ANALIZA OBRAZU Analiza obrazu (ang. image analysis, scene analysis, image description, image understanding, pattern recognition, machine/computer vision) dotyczy metod wydobywania danych (informacji) z obrazów. W odrónieniu od metod poprawy jakoci obrazu, restauracji obrazów, kodowania obrazów, wynikiem analizy obrazów jest nie obraz a dane w postaci numerycznej lub symbolicznej.
Etapy przetwarzania i analizy obrazów Przetwarzanie wstpne Segmentacja Identyfikacja i analiza cech Klasyfikacja i interpretacja
Przykłady zastosowa systemów analizy obrazu! " # $ % &
Metody analizy obrazów 2 1 3 Analiza cech obrazu Segmentacja Klasyfikacja Cechy w dziedzinie przestrzennej Cechy w dziedzinie transformat Brzegi i kontury Ksztaty Momenty geometryczne Tekstury Progowanie jasnoci Segmentacja na podstawie brzegów Segmentacja na podstawie konturow Dopasowanie wzornika Segmentcja tekstur Grupowanie Statystyczne metody klasyfikacji Drzewa decyzyjne Sieci neuronowe Miary podobiestwa
Segmentacja Segmentacja jest podstawowym etapem przetwarzania obrazów. Procedura segmentacji dzieli obraz na rozłczne obszary. W jej wyniku uzyskuje si wyodrbnienie fragmentów obrazu charakteryzujcych si szczególnymi cechami (np. jasno, kolor, tekstura), do tła, tj. obszarów nie bdcych przedmiotem analizy. Zadaniem procedur segmentacji obrazów jest jedynie podział obrazu na odpowiednie obszary a nie ich rozpoznawanie.
Zdjcia lotnicze
Mikroskopowe zdjcie komórek
Optyczne zdjcie wrzodu
Obraz MRI koci stopy
Progowanie jasnoci Segmentacja obrazu przez progowanie jasnoci podstawow metod segmentacji obrazu. jest Polega ona na okreleniu wartoci progowej T (w skali jasnoci obrazu), która dzieli punkty obrazu na dwie grupy, tj. punkty obrazu dla których f(x,y) T oraz punkty, dla których f(x,y)>t. Po operacji progowania otrzymuje si tzw. obraz binarny: g(x, y) = 1 0 dla dla f (x, y) T f (x, y) < T
Progowanie jasnoci Dla przykładu załómy, e obraz f(x,y) zawiera ciemne obiekty umieszczone na jasnym tle. Histogram jasnoci takiego obrazu pokazuje rysunek (zwrómy uwag na dwa wyrane maksima histogramu reprezentujce rozkład jasnoci obszarów obiektu i tła).?!! "
' ( +, - 1000 800 600 400 g(x, y) 256 = 0 dla dla f (x, y) T f (x, y) < T 200 0 0 50 100 150 200 250 ' ( ) * #!
DEMO MATLAB
DEMO MATLAB %MATLAB x=imread('cameraman.tif'); figure(1), imshow(x); bw=im2bw(x,0.5); figure(2), imshow(bw)
Progowanie jasnoci Gdy warto progu jest ustalana na podstawie całego obrazu to taki próg jasnoci nazywamy globalnym. Gdy warto progu jest zalena od współrzdnych przestrzennych (x,y) obrazu to mówimy, e próg jest ustalany dynamicznie. Ponadto, gdy próg jest zarówno zaleny od treci obrazu tj. wartoci f(x,y) oraz od pewnej cechy obrazu p(x,y) - np., redniej jasnoci obrazu w pewnym otoczeniu, to próg jest okrelany mianem lokalnego. Zatem jego warto jest ustalana na podstawie funkcji: T = T p(x, [ y),f (x, y) ]
Progowanie jasnoci Dla tzw. progowania wielopoziomowego, wartoci odpowiednich poziomów progowania s elementami wektora: T= [T 1, T 2, T N ]. W wyniku takiego progowania obraz podlega segmentacji na obszary o N+1 rónych jasnociach, np. progowanie dwupoziomowe wyznacza trzy takie obszary: +.,.!. Progowanie jasnoci mona uogólni do progowania wielowymiarowego, które moe mie zastosowanie w segmentacji obrazów kolorowych, kodowanych w systemach reprezentacji kolorów RGB lub HSI (ang. Hue, Saturation, Intensity). Poszczególne wartoci progów mona okrela na podstawie histogramu trójwymiarowego utworzonego z trzech składowych koloru.
Progowanie wielopoziomowe - przykład 250 200 150 100 50 x=imread('blood1.tif'); figure(1), imshow(x); figure(2),imshow(x), colormap(jet(16))
Nierównomierne owietlenie sceny równomierne owietlenie sceny nierównomierne owietlenie sceny
DEMO MATLAB 200 180 160 140 120 100 80 60 40 0 50 100 150 200 250 Distance along profile
Tekstury z albumu Brodatza 2500 2000 1500 1000 500 0 0 50 100 150 200 250
Dobór wartoci progu Niech obraz zawiera obszary o jasnociach skupionych wokół dwóch wartoci rednich m 1 (obiekt), m 2 (tło), kade o rozkładzie Gaussowskim N(0,σ). Obszary te wystpuj w obrazie w proporcjach P 1 i P 2 przy czym P 1 + P 2 =1. Naley okreli warto progow T minimalizujc całkowity błd segmentacji obrazu (tj. liczby punktów obrazu nalecych do obiektu i zaliczonych do tła (ang. false positive) oraz liczby punktów nalecych to tła i zaliczonych do obiektu (ang. false negative)).
Progowanie jasnoci 1 0.9 P1 0.8 0.7 0.6 0.5 P2 0.4 0.3 0.2 T? 0.1 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 m 1 m 2
Dobór wartoci progu Dla równych wariancji rozkładu jasnoci tła i obiektu warto progu minimalizujca błd segmentacji jest postaci: T = m1 + m2 σ P + ln 2 m m P 1 2 2 2 1 Dla P 1 =P 2 optymalna warto progu segmentacji jest równa redniej arytmetycznej ze rednich jasnoci tła i obiektu.
Dopasowanie wzorca Jedn ze specjalnych technik segmentacji obrazu jest metoda dopasowania wzornika (ang. template matching). Stosuje si j w sytuacji, gdy jest znany a priori kształt obiektu podlegajcego segmentacji (detekcji). Metod bada stopie podobiestwa maski wzornika do kształtu obiektu poszukiwanego w obrazie. Poszukiwanie obiektu w obrazie o załoonym kształcie realizuje si przez wyznaczenie korelacji pomidzy maska wzornikiem a obrazem.
Dopasowanie wzorca Korelacja maski wzornika w(x,y) o wymiarze J K oraz obrazu f(x,y) o wymiarze M N jest dany zalenoci: c( s, t) f ( x, y) w( x s, y t) ( s, t) = x y Maska w(x,y) jest przemieszczana w obrbie obrazu dajc w wyniku obraz c(s,t). Maksymalna warto c(s,t) wskazuje połoenie maski w(x,y) w którym wykazuje ona najwiksze podobiestwo do f(x,y).
y Dopasowanie wzorca
Dopasowanie wzorca Funkcja korelacji jest jednak zalena od rednich poziomów jasnoci obrazu w obrbie maski wzornika. Lepsze wyniki detekcji uzyskuje si po zastosowaniu współczynnika korelacji: [ f ( x, y) f ( x, y) ][ w( x s, y t) w] x y γ ( s, t) = 2 2 1/ 2 { [ f ( x, y) f ( x, y) ] [ w( x s, y t) w] } x y x y
Dopasowanie wzorca %MATLAB %c i x typu double z=xcorr2(c,x); imshow(z,[ ]); Ilustracja metody dopasowania wzorca. Znak podlegajcy detekcji to dua litera C.
Dopasowanie wzorca
Dopasowanie wzorca - zastosowanie Karta do głosowania Wynik korelacji ze wzorcem x Wynik progowania