Распознавание объектов методом сегментации

Материал из Национальной библиотеки им. Н. Э. Баумана
Последнее изменение этой страницы: 00:30, 25 мая 2017.

Пороговые методы

Рис.1 Изображение зашумленного силуэта хромосомы

Данные методы наиболее часто используются в задачах сегментации изображений, так как они обладают интуитивно понятными свойствами и просты в реализации. Базовыми являются два метода: метод с глобальным порогом и метод с адаптивным порогом. Основную идею этих методов рассмотрим на примере изображения силуэта хромосомы, приведенного ниже.

На рисунке ниже показана гистограмма, соответствующая этому изображению , она соответствуют тому, что яркости пикселей объекта и фона сосредоточены вблизи двух преобладающих значений, таким образом становится понятно, что изображение содержит светлые объекты на темном фоне. Так как пиксели сгруппированы вокруг нескольких основных центров. Очевидно, что для выделения этих областей, достаточно выбрать некоторое значение порога, и определить все точки, имеющие как принадлежащие объекту, а в противном случае трактовать их как точки фона. В этом случае, получаемое на выходе изображение определяется выражением:

где 1 – пиксель, соответствующий объекту, а 0 – пиксель, соответствующий фону.
Рис. 2 Пример гистограммы с возможностью разделения одиночным порогом (Т)

Причем функция, которой производится сравнение имеет вид: , где – изображение, – локальная характеристика точки изображения, например яркость. Если значение – одинаково для всех точек изображения, то такой порог называют глобальным. Если значение зависит от пространственных координат и , то такой порог называют локальным или динамическим. Если же зависит от значения , то такой порог называют адаптивным.

Пороговый метод с глобальным порогом

Рис. 3 Пример разделения изображения с использованием глобального порога Т. Слева – исходное изображение, справа – полученное после обработки

Данный метод является простейшим. После выбора глобального порога, происходит поэлементная проверка всего изображения. Процедура подразумевает разделение изображения на две области: первая относится к объекту, вторая – к фону. В данном случае успешность целиком зависит от того, насколько хорошо диаграмма поддается разделению. Успешного применения данного метода можно ожидать в условиях контролируемого освещения.

Если требуется автоматический выбор порога, то применяется следующий алгоритм:

  1. Выбирается некоторая начальная оценка порога;
  2. Используя порог Т, сегментируем изображение на две области и ;
  3. Вычисляем значения и средних значений яркости областей и ;
  4. Вычисляется новое значение порога:
  5. Вычисляем шаги 2-4 до тех пор, пока разница значений при соседних итерациях не окажется меньше либо равно некоторому .

Если объект и фон занимают сравнимые площади на изображении, то хорошим начальным приближением для глобального порога будет средний уровень яркости изображения. Если же площадь объекта мала, то доминирующим будет фон и в этом случае разделение по средней яркости области будет не очень хорошим. В этом случае в качестве вычисляемых критериев и можно использовать полусумму минимального и максимального значений яркости.

Пороговый метод с адаптивным порогом

Рис. 4 Пример обработки изображения глобальным (б) и адаптивным (в) порогами

В предыдущем разделе было указано, что метод с глобальным порогом хорош до тех пор, пока мы имеем контролируемое освещение. Как только освещение становится неравномерным, хорошо разделяемая гистограмма может превратиться в плохо разделяемую гистограмму и метод не сработает. В этом случае, исходное изображение разбить разделить на подобласти, в каждой их которых для сегментации ищется и используется свой порог. Основной проблемой здесь является задача разбиения изображения на подобласти и выбор для каждой из них своего порога. Поскольку порог зависит от характеристик подобласти изображения, такой порог называет адаптивным. На рисунке ниже приведен пример использования глобального и адаптивного порогов.

На рисунке 4(а) показано начальное изображение некоторой области. На рисунке 3(б) представлен результат использования глобального порога. Как видно, правая часть искомой области затерялась, так значения пикселей фона и пикселей объекта слились и были отсечены как фон. На рисунке 4(в) показан результат использования адаптивного порога. В пределах некоторой области, полученной из исходного изображения, метод с адаптивным порогом работает так же, как и метод с глобальным порогом.

Описание работы программы, реализующей метод

Целью программы является предоставление пользователю возможности сегментировать любое растровое изображение. В результате работы программы изображение разбивается на две части: искомые объекты и фон. В данном конкретном случае производится сегментация фотографий, полученных в результате аэро или спутниковой фотосъемки, искомыми объектами являются дома. Сегментация может проводиться как на черно-белых, так и на цветных изображениях, с ухудшением эффективности работы методов. С целью увеличения эффективности метода с глобальным порогом, кроме заложенного в метод алгоритма сегментации выбором среднего значения яркости, добавлена возможность выбора пользователем искомого значения яркости. При использовании данного метода так же предоставлен выбор, можно выделить область изображения, значение яркости которой выше определенного пользователем значения, либо выделить область с яркостью, лежащей в некотором диапазоне, величина которого определяется пользователем. В программе предусмотрена возможность уменьшения и увеличения загруженного изображения, так же можно вернуть исходные размеры изображения и растянуть его на все окно программы. Программа написана на языке C++ с использованием Qt библиотек. Код организован в семь файлов:RPS.pro – задает связи между файлами для компиляции программы, mywin.h – содержит объявления классов и функций, main.cpp – файл, содержащий функция main, в которой создается окно приложения, mywin.cpp – реализация главного окна программы, segmentation.cpp – реализация алгоритмов сегментации, settings.cpp – реализация настроек, задаваемых пользователем.

После запуска программы появляется главное окно программы. При отсутствии загруженного изображения заблокированы возможности его сегментации и преобразования. Загрузить изображение можно выбрав команду Open… в контекстном меню File или, нажав на клавиатуре комбинацию Ctrl + O, после чего появится диалог выбора файла. Выбранное изображение появится в главном окне программы, и будут разблокированы обработка снимка и его преобразование.

Исходное изображение

Алгоритм сегментации с глобальным значением порога может быть запущен двумя способами: из меню File командой segGlobalLip, а так же нажатием комбинации клавиш Ctrl + 1. После чего появится окно выбора метода сегментации.

9.4-1.png

При выборе сегментации по среднему значению яркости загруженное изображение будет обработано о области с меньшим значением яркости будут отнесены к фону и закрашены красным цветом.

9.4-6.png

Если выбрана сегментация по цвету, появится окно для его выбора.

350px-9.4-8.png

После чего появится окно с выбором способа сегментации.

9.4-9.png

При выборе способа с выделением пикселей с яркостью выше заданной, остальные пиксели относятся к фону и закрашиваются.

350px-9.4-10.png

При выборе способа выделения пикселей из заданного диапазона, буду закрашены пиксели, яркость которых в этот диапазон не попадает.

350px-9.4-11.png

При выборе способа сегментации с адаптивным порогом появляется окно, в которое вводится его значение.

9.4-12.png

После этого изображения обрабатывается с заданным порогом

9.4-13.png

Операции преобразования изображения находится в контекстном меню View, так же они могут быть вызваны соответствующими комбинациями клавиш.

Литература

  • Б. Яне – Цифровая обработка изображений (583с.) / Перевод с английского А.М. Измайловой – ISBN: 978-5-94836-122-2 – «Техносфера», Москва, 2007
  • Б. Анисимов, В. Курганов, В. Злобин – Распознавание и цифровая обработка изображений (296с.) – «Высшая школа», Москва, 1983
  • Д. Форсайт, Ж. Понс – Компьютерное зрение. Современный подход. : перевод с английского – М. – Издательский дом «Вильямс», 2004. – 928с., Москва – Санкт-Петербург – Киев, 2004 г.
  • Р. Гонсалес, Р. Вуде – Цифровая обработка изображений. : перевод с английского под редакцией П. Н. Чочиа – «Техносфера», Москва, 2005.


См. также