Görüntü Segmentasyonu (Bölütleme) Dijital Görüntü İşleme Fevzi Karslı, KTÜ Segmentasyon, görüntüyü aynı cinsten obje ve bölgelere ayırmaktır.

Transkript

1 Görüntü Segmentasyonu (Bölütleme) Segmentasyon, görüntüyü aynı cinsten obje ve bölgelere ayırmaktır. 16 Ocak 2014 Perşembe 1

2 Görüntü Segmentasyonu 16 Ocak 2014 Perşembe 2

3 Görüntüden Objelere Bir objeyi ne tarif eder? Subjektif bir problem, fakat iyi çalışılmalı. Gestalt kanunları (bütüncül yaklaşım) bu tanımı yapabilmek üzere kullanılabilir. Neyin ilginç/ilgili yada olmadığı uygulamaya göre de değişir. Genel bir teori de henüz söz konusu değildir. 16 Ocak 2014 Perşembe 3

4 Gestalt kanunları Görüntü üzerindeki elemanların/parçaların bir grup olup olmamasına dair bir çok faktör etkili olmaktadır. Yakınlık (Proximity) Benzerlik (Similarity) Ortak/genel/yaygın kader (Common fate) Ortak bölge (Common region) Paralellik (Parallelism) Kapalılık/yakınlık(Closure) Simetri (Symmetry) Süreklilik (Continuity) Bilinen yapılanma/konfigürasyon (Familiar configuration) 16 Ocak 2014 Perşembe 4

5 Gestalt kanunları (bütüncül yaklaşım) 16 Ocak 2014 Perşembe 5

6 Gestalt kanunları Benzerlik Simetri 16 Ocak 2014 Perşembe 6

7 Gestalt kanunları Yakınlık Ortak kader 16 Ocak 2014 Perşembe 7

8 Otomatik eşikleme Süreklilik 16 Ocak 2014 Perşembe 8

9 Görüntü segmentasyonu Görüntü segmentasyonu, görüntü üzerinde aynı özellikteki pikselleri parçalar halinde bir araya toplamaktır, resmi belli bölgelere ayırmaktır. Segmentasyon kriteri: I görüntüsünü S bölgelerine ayırma. 1. S i = S Partçalar bütün görüntüyü kaplar. 2. S i S j =, i j Bölgeler kesişmez. 3. S i, P(S i ) = true Homojenlik her bölge için sağlanır. 4. P(S i S j ) = false, Komşu bölge birleşimleri sağlanmamış. i j, S i adjacent S j 16 Ocak 2014 Perşembe 9

10 Görüntü segmentasyonu Yapılması gereken bölgeler arasındaki benzerliğin tanımlanması ve uygulanmasıdır. Örnek yaklaşımlar: Histogram tabanlı (Histogram-based) Kümeleme tabanlı (Clustering-based) Bölge büyütme (Region growing) Ayırma ve birleştirme (Split-and-merge) Morfolojik (Morphological) 16 Ocak 2014 Perşembe 10

11 Histogram tabanlı segmentasyon Bu görüntüde kaç tane turuncu piksel vardır? Bu tür sorular histograma bakılarak ve incelenerek cevaplandırılabilir. 16 Ocak 2014 Perşembe 11

12 Histogram tabanlı segmentasyon Burada kaç tane mod vardır? Burada çözüm renk sayısını K gibi bir değere düşürerek ona yakın renkler atanarak yapılır. İki renk kullanılırsa çözüm üretilebilir. 16 Ocak 2014 Perşembe 12

13 Kümeleme tabanlı segmentasyon Temsili renkler nasıl seçilir? Bu bir kümeleme problemidir. K-means algoritması kümeleme için kullanılabilir Ocak 2014 Perşembe 13

14 Kümeleme tabanlı segmentasyon Renklerin K-means ile kümelenmesi 16 Ocak 2014 Perşembe 14

15 Kümeleme tabanlı segmentasyon Kümeleme, renk bilgisine ilaveten diğer detaylarda (doku gibi) dikkate alınarak yapılabilir. Orjinal görüntü Renk bölgesi Doku bölgesi 16 Ocak 2014 Perşembe 15

16 Ortalama kayma (Mean shift) algoritması Mean shift algoritması özelik (feature) uzayında lokal maksimum veya modları araştırır. Görüntü Özelik uzayı 16 Ocak 2014 Perşembe 16

17 Mean shift algoritması Araştırma penceresi Kütle merkezi Mean Shift vektörü 16 Ocak 2014 Perşembe 17

18 Mean shift algoritması Araştırma penceresi Kütle merkezi Mean Shift vektörü 16 Ocak 2014 Perşembe 18

19 Mean shift algoritması Araştırma penceresi Kütle merkezi Mean Shift vektörü 16 Ocak 2014 Perşembe 19

20 Mean shift algoritması Araştırma penceresi Kütle merkezi Mean Shift vektörü 16 Ocak 2014 Perşembe 20

21 Mean shift algoritması Araştırma penceresi Kütle merkezi Mean Shift vektörü 16 Ocak 2014 Perşembe 21

22 Mean shift algoritması Araştırma penceresi Kütle merkezi Mean Shift vektörü 16 Ocak 2014 Perşembe 22

23 Mean shift segmentasyon Detaylar/özellik bulunur (renk, eğim, doku vb.) Başlangıç penceresi oluşturulur Her bir pencere için mean shift hesaplanır Pencereler peak yada modlarla eşleştirilir. 16 Ocak 2014 Perşembe 23

24 Mean shift segmentasyon 16 Ocak 2014 Perşembe 24

25 Mean shift segmentasyon 16 Ocak 2014 Perşembe 25

26 Bölge/alan büyütme (Region growing) Region growing tekniği potansiyel bölge içinde bir pikselle başlar ve komşu piksellerin benzerliği test edilerek büyütülür. İlk piksel veya belli sayıda (seed) başlangıç pikseli manuel yada otomatik olarak görüntü üzerinden seçilir. Başlangıç pikseli ile küme pikseller arasında benzerlik ölçüsü tanımlanmalıdır ki büyümenin ana kriteri budur. 16 Ocak 2014 Perşembe 26

27 Bölge/alan büyütme (Region growing) Genellikle, hangi pikselin bölgeye ekleneceğine bir istatistiksel test ile karar verilir. Bölge benzer istatistiğe sahip bir popülasyondur. İstatistiksel test ile komşu yada kenar pikselin bölgedeki popülasyona uyup uymadığı test edilir. R, N pikselli bir bölge, p ise y gri değerli ve bu bölgeye komşu piksel olsun. Ortalama X ve örnek varyans S 2 ile tanımlansın. 1 N X = I(r,c) ( ) 2 S = I(r,c) - X 2 (r,c) R 1 N (r,c) R 16 Ocak 2014 Perşembe 27

28 Bölge/alan büyütme (Region growing) T istatistik değeri aşağıdaki formül ile tanımlansın. T= (N 1)N (p (N + 1) X) 2 /S 2 Eğer R bölgesi ve p pikseli bağımsız ve Gauss dağılımına uygunsa, T N-1 dağılımına uygundurlar denilebilir. 1/2 16 Ocak 2014 Perşembe 28

29 Bölge/alan büyütme (Region growing) T dağılım için, istatistik tabloda olasılık değeri belli güven aralığı ve serbestlik derecesi için Pr(T t) dir. Buradan, pik değeri t olarak alınır. Eğer T t ise p pikseli R bölgesine eklenir, ortalama ve varyans yeniden hesaplanır. Eğer T büyük ise, p ilgili R bölgesine dahil edilmez, yeni bir bölge seçilerek işlem yenilenir. 16 Ocak 2014 Perşembe 29

30 Bölge/alan büyütme (Region growing) region-growing-2d3d-grayscale region-growing 16 Ocak 2014 Perşembe 30

31 Bölme ve birleştirme (split and merge) 1. Bütün görüntü ile başlanır. 2. Eğer varyans çok büyükse, görüntü parçalara (kadran) ayrılır. 3. Yeterince benzer bölgeler birleştirilir ve 3 adımları, bölünme ve birleşmenin olmadığı duruma kadar tekrarlanır. 16 Ocak 2014 Perşembe 31

32 Bölme ve birleştirme (split and merge) 16 Ocak 2014 Perşembe 32

33 Bölme ve birleştirme (split and merge) 16 Ocak 2014 Perşembe 33

34 Havza (watershed) segmentasyon Görüntü, vadi ve dağları içeren topoğrafik bir yüzey olarak değerlendirilir. 3 tip nokta ele alınır: Bölgesel minimumdaki noktalar. Toplama havuzundaki noktalar. catchment basins Havza kenarındaki noktalar. watershed lines 16 Ocak 2014 Perşembe 34

35 Havza (watershed) segmentasyon 16 Ocak 2014 Perşembe 35

36 Havza (watershed) segmentasyon 16 Ocak 2014 Perşembe 36

37 Havza (watershed) segmentasyon İkili görüntü Mesafe transformasyonu uygulanmış görüntü Watershed segmentasyon 16 Ocak 2014 Perşembe 37

38 Havza (watershed) segmentasyon Bir hücre görüntüsü Hücre görüntüsü eğimi (gradient) 16 Ocak 2014 Perşembe 38

39 Havza (watershed) segmentasyon Hücre görüntüsü, çok ölçekli watershed segmentasyon 16 Ocak 2014 Perşembe 39

40 The end Hope to see you in the next future Dr. F. Karslı 16 Ocak 2014 Perşembe 40