Сегментация по яркости

Сегментация представляет собой разделение или разбиение изображения на области по сходству свойств их точек. Как правило сегментацию проводят для одноцветного изображения или по каждой составляющей цветной.

При сегментации не учитывается информация, характеризующая объекты в целом.

1. Пороговое ограничение по яркости

Интересующий объект может быть выделен с помощью заданного порога, например, определённый по средней яркости изображения.

Если изображение является бинарным, то можно использовать аналитический подход для нахождения порогового значения яркости.

Распределение яркости для бинарного изображения представляет собой бимодальную гистограмму и пороговое значение яркости соответствует минимуму этой гистограммы, расположенной между её максимальными значениями.

Гистограммы аппроксимируются параболой (1) и находятся координаты, соответствующие минимуму функции.

Формула (2) позволяет определить порог яркости с помощью оператора Лапласа по направлениям координатных осей.

Формулы (3) и (4) – т.н. усреднённые поперечные сечения профиля яркости изображения. Данный подход используется в том случае, если изображение является неоднородным и оно разбивается на ряд фрагментов, устанавливая для каждого фрагмента свои пороги.

2. Наращивание областей

Один из способов сегментации по яркости, когда соседние элементы с одинаковыми яркостями группируются вместе и образуют область.

На первом этапе наращивания пары элементов изображения объединяются в группы по принципу 4-х или 8-ми связности.

Одним из подходов объединения более крупных смежных областей связано с определением соотношения между длинной границы между областями (D) и значением периметров этих областей.

Формула (5) или формула (6). Эпсилон2 и Эпсилон3 – коэффициенты значимости. Эпсилон2 ~ ½ , Эпсилон3 ~ ¼.

C – длина границы, по которой значение яркости меньше заданного коэффициента.

Контурная сегментация

Необходима для получения внешнего контура изображения объектов.

Существуют следующие подходы для определения границ объекта.

1. Аппроксимация кривых

Возможна аппроксимация с помощью простых форм (прямоугольник, окружность), или с помощью полиномов, если граница объекта обладает определённой кривизной.

2. Прослеживание контуров

Алгоритм «Поведение жука, обходящего препятствия». Смысл простой: при пересечении границы объекта жук поворачивает налево, если элементом изображения является фон, то он поворачивает направо. В итоге он должен вернуться в исходную точку.

Результат работы алгоритма зависит от выбора начальной точки движения.

Данный алгоритм как правило не фиксирует т.н. «внутренние дыры» на объекте.

3. Соединение точек перепада

Связываются соседние точки по значению градиентов яркости соседних элементов.

При использовании данного метода выбирают принцип связывания (4-х или 8-ми), а также выбирается направление изменения градиента: север-юг или промежуточные.

Лекция 8 (18.11.2009) Обнаружение объектов и совмещение (привязка) изображений

Обнаружение изображений связано с установлением наличия объекта, относительно которых предполагается, что они имеются на картинке.

Совмещение изображений состоит в нахождении поточечного соответствия (привязки) двух видов одной сцены.