Kalábovi

Kalábovic wikina

Uživatelské nástroje

Nástroje pro tento web


pitel:msz:detekce_hran_segmentace

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

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

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:

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

Houghova transformace

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
  • Region growing – 4-okolí, 8-okolí
  • 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
  • Učení bez učitele, řazení do podobných shluků
  • k-means clustering, Shift, Fuzzy C-Means, nebo GMM

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)

/var/www/wiki/data/pages/pitel/msz/detekce_hran_segmentace.txt · Poslední úprava: 03. 07. 2012, 13.53:32 (upraveno mimo DokuWiki)