Podstawowe techniki segmentacji obszarów

Podobne dokumenty
Cyfrowe przetwarzanie obrazów i sygnałów Wykład 6 AiR III

Aproksymacja kraw. Od wielu lokalnych cech (edge elements) do spójnej, jednowymiarowej. epnej aproksymacji

Analiza obrazów. Segmentacja i indeksacja obiektów

SEGMENTACJA OBRAZU Wprowadzenie

Proste metody przetwarzania obrazu

Grafika Komputerowa Wykład 2. Przetwarzanie obrazów. mgr inż. Michał Chwesiuk 1/38

Algorytm selekcji Hoare a. Łukasz Miemus

Cyfrowe Przetwarzanie Obrazów i Sygnałów

WYKŁAD 12. Analiza obrazu Wyznaczanie parametrów ruchu obiektów

Segmentacja obrazu. Segmentacja obrazu

Wyk lad 4 Dzia lania na macierzach. Określenie wyznacznika

stopie szaro ci piksela ( x, y)

Stereowizja dwukamerowa

POPRAWIANIE JAKOŚCI OBRAZU W DZIEDZINIE PRZESTRZENNEJ (spatial image enhancement)

Cyfrowe przetwarzanie obrazów i sygnałów Wykład 10 AiR III

BIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat

Algorytm Chaitin a. Problem kolorowania grafu. Krzysztof Lewandowski Mirosław Jedynak

Data Mining Wykład 9. Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster. Plan wykładu. Sformułowanie problemu

Algebra i jej zastosowania ćwiczenia

edzi (local edge detectors) Lokalne operatory wykrywania kraw

Wyk lad 4 Warstwy, dzielniki normalne

Elementy inteligencji obliczeniowej

Raport. Bartosz Paprzycki UMK 2009/2010

Przetwarzanie obrazu

Implementacja filtru Canny ego

Drzewa AVL definicje

Statystyka w analizie i planowaniu eksperymentu

Parametryzacja obrazu na potrzeby algorytmów decyzyjnych

Techniki uczenia maszynowego nazwa przedmiotu SYLABUS

Przetwarzanie obrazu

Elementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań

PRZETWARZANIE SYGNAŁÓW

Wyk lad 7: Drzewa decyzyjne dla dużych zbiorów danych

Wyk lad 14 Formy kwadratowe I

Python: JPEG. Zadanie. 1. Wczytanie obrazka

Pierwiastki arytmetyczne n a

ANALIZA OBRAZU Analiza obrazu poprawy jako ci obrazu, restauracji obrazów kodowania obrazów

AKWIZYCJA I PRZETWARZANIE WSTĘPNE

Cyfrowe przetwarzanie obrazów i sygnałów Wykład 9 AiR III

Zadanie 1 Przygotuj algorytm programu - sortowanie przez wstawianie.

Filtracja liniowa (metody konwolucyjne, tzn. uwzględniające pewne otoczenie przetwarzanego piksla):

Strategia "dziel i zwyciężaj"

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu

Interfejs GSM/GPRS LB-431

Relacje binarne. Def. Relację ϱ w zbiorze X nazywamy. antysymetryczną, gdy x, y X (xϱy yϱx x = y) spójną, gdy x, y X (xϱy yϱx x = y)

Algorytmy i struktury danych. Wykład 4 Tablice nieporządkowane i uporządkowane

Wybrane wyniki w zakresie umiejętności matematycznych

Algorytmy równoległe. Rafał Walkowiak Politechnika Poznańska Studia inżynierskie Informatyka 2010

Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej

0.1 Sposȯb rozk ladu liczb na czynniki pierwsze

przetworzonego sygnału

Równoleg le sortowanie przez scalanie

Programowanie w VB Proste algorytmy sortowania

Systemy decyzyjne Wyk lad 4: Drzewa decyzyjne

Wyższa Szkoła Informatyki Stosowanej i Zarządzania

Analiza obrazu. wykład 3. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009

WYKŁAD 3. Przykłady zmian w obrazie po zastosowaniu Uniwersalnego Operatora Punktowego

dr inż. Jarosław Forenc

Teoria liczb. Magdalena Lemańska. Magdalena Lemańska,

Algorytm. a programowanie -

Operacje przetwarzania obrazów monochromatycznych

Uproszczony dowod twierdzenia Fredricksona-Maiorany

Przekształcenia punktowe

Logika matematyczna i teoria mnogości (I) J. de Lucas

Optymalizacja. Przeszukiwanie lokalne

Matematyka dyskretna - wykład - część Podstawowe algorytmy kombinatoryczne

Eksploracja danych. Grupowanie. Wprowadzanie Definicja problemu Klasyfikacja metod grupowania Grupowanie hierarchiczne. Grupowanie wykład 1

EGZAMIN MATURALNY Z INFORMATYKI. 10 maja 2017 POZIOM ROZSZERZONY. Godzina rozpoczęcia: 14:00 CZĘŚĆ I

Przetwarzanie i Kompresja Obrazów. Segmentacja

Wyk lad 3 Wielomiany i u lamki proste

Plan wyk ladu. Kodowanie informacji. Systemy addytywne. Definicja i klasyfikacja. Systemy liczbowe. prof. dr hab. inż.

Relacje. opracował Maciej Grzesiak. 17 października 2011

Zofia Kruczkiewicz, Algorytmu i struktury danych, Wykład 14, 1

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania

Rachunek zdań - semantyka. Wartościowanie. ezyków formalnych. Semantyka j. Logika obliczeniowa. Joanna Józefowska. Poznań, rok akademicki 2009/2010

Wyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie

Algorytmy sortujące i wyszukujące

Interfejs GSM/GPRS LB-431

P. Urzyczyn: Materia ly do wyk ladu z semantyki. Uproszczony 1 j. ezyk PCF

Kierunek: Informatyka. Przedmiot:

Rozdzia l 3. Relacje binarne

TEORIA GRAFÓW. MATERIA LY VI. semestr letni 2013/2014. Jerzy Jaworski. Typeset by AMS-TEX

Zadanie 1. Doskonała inaczej (6 pkt) Poniższy algorytm wyznacza wszystkie dzielniki liczby naturalnej n 1, mniejsze od n.

Liczba 2, to jest jedyna najmniejsza liczba parzysta i pierwsza. Oś liczbowa. Liczba 1, to nie jest liczba pierwsza

Pytania i polecenia podstawowe

WYK LAD 2: PODSTAWOWE STRUKTURY ALGEBRAICZNE, PIERWIASTKI WIELOMIANÓW, ROZK LAD FUNKCJI WYMIERNEJ NA U LAMKI PROSTE

Analiza i Przetwarzanie Obrazów

Wyk lad 3 Wyznaczniki

Zastosowanie bisymulacji do. Non-Interference XVI FIT, Karpacz 2002

STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA

Wirtualne sieci prywatne

Grupowanie Witold Andrzejewski, Politechnika Poznańska, Wydział Informatyki 201/633

Zastosowanie kołowej transformaty Hougha w zadaniu zliczania monet

Podstawy programowanie systemów wizyjnych InSight firmy Cognex. Środowisku InSight Explorer / Spreadshee

Sortowanie Shella Shell Sort

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Drzewa decyzyjne. Nguyen Hung Son. Nguyen Hung Son () DT 1 / 34

Transkrypt:

Podstawowe techniki segmentacji obszarów lokalne punkty (pixels) sa w l aczane do regionu na podstawie w lasności ich najbliższego sasiedztwa; globalne punkty (pixels) sa grupowane na podstawie w lasności punktów ca lego obrazu; dzielenia i l aczenia (splitting and merging) obszary sa dzielone na mniejsze i l aczone w wieksze na podstawie kryteriów podobieństwa i różnic o charakterze lokalnym lub globalnym. Skuteczność segmentacji zależy od dziedziny zastosowań i zawartości obrazu wejściowego. W prostych przypadkach (np. ciemne plamy na jasnym tle) bardzo efektywne sa metody lokalne. W bardzo z lożonych przypadkach nawet bardzo wyszukane metody nie daja zadawalajacych wyników i można je traktować tylko jako wstepne przetwarzanie poprzedzajace w laściwa analize obrazu oparta na wiedzy o scenie. MW-ZPCiR-ICT-PWr 1

Podzia l obszaru (partition) f : U Z ; U X Y Podzia lem (partition) obszaru U nazywamy zbiór regionów: P = R i U ( i I R i = U) (R i R j φ i = j)} Odpowiada on pewnej relacji równoważności na U: U U ktorej klasy abstrakcji sa równe regionom R i : U/ = P Indukowanie relacji przez relacj e równoważności w przestrzeni cech obrazu Z: = (u, v) f(u) f(v)} ; Z Z MW-ZPCiR-ICT-PWr 2

Jednorodność obszaru (homogenity) Kryterium jednorodności: H : 2 U 0, 1} Partycja P jest zgodna z H, gdy wszystkie regiony sa jednorodne i nie można po l aczyć żadnych regionów bez naruszenia jednorodności: H(R i R j ) = 1 i = j 0 i = j Przyk lady kryterium jednorodności: H T (R) = 1 ( u, v R)( f(u) f(y) < T ) 0 ( u, v R)( f(u) f(y) T ) H b (R) = 1 histogram na R nie jest bimodalny 0 histogram na R jest bimodalny MW-ZPCiR-ICT-PWr 3

Rozrost obszarów (region growing) Przyk lad: Algorytm rozrostu obszarów jednorodnych (w sensie H T ): 1. Wybieramy punkty startowe obszarów R i (na przyk lad wynik radykalnego progowania). 2. Dla każdego obszaru R i : Dla każdego punktu obrazu p nie do l aczonego do innych obszarów: jeżeli p sasiaduje z R i i H T (R i p}) = 1, to do l aczamy p do R i : R i = R i p}. 3. Warunek zakończenia: niemożność do l aczenia jakiegokolwiek punktu bez utraty jednorodności regionów. MW-ZPCiR-ICT-PWr 4

Stopniowe rozszczepianie (recursive splitting) Przyk lad: Algorytm stopniowego dzielenia obszaru obrazu na jednorodne (w sensie H b ) regiony przy pomocy progowania: 1. Rozważmy ca ly obraz jako region. 2. Znajdujemy histogram obrazu w regionie i ustalamy próg (progi) na podstawie testu bimodalności. Jeśli to możliwe, dzielimy region przy pomocy progowania na podregiony. 3. Usuwamy zaburzenia granic otrzymanych regionów przy pomocy filtracji binarnej, by otrzymać regiony czterospójne. 4. Powtarzamy punkty 2 i 3 dla każdego regionu, dopóki dalsze podzia ly nie stana sie niemożliwe (histogramy we wszystkich regionach nie bed a mieć wyraźnych maksimów) MW-ZPCiR-ICT-PWr 5

Dzielenie i l aczenie (splitting and merging) Rozważmy zbiór regionów Q = R i i I}, który nie musi być podzia lem w podanym poprzednio sensie. Jeśli dla pewnego i I : H(R i ) = 0 to region R i jest niejednorodny i należy go podzielić na podregiony. Jeśli zaś dla pewnych i, j I : H(R i R j ) = 1 to regiony R i i R j tworza jednolity obszar i powinny być po laczone w jeden region. MW-ZPCiR-ICT-PWr 6

Kolorowanie sylwetek (blob coloring) Obraz wejściowy jest binarny i zawiera czterospójne obszary o wartości 1 na tle o wartości 0 (wynik segmentacji obszarów lub progowania). Obszary spójne na obrazie wyjściowym maja różne wartości (od 1 do N, gdzie N jest ilościa obszarów). 1. Propagacja indeksu (koloru) sylwetki zgodnie z przyjetymi regu lami sasiedztwa punktów w trakcie jednokrotnego przegladania obrazu (liniami). 2. Przechodnie domkniecie relacji utworzonej w tablicy LNK (tworzonej w trakcie skanowania sylwetek) odzwierciedlajacej sasiadowanie obszarów, którym przydzielono pierwotnie różne indeksy. 3. Konwersja otrzymanego obrazu przez tablice LNK w celu po l aczenia podobszarów spójnych. MW-ZPCiR-ICT-PWr 7

indeksowanie(obr) LNK = ID; index=0; for(i=0;i<il_wierszy;i++) for(j=0;j<il_kolumn;j++) if(obr(i,j)!=0) if(wyn(i,j-1)==0 && wyn(i-1,j)==0) wyn(i,j)=++index; else if(wyn(i,j-1)==0) wyn(i,j)=wyn(i-1,j); else if(wyn(i-1,j==0) wyn(i,j)=wyn(i,j-1); else wyn(i,j)=wyn(i,j-1); if(wyn(i-1,j)!=wyn(i,j-1)) LNK(wyn(i-1,j), wyn(i,j-1)) = 1; } else wyn=0; TransClose(LNK); for(i=0;i<il_wierszy;i++) for(j=0;j<il_kolumn;j++) wyn(i,j)=min(lnk(wyn(i,j),*)); } MW-ZPCiR-ICT-PWr 8