Detekce hran, segmentace
Detekce hran
Edge detection
Hrany jsou místa kde sa prudce mění jas a dají sa využít na identifikaci důležitých oblastí (regionů) v obraze. Jsou vstupem mnoha algoritmů na detekci objektů v obraze, případně při segmentaci obrazu.
Defnice hrany:
Prudká změna jasu = hrana
Lokální změna jasu = jasová hrana
Globální změna = jasový hraniční segment
Vlastnosti: velikost, směr
Základní postupy při detekci
Filtrace obrazu − odstranění vzorkovacího či kvantovacího šumu, rozmazání, apod.
Diferenciace − zvýraznění oblastí s výraznou změnou intenzity
Hranový detektor
Hranový detektor
Detektory můžeme rozdělit podle detekcie hrany:
Operátory 1. derivace
Analýza malého okolí, konvoluce s jádrem hranového operátoru
Detekce směru hrany vyžaduje množinu jader korespondujících s určitými směry
Závislost na velikosti objektu v obraze, citlivost na šum
Roberts − malé okolí pro výpočet gradientu, vysoká citlivost na šum
Prewitt − více pixelů použito k výpočtu gradientu
Sobel − možné použít pouze dvě masky (detekce horizontálních a vertikálních hran)
Kirsch
Robinson
Operátory 2. derivácie
Hladají hranu při průchodu nulou v okolí. Nevýhodami jsou velké vyhlazení obrazu a ztráta ostrých rohů, případně dvojitá odezva na hrany.
Laplacián − invariantní vůči rotaci, normalizovaná odezva na čtyřokolí, osmiokolí
LoG (Marr-Hildreth) − laplacián na vyhlazeném obrazu Gaussem, velice stabilní, nebezpečí falešných hran
DoG − Rozdíl Gaussovek – aproximace LoG
Cannyho detektor − operátor první derivace Gaussovské funkce, non-maxima suppression, prahování s hysterezí (hystereze znamená závislost stavu na stavech předchozích; v tomto kontextu jde o to, že jsou ponechány jen ty nejsilnější hrany a slabé, pokud jsou spojeny s nějakou silější, velmi slabé jsou potlačeny)
Aktivní kontury − vnitřní (hladkost křivky) a vnější síly (tvarují konturu směrem ke hranám objektu)
Parametrické modely hran
Přesnější popis hran, náročné na výpočet, např. Houghova transformace.
Takto získané hrany je možné dále filtrovať (např. filtr s hysterzí)
Kvalita hranových detektorů
Dobrá detekce (odolnost vůči šumu)
Dobrá lokalizace (detekované hranové body co nejblíže středu hrany)
Jedinečná odezva (měla by existovat jen jedinečná odezva na skutečnou hranu)
Nejpoužívanější detektory
Cannyho detektor
Canny edge detector
Realizován tak, aby co nejlépe vyhověl požadavkům na kvalitu (zmíněno výše)
Realizován různými způsoby, které se snaží co nejlépe vyhovět stanoveným podmínkám
Operátor první derivace Gaussovské funkce + potlačením nemaximálních hodnot
Hough transform
Metoda pro nalezení parametrického popisu objektů v obraze
(Transformace z Kartézského souřadnicového systému do polárního … určitě?)
Výpočetně náročná, robustnost, není citlivá na porušená data nebo šum
Stejný princip se používá i pro hledání dalších křivek, které je možné popsat parametricky (kružnice, elipsa apod.)
Houghova transformace se dá použít i na detekci tvarů, které nejde přímo popsat parametricky
Body obrazu jsou prezentovány křivkami v parametrickém prostoru
Jedná-li se o kolineární body (z jedné přímky), pak křivky v parametrickém prostoru se protínají. Průnik reprezentuje parametry hledané křivky
Segmentace
Co je to segmentace obrazu?
Proces rozdělování obrazu na významné části (regiony, např. obsahující jednotlivé objekty), které mají podobné vlastnosti (např. podobné barvy, tím sa dá např. oddělit obloha od trávy).
Objekt je zajímavá část obrazu, zbytek je tzv. pozadí (angl. background).
Segmentace je závislá na interpretaci obrazu!
Jeden z nejdůležitějších kroků analýzy obrazu!
Neexistuje univerzální metoda
Proč je segmentace složitá?
Výsledek je závislý na konkrétní aplikaci.
Velký vliv má proces snímání obrazu – proměnlivé osvětlení, šum, apod.
Struktura obrazu může být velmi složitá – komplexní tvary objektů, překrývající se objekty, stíny, …
Neexistuje univerzální metoda pro všechny typy obrazů.
Základní přístupy k segmentaci obrazu
Statistické metody
Orientovaná na regiony
Region based (porovnávání vnitřků)
Obrazové pyramidy – Nejvyšší úroveň je jeden pixel, redukce výpočetní náročnosti, segmentace – spojování oblastí, quad tree
Grafy sousednosti (Region Adjacency Graphs (RAGs)) – Vztahy mezi regiony
-
Barvení oblastí – Barvi dokud práh, nutné dva průchody, není deterministická (Region Merging, Region Splitting)
Orientovaná na hrany
Edge based
Hrany mohou nést důležitou informaci o objektech
Často oddělují regiony v obraze.
Typický problém: porušené a nevýrazné hrany, zároveň mnoho nepodstatných hran.
Edge relaxation – zotavení hrany, mnoho heuristických algoritmů, často iterační, degraduje hrany
Spojování hran – Vytváří seřazené hrany
Prahování
Band
Dva a více prahů
Semi-thresholding
Mode based
Iterative
Adaptivní
Otsu's
Shluková analýza
Hybridní metody
Metoda rozvodí
Watershed (image processing)
Morfologická metoda segmentace, obraz chápán jako terén nebo topografický reliéf, který je postupně zaplavován vodou.
Výsledný obraz rozdělen do povodí oddělených hrázemi.
Nepoužívá se přímo originální obraz, ale gradientní obraz.
Metoda produkuje velký počet regionů, nadměrně segmentovaný obraz → spojování segmentů
Znalostní metody (knowledge-based)
Nejčastěji detekce předdefinovaných vzorů v obraze (tzv. template matching)