos de nivel ó Level Sets no son del todo favorables cuando no se eliminan las células que tocan los bordes. En la figura 3.12 se puede apreciar el resultado de la segmentación. De la misma manera que ocurre si se eliminan los objetos cercanos a los bordes de las células, los objetos que sólo se tocan, quedan incorrectamente segmentados (flecha negra).

Figura 3.12 Resultado de la segmentación empleando el método de conjuntos de nivel sin eliminar las células de los bordes

Las imágenes simuladas tienen un efecto de iluminación no uniforme que no fue corregido como parte del preprocesamiento. Debido a que el método de segmentación por conjuntos de nivel hace una evolución de niveles basados en la intensidad de la imagen, para este caso el plano rojo, éste toma como un solo nivel el borde superior de la imagen que se puede observar en la figura 3.12. El borde superior de la imagen presenta un nivel de intensidad similar a las células que están cercanas a él, por tanto el método de segmentación no realiza la evolución de niveles en las células sino en toda la región. Este error repercute considerablemente en los resultados obtenidos con los métodos de evaluación.