O MSER funciona como um detector de regiões afim-covariante. Matas e colaboradores propuseram este método em 2002. Primeiramente, o algoritmo busca regiões extremais na imagem. Uma região extremal possui intensidade maior que sua fronteira. O método varia um limiar (threshold) de intensidade continuamente. Conforme o limiar aumenta, novas regiões brancas aparecem. Além disso, regiões estáveis mudam muito pouco de área com o limiar. Portanto, chamamos estas regiões de MSERs. Por exemplo, placas de carros ou letras em documentos formam MSERs. O método também garante invariância a transformações afins. Assim, ele funciona bem sob diferentes pontos de vista.
funcionamento do algoritmo por limiarização
Primeiramente, o algoritmo ordena todos os pixels por intensidade. Ele começa com o limiar mais baixo (preto total). Em seguida, o método aumenta o limiar gradualmente. Novas componentes conexas (regiões brancas) vão surgindo. O sistema rastreia cada região através dos níveis de intensidade. Além disso, a área de cada região é monitorada continuamente. Uma região é estável quando sua área varia pouco. A estabilidade mede a derivada da área em relação ao limiar. Consequentemente, o algoritmo seleciona regiões com variação mínima como MSERs. Por fim, ele repete este processo para a imagem original e seu negativo. Dessa forma, detectamos tanto regiões claras quanto escuras.
propriedades de invariância e robustez
O MSER possui propriedades de invariância muito úteis. Primeiramente, ele garante invariância a transformações afins da imagem. Isto significa que funciona mesmo com mudanças de perspectiva. Além disso, o método apresenta robustez considerável a ruído gaussiano. Pequenas flutuações de intensidade não afetam a detecção. O algoritmo também assegura invariância a transformações monotônicas de intensidade. Consequentemente, mudanças de iluminação não prejudicam os resultados. Por exemplo, sombras ou reflexos não eliminam as regiões estáveis. Portanto, o MSER é ideal para imagens com iluminação não-uniforme. Ele se destaca especialmente em aplicações de visão outdoor e robótica móvel.
aplicações práticas do mser
O MSER tem ampla utilização em tarefas de correspondência de imagens. Por exemplo, ele ajuda a casar fotos de um mesmo local sob diferentes ângulos. Na recuperação de informação visual, o MSER indexa regiões de interesse. Sistemas de reconhecimento de texto também se beneficiam deste método. Letras e caracteres tipicamente formam MSERs estáveis. Além disso, sistemas de localização e mapeamento (SLAM) usam o MSER. Robôs autônomos reconhecem pontos de referência com a ajuda deste detector. A detecção de placas de trânsito representa outra aplicação clássica. Portanto, o MSER constitui uma ferramenta versátil e consolidada. Ele combina simplicidade conceitual com alta performance prática.