Görüntü Segmentasyonu (Bölütleme) Segmentasyon, görüntüyü aynı cinsten obje ve bölgelere ayırmaktır. 20 Aralık 2014 Cumartesi 1
Görüntü Segmentasyonu 20 Aralık 2014 Cumartesi 2
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) 20 Aralık 2014 Cumartesi 3
Gestalt kanunları (bütüncül yaklaşım) 20 Aralık 2014 Cumartesi 4
Gestalt kanunları Benzerlik Simetri 20 Aralık 2014 Cumartesi 5
Gestalt kanunları Yakınlık Ortak kader 20 Aralık 2014 Cumartesi 6
Otomatik eşikleme Süreklilik 20 Aralık 2014 Cumartesi 7
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 Parçalar 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 20 Aralık 2014 Cumartesi 8
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) 20 Aralık 2014 Cumartesi 9
Histogram tabanlı segmentasyon Bu görüntüde kaç tane turuncu piksel vardır? Bu tür sorular histograma bakılarak ve incelenerek cevaplandırılabilir. 20 Aralık 2014 Cumartesi 10
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. 20 Aralık 2014 Cumartesi 11
Kümeleme tabanlı segmentasyon Temsili renkler nasıl seçilir? Bu bir kümeleme problemidir. K-means algoritması kümeleme için kullanılabilir. http://home.dei.polimi.it/matteucc/clustering/tutorial_html/appletkm.html http://www.math.le.ac.uk/people/ag153/homepage/kmeanskmedoids/kmeans_kmedoids.html 20 Aralık 2014 Cumartesi 12
Kümeleme tabanlı segmentasyon Renklerin K-means ile kümelenmesi 20 Aralık 2014 Cumartesi 13
Kümeleme tabanlı segmentasyon Kümeleme, renk bilgisine ilaveten diğer detaylarda (doku gibi) dikkate alınarak yapılabilir. Orjinal görüntü Renk bölgesi Doku bölgesi 20 Aralık 2014 Cumartesi 14
Ortalama kayma (Mean shift) algoritması Mean shift algoritması özelik (feature) uzayında lokal maksimum veya modları araştırır. Görüntü Özelik uzayı 20 Aralık 2014 Cumartesi 15
Mean shift algoritması Araştırma penceresi Kütle merkezi Mean Shift vektörü 20 Aralık 2014 Cumartesi 16
Mean shift algoritması Araştırma penceresi Kütle merkezi Mean Shift vektörü 20 Aralık 2014 Cumartesi 17
Mean shift algoritması Araştırma penceresi Kütle merkezi Mean Shift vektörü 20 Aralık 2014 Cumartesi 18
Mean shift algoritması Araştırma penceresi Kütle merkezi Mean Shift vektörü 20 Aralık 2014 Cumartesi 19
Mean shift algoritması Araştırma penceresi Kütle merkezi Mean Shift vektörü 20 Aralık 2014 Cumartesi 20
Mean shift algoritması Araştırma penceresi Kütle merkezi Mean Shift vektörü 20 Aralık 2014 Cumartesi 21
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. 20 Aralık 2014 Cumartesi 22
Mean shift segmentasyon 20 Aralık 2014 Cumartesi 23
Mean shift segmentasyon 20 Aralık 2014 Cumartesi 24
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. 20 Aralık 2014 Cumartesi 25
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 20 Aralık 2014 Cumartesi 26
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 20 Aralık 2014 Cumartesi 27
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. 20 Aralık 2014 Cumartesi 28
Bölge/alan büyütme (Region growing) http://www.bigr.nl/website/static/research/regrow.html http://www.mathworks.com/matlabcentral/fileexchange/ 32532-region-growing-2d3d-grayscale http://www.mathworks.com/matlabcentral/fileexchange/ 19084-region-growing http://www.creatis.insa-lyon.fr/~grenier/?p=172 20 Aralık 2014 Cumartesi 29
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. 4. 2 ve 3 adımları, bölünme ve birleşmenin olmadığı duruma kadar tekrarlanır. 20 Aralık 2014 Cumartesi 30
Bölme ve birleştirme (split and merge) 20 Aralık 2014 Cumartesi 31
Bölme ve birleştirme (split and merge) 20 Aralık 2014 Cumartesi 32
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 20 Aralık 2014 Cumartesi 33
Havza (watershed) segmentasyon 20 Aralık 2014 Cumartesi 34
Havza (watershed) segmentasyon 20 Aralık 2014 Cumartesi 35
Havza (watershed) segmentasyon bw Distance transform of ~bw Watershed transform of D İkili görüntü Mesafe transformasyonu uygulanmış görüntü Watershed segmentasyon 20 Aralık 2014 Cumartesi 36
Havza (watershed) segmentasyon Bir hücre görüntüsü Hücre görüntüsü eğimi (gradient) 20 Aralık 2014 Cumartesi 37
Havza (watershed) segmentasyon Hücre görüntüsü, çok ölçekli watershed segmentasyon 20 Aralık 2014 Cumartesi 38
The end Hope to see you in the next future Dr. F. Karslı 20 Aralık 2014 Cumartesi 39