Detekce hran, segmentace

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

1. Filtrace obrazu − odstranění vzorkovacího či kvantovacího šumu, rozmazání, apod.
2. Diferenciace − zvýraznění oblastí s výraznou změnou intenzity
3. Hranový detektor

• Vlastnosti
  • Odolnost vůči šumu
  • Lokalizace
  • Početnost odezvy
• Aplikace konvolučního jádra (detekce směru hrany vyžaduje množinu jader korespondujících s určitými směry).

Detektory můžeme rozdělit podle detekcie hrany:

• 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

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)

• Přesnější popis hran, náročné na výpočet, např. Houghova transformace.
• Takto získané hrany je možné dále filtrovať (např. filtr s hysterzí)

• 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)

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

Segmentation (image processing)

• 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

• 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.

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
• Region growing – 4-okolí, 8-okolí
• Barvení oblastí – Barvi dokud práh, nutné dva průchody, není deterministická (Region Merging, Region Splitting)

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

• Band
• Dva a více prahů
• Semi-thresholding
• Mode based
• Iterative
• Adaptivní
• Otsu's

• Učení bez učitele, řazení do podobných shluků
• k-means clustering, Shift, Fuzzy C-Means, nebo GMM

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

Nejčastěji detekce předdefinovaných vzorů v obraze (tzv. template matching)