Görüntü Segmentasyonu (Bölütleme)
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
20 Aralık 2014 Cumartesi
Segmentasyon,
görüntüyü aynı cinsten
obje ve bölgelere
1
ayırmaktır.
Görüntü Segmentasyonu
20 Aralık 2014 Cumartesi
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
2
Gestalt kanunları

Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
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
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
4
Gestalt kanunları
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
Simetri
Benzerlik
20 Aralık 2014 Cumartesi
5
Gestalt kanunları
Yakınlık
20 Aralık 2014 Cumartesi
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
Ortak kader
6
Otomatik eşikleme
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
Süreklilik
20 Aralık 2014 Cumartesi
7
Görüntü segmentasyonu


Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
Görüntü segmentasyonu, görüntü üzerinde aynı
özellikteki pikselleri parçalar halinde bir araya
toplamaktır, resmi belli bölgelere ayırmaktır.
Segmentasyon kriteri: I görüntüsünü S bölgelerine
ayırma.
1.
2.
3.
4.
 Si = S
Si  Sj = , i  j
 Si, P(Si) = true
P(Si  Sj) = false,
i  j, Si adjacent Sj
20 Aralık 2014 Cumartesi
Parçalar bütün görüntüyü kaplar.
Bölgeler kesişmez.
Homojenlik her bölge için sağlanır.
Komşu bölge birleşimleri sağlanmamış.
8
Görüntü segmentasyonu


Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
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
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
Bu görüntüde kaç tane turuncu piksel
vardır?
 Bu tür sorular histograma bakılarak ve
incelenerek cevaplandırılabilir.

20 Aralık 2014 Cumartesi
10
Histogram tabanlı segmentasyon
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ



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
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ

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
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
20 Aralık 2014 Cumartesi
Renklerin K-means ile kümelenmesi
13
Kümeleme tabanlı segmentasyon
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ

Kümeleme, renk bilgisine ilaveten diğer detaylarda
(doku gibi) dikkate alınarak yapılabilir.
Orjinal görüntü
20 Aralık 2014 Cumartesi
Renk bölgesi
Doku bölgesi
14
Ortalama kayma (Mean shift)
algoritması
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ

Mean shift algoritması özelik (feature) uzayında
lokal maksimum veya modları araştırır.
Görüntü
20 Aralık 2014 Cumartesi
Özelik uzayı
15
Mean shift algoritması
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
Araştırma
penceresi
Kütle merkezi
Mean Shift
vektörü
20 Aralık 2014 Cumartesi
16
Mean shift algoritması
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
Araştırma
penceresi
Kütle merkezi
Mean Shift
vektörü
20 Aralık 2014 Cumartesi
17
Mean shift algoritması
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
Araştırma
penceresi
Kütle merkezi
Mean Shift
vektörü
20 Aralık 2014 Cumartesi
18
Mean shift algoritması
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
Araştırma
penceresi
Kütle merkezi
Mean Shift
vektörü
20 Aralık 2014 Cumartesi
19
Mean shift algoritması
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
Araştırma
penceresi
Kütle merkezi
Mean Shift
vektörü
20 Aralık 2014 Cumartesi
20
Mean shift algoritması
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
Araştırma
penceresi
Kütle merkezi
Mean Shift
vektörü
20 Aralık 2014 Cumartesi
21
Mean shift segmentasyon




Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
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
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
20 Aralık 2014 Cumartesi
23
Mean shift segmentasyon
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
20 Aralık 2014 Cumartesi
24
Bölge/alan büyütme (Region growing)
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ



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)
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ

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 S2 ile tanımlansın.
1
X
I(r, c)

N (r,c)R
20 Aralık 2014 Cumartesi

1
S   I(r, c) - X
N (r,c)R
2

2
26
Bölge/alan büyütme (Region growing)
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ

T istatistik değeri aşağıdaki formül ile tanımlansın.
1/2

 (N  1)N
2
2
T 
(p  X) /S 
 (N  1)

Eğer R bölgesi ve p pikseli bağımsız ve Gauss
dağılımına uygunsa, TN-1 dağılımına uygundurlar
denilebilir.
20 Aralık 2014 Cumartesi
27
Bölge/alan büyütme (Region growing)
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ



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)
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
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
20 Aralık 2014 Cumartesi
http://www.creatis.insa-lyon.fr/~grenier/?p=172
29
Bölme ve birleştirme (split and merge)
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
1.
2.
3.
4.
Bütün görüntü ile başlanır.
Eğer varyans çok büyükse, görüntü parçalara
(kadran) ayrılır.
Yeterince benzer bölgeler birleştirilir.
2 ve 3 adımları, bölünme ve birleşmenin olmadığı
duruma kadar tekrarlanır.
20 Aralık 2014 Cumartesi
30
Bölme ve birleştirme (split and merge)
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
20 Aralık 2014 Cumartesi
31
Bölme ve birleştirme (split and merge)
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
20 Aralık 2014 Cumartesi
32
Havza (watershed) segmentasyon
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ


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
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
20 Aralık 2014 Cumartesi
34
Havza (watershed) segmentasyon
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
20 Aralık 2014 Cumartesi
35
Havza (watershed) segmentasyon
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
bw
Distance transform of ~bw
İkili görüntü
Mesafe transformasyonu
uygulanmış görüntü
20 Aralık 2014 Cumartesi
Watershed transform of D
Watershed
segmentasyon
36
Havza (watershed) segmentasyon
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
Bir hücre görüntüsü
20 Aralık 2014 Cumartesi
Hücre görüntüsü eğimi
(gradient)
37
Havza (watershed) segmentasyon
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
Hücre görüntüsü, çok ölçekli watershed segmentasyon
20 Aralık 2014 Cumartesi
38
Dijital Görüntü İşleme
Fevzi Karslı, KTÜ
The end…
Hope to see you in the next future…
Dr. F. Karslı
20 Aralık 2014 Cumartesi
39
Download

Dijital Görüntü İşleme