Сегментація на основі порогового обмеження яскравості
ДОНЕЦЬКИЙ НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ
КАФЕДРА АВТОМАТИЗОВАНИХ СИСТЕМ УПРАВЛІННЯ
КОНСПЕКТ ЛЕКЦІЙ
Дисципліни самостійного вибору ВУЗУ
Обробка сигналів та зображень.
Частина 2
Галузь знань: 0501 «Інформатика та обчислювальна техніка»
Напрям підготовки: 6.050102 «Комп’ютерна інженерія»
Освітньо-кваліфікаційний рівень: бакалавр
Донецьк, 2011
В машинній обробці зображення зазвичай виділяють три основних напрямки:
- машинна графіка (МГ);
- обробка зображення (ОЗ);
- розпізнання зображення (РЗ);
Задача РЗ полягає в отриманні формального опису, зображення або його віднесення до одного з класів.
При роботі із зображенням характер та задачі відмінні від звичайних, класичних постановках теорії розпізнання образів. Цифрова теорія розпізнання образів застосовується зазвичай при роботі з такими видами шифрування як: результати вимірювання спостережень, перегляд експертної оцінки, тобто при відсутності відносин порядка перевтілення в неупорядкований цілісний об’єкт.
Формальні описи об’єктів розпізнання в даному випадку не важкі. Використовуються прості таблиці типу признак та значення признака.
При переході до заданого розпізнання виникає математична задачка, пов’язана з формальним описом об’єкта, як аналізу об’єкта.
Зазвичай при розпізнанні об’єкта використовуються такі признаки:
- яскравість;
- контрастність;
- колір;
- форма;
- текстура;
На основі значення яскравості можна отримати різні гістограми, параметри яких можна використовувати в якості признаків зображення.
Контрастність грає важливу роль в обробці зображення, якість об’єкта визначається в ній.
Колір є корисним признаком для виділення окремих частин об’єкта.
Форма складається з групи признаків, які використовуються для розпізнання об’єктів, що є в зображенні з урахуванням його топографічних та геометричних властивостей.
Текстурний признак часто використовується при віднесенні зображення до деякої групи та для інтеграції розв’язання задачі розпізнавання.
Зображення - плоский об’єкт, вигляд якого змінюється від точки до точки.
У чорно-білому зображенні ці зміни можуть бути описані за допомогою одного признаку – яскравості. Формально можна описати зображення, як функцію двох змінних, але при комп’ютерній обробці необхідно представити їх дискретним набором чисел, а саме у вигляді матриці.
Зображення позначаємо, як Snxm ,а аij – значення яскравості у відповідній точці (і – рядок зображення, j – стовбець зображення)
Побудова зображення є дискретним. Приватним випадком є двоїчне зображення, елементи якого можуть дорівнювати 0 або 1 (1-білий, 0-черний).
Існує багато корисних операцій над зображенням , які є просторово інваріантними, тобто таких, результат використання в даній точці не залежить від положення точки на зображенні. Операція даного типу використовується для фільтрації зображення для того, щоб виявити на ньому задану фігуру, для корекції зображення, для зменшення або підвищення контрастності.
Сенс цих маніпуляцій полягає в тому, щоб зменшити вплив поміх, звузити динамічний діапазон зображення або підкреслити деякі його аспекти. Методи фільтрації використовують для виділення контурів об’єкта на певному етапі обробки.
Методи сегментації разом із виділенням контурами є початковим матеріалом для подальшого розпізнання.
Виділення признаків зображення.
Признаком зображення називається його найпростіша відмінна характеристика або властивість, за яким можна розпізнати об’єкти. Деякі признаки є натуральними , тому що виявляються візуальним аналізом зображення (яскравість, колір, форма, текстура). Інші признаки можна назвати штучними, бо вони виявляються шляхом обробки (діаграма, спектр зображення).
Признаки яскравості
Найбільш яскравим признаком зображення є «светлота». Вона зображається через яскравість, спектральну інтенсивність, координати кольору. Вимірювання при знаків яскравості можна проводити або в конкретних точках зображення або на околиці.
Приклад:
околиця точки середня яскравість зображення (2W+1)(2W+1) можна визначити як:
1 w w
Y(j,k)= Σ Σ Y(j+m, k+n)
(2W+1)2 m=-w n=-w
Y – значеня яскравості.
w
w
w w
Існує багато способів визначення яскравості признаки
Гістограмні признаки.
Розробленні методи оцінки розподілу вірогідності яскравості зображення. Отриманні при цьому гістограми можна використовувати для створення кількості.
Для 1-го порядку можна визначити так:
P(b)=Pn{Y(j,k)= b}
Розподілення яскравості 1-го порядку приблизно дорівнює:
N(b) – число елементів у вікні які мають рівень b
M – загальне число елементів у вікні
Гістограма розподілу частот дає інформацію про властивості зображення.
 |
Вид гістограми і Ії характеристики у значенні степені можуть характеризувати у значенні степені можуть характеризувати зображення. Вузька гістограма говорить про низьку контрастність.
Число піків дозволяє визначити? число об’єктів, які мають на відображення іноді застосовується тобто інтегральна гістограма, яка показує для кожного значення яскравості число елементів відображають з тим же або меншим числом значення яскравості.
Найбільш часто використовують наступні характеристики, які описують форму гістограми:
1. Середнє b=Σ bP(b)
b=0
2.Дисперсія 
3. Коефіцієнт асиметрії 
4. Коефіцієнт ексцесса 
5. Енергія 
6. Ентропія 
Гістограмні ознаки 2-го порядку базуються на визначенні сумісного розподілу вірогідностей пар елементів зображення.
Роздивимось 2 елемента
Y(j,k) Y(m,k)
(m,n)
r
θ
(j,k)
Для дискретного значення r, θє також дискретним.
Сумісний розподіл яскравості має вигляд:
P(a,b)= 
Оцінювальний розподіл другого порядку:
-випадки, коли У(j,k)=a, Y(m,n)=в
На практиці зазвичай використовують наступні характеристики другого порядку:
1. Автокореляція 
2. Оваріація 
3. Момент інерції 
4. Середня абсолютна різниця 
5. Зворотна різниця 
6. Енергія 
7. Ентропія 
Сегментація.
Бажано зображення розбити на області, кожна з яких відповідала би поверхні окремого об’єкта зображення, що досліджують. Останню обробку виконують незалежно на кожній області зображення. В найлегшому випадку кожна область складається із зв’язаних між собою елементів з однаковим рівням полутонов.
Більшість зображень характеризуються тим, що мають предмет однорідної достатньої яскравості на фоні іншої яскравості (літак на взльотній полосі; тексти, що написані рукою та машиною тощо). В такому випадку маємо бінарну гістограму.
Сегментація на основі порогового обмеження яскравості
В найкращому випадку між сплесками повинен бути ідеальний провал (повний провал), але навіть якщо 2 групи яскравості трохи перекриваються, за порогові значення можна прийняти мінімальний рівень. Це дозволяє виконати бінаризацію. Вважаємо, що всі елементи менше за порогове це фон, більше – об'єкт.Основна проблема це вибір порога.
Якщо сигнал (різниця між рівнем об’єкта та фона) не на багато перевищує шум, то гарних результатів не буде. В даному випадку допоможе усереднювання значення сусідніх елементів. Доки ми вважаємо, що кожне значення гістограми відповідає першому рівню яскравості. Частіше використовується більш груба гістограма, в якій сусідні групи об’єднанні.
Коли будують гістограму завжди виникає дилема – якою повинна бути ширина інтервалу? Кожному інтервалу відповідає число зображення, рівень яскравості, який лежить між верхньою та нижньою границею інтервалу. Якщо інтервали широкі, то «разрешающая» здатність в певному рівні низька. Якщо інтервали вузьки, то в кожний з них потрапляє небагато значень, гістограма порізана і вже важко визначити положення мінімуму.
Природно, що подавляющий ефект буде менш вираженим, для більшої площі об’єкта. Має місце також і інша проблема, пов’язана з елементами зображення, що розволожені на межі об’єкта. Такі елементи часто мають проміжуточне значення рівня, що призводить до змазування та зливання країв двох сплесків. Ступінь проявлення цього ефекту залежить від того, яка доля елементів зображення попадає на межу. Проблема виникає тільки тоді, коли площа частини зображення, зайнята іншим об’єктом набагато більшого або меншого від площі фона. При цьому менший сплеск на гістограмі може бути подавлен краєм основного сплеска і мінімального значення пороша може і не виявитися.
Якщо фон є неоднорідним можна зробити так , що порог яскравості адаптується до його середнього рівня. Можна розбити зображення на маленькі фрагменти та встановити свої пороги для кожного об’єкта. Пороги для кожного елемента зображення можна визначити шляхом інтерполяції між центрами об’єктів.
Області зображення іноді можна виділити шляхом прискорення поперечних перетинів профілю яскравості зображення.
Горизонтальний та вертикальний перетин визначається:
- горизонтальний перетин
- вертикальний перетин