Segmentarea imaginilor 1.

Introducere
Obiectivul este de a subdiviza o imagine în componenta sa
păr ț ile constitutive sau obiectele pentru ulterioare
• Introducere prelucrare, cum ar fi recunoaș terea.
• Detectarea discontinuităț ilor •Este unul dintre cele mai importante paș i care duc la
• Detectarea punctelor analiza datelor de imagine prelucrate.
• Detectarea liniilor
• Detectarea marginilor
Segmentare completă vs. segmentare parț ială
• Detecț ie combinată
• Legarea marginilor ș i detectarea limitelor •Segmentare incompletă,
• Pragare Regiunile disjuncte segmentate sunt unice
• Thresholduire adaptivă corespunzând cu obiectele din imaginea de intrare.
• Selecț ia pragului pe baza limitei Cooperarea cu niveluri de procesare mai ridicate care
caracteristici folosiț i cunoș tinț e specifice ale domeniului problemei este
necesar.
• Segmentare orientată pe regiune
• Creș terea regiunii prin agregarea pixelilor Segmentare impartială,
• Împărț irea ș i unirea regiunilor Regiunile segmentate nu corespund direct
cu obiecte de imagine.

segmentarea imaginilor este procesul de împărțire a unei imagini digitale

în multiple segmente (seturi de pixeli, cunoscuți și sub denumirea de super-pixeli). •Segmentare total corectă ș i completă a
scenele complexe de obicei nu pot fi realizate.
•Un obiectiv rezonabil este de a folosi segmentarea parț ială ca
o intrare pentru procesare la un nivel superior.
&<+ ,PDJH6HJPHQWDWLRQ S &<+ ,PDJH6HJPHQWDWLRQ S
Applications: [Link] Discontinuităț ilor:
• Probleme simple de segmentare:
Există 3 tipuri de discontinuităț i de bază: puncte,
1. Obiecte contrastante pe un fundal uniform linii ș i margini.
2. Sarcini simple de asamblare, celule sanguine, imprimate
caractere, etc. Detecț ia se bazează pe convoluț ia imaginii
cu o mască spaț ială.
Cum să obț ii segmentarea?
w−1,−1w−1,0w−1,1
•Imaginea este împărț ită în regiuni separate care sunt •O mască generală 3x3w0,−1w0,0w0,1
omogen în raport cu o proprietate aleasă
w1,−1w1,0w1,1
cum ar fi culoarea, strălucirea, textura, etc.
Algoritmii de segmentare se bazează în general pe 2
proprietăț ile de bază ale valorilor nivelului de gri: •Răspunsul măș tii în orice punct (x,y) în
1 1
1. Discontinuitate - puncte, linii ș i margini izolate imagine esteRx, y= ∑ ∑ p(x−i,y−j)w(i,j)
i=−1j=−1
a imaginii.
2. Similaritate - praguri, cresterea regiunii, regiune
împărț irea ș i combinarea.
Metode de segmentare:
1. Abordări globale, cum ar fi pragul
2. Segmentare bazată pe margini
3. Segmentare bazată pe regiuni

&<+ ,PDJH6HJPHQWDWLRQ S &<+ ,PDJH6HJPHQWDWLRQ S

2.1 Detectarea punctelor 2.2 Detectarea liniilor

•Un punct a fost detectat la locaț ia p(i,j) pe

unde masca este centrată dacă |R|>T, unde T este un Măș ti de linie
prag non-negativ, ș i R este obț inut cu -1-1-1
urmând masca.
Linie orizontală 2 2 2
−1−1−1 −1 −1 −1
-1 8-1 -1-1 2
−1−1−1 45$ linie -1 2-1
Ideea este că nivelul de gri al unui punct izolat 2−1−1
va fi destul de diferit de nivelul de gri al său -1 2-1
vecini. Linie verticală -1 2-1
-1 2-1
2−1−1
- 45$ linie −1 2−1
-1-1 2

2ULJLQDO 1RLVH DGGHG • Dacă, într-un anumit punct al imaginii, |Reu|>|Rj | pentru toate
j≠i, acel punct este spus că este mai probabil asociat
cu o linie în direcț ia maski.

)LOWHUHG R S 7KUHVKROGHG R S

&<+ ,PDJH6HJPHQWDWLRQ S &<+ ,PDJH6HJPHQWDWLRQ S

 2.3 Detectarea marginii

•Localizează schimbările bruș te în funcț ia de intensitate.

•Marginile sunt pixeli unde intensitatea de lumină se schimbă brusc.

•O schimbare a funcț iei imaginii poate fi descrisă prin

un gradient care indică spre direcț ia cea mai mare
creș terea funcț iei de imagine.
2ULJLQDO
•O margine este o proprietate ataș ată unui pixel individual
ș i este calculat din comportamentul funcț iei de imagine
într-un cartier al pixelului.
Magnitudinea primei derivate detectează
prezenț a marginii.
Semnul celei de-a doua derivate determină dacă
pixelul de margine se află pe partea întunecată sau pe partea luminoasă.
R
+RUL]RQWDO OLQH OLQH

R
9HUWLFDO OLQH OLQH

&<+ , PDJH6HJPHQWDWLRQ S PDJH6HJPHQWDWLRQ

 (a) Operatorul gradient

•Pentru o funcț ie f(x,y), gradientul f în coordonate

(x',y') este definit ca vectorul
∂f
f(x',y')= ∂x
∂f
∂y (x',y')

Magnitudinea vectoruluif(x' , y' ):

1
2 2 2
∂f ∂f
f(x',y')= +
∂x ∂y
)LJ (GJH GHWHFWLRQ EGHIYDWLYH RSHUDWRUV D OLJKW (x',y')

VWULSHРQRDGDUNEDFNJURXQGʐ RERQD
OLJKW EDFNJURXQG
Direcț ia vectoruluif(x' , y' ):
α(x',y')=tangenta
−1
(∂y)
∂f∂f
∂x (x',y')

Magnitudinea sa poate fi aproximată în digital

domeniu în mai multe moduri, care rezultă într-o
numărul de operatori precum Roberts, Prewitt ș i
Operatorii Sobel pentru calcularea valorii sale.

&<+ ,PDJH6HJPHQWDWLRQ S &<+ ,PDJH6HJPHQWDWLRQ S

Operatorul Sobel: (b) Operatorul Laplacian

•Oferă atât un efect de diferenț iere, cât ș i unul de netezire. Laplasianul unei funcț ii 2D f(x,y) este o derivate de ordinul al doilea
efect, care este deosebit de atrăgător ca derivate derivata definită ca
de obicei îmbunătăț eș te zgomotul. ∂ 2f∂2f
2
f(x',y')= +
∂x2∂y2 (x',y')
−1−2−1 -1 0 1
Gx:0 0 0 Gy-2 0 2 Laplacianul are aceleaș i proprietăț i în toate
direcț ii ș i, prin urmare, este invariant la rotaț ie în
1 2 1 -1 0 1
imaginea.

Poate fi implementat ș i în formă digitală în diverse moduri.

moduri.

Pentru o regiune 3x3, masca este dată ca

0−1 0
-1 4-1
0−1 0
2ULJLQDO 3URFHVVHG LPDJH

&<+ ,PDJH6HJPHQWDWLRQ S &<+ ,PDJH6HJPHQWDWLRQ S

 2.4 Detectare combinată:

Detectarea combinaț iilor de puncte, linii ș i margini

poate fi realizat prin utilizarea seturilor de măș ti ortogonale.

•Un set de 9 măș ti 3X3 a fost propus de Frei ș i

Chen (1977)
2ULJLQDO 3URFHVVHG LPDJH
Baza subspaț iului marginii :
1 2 1 1 0−1
•Este rareori folosit în practică pentru detectarea marginilor pentru 1 1
W1= 0 0 0 W2= 2 0 − 2
următoarele motive: 2 2 2 2
−1 − 2 −1 1 0−1
1. Ca o derivată de ordinul secund, este inacceptabilă
0−1 2 2−1 0
sensibil la zgomot. 1 1
W3=
2. Produce margini duble ș i nu este capabil să detecteze 1 0−1W4= -1 0 1
2 2 2 2
direcț ia marginii. -2 1 0 0 1 −2

•Laplacianul joacă de obicei rolul secundar al Baza subspaț iului liniar :

detector pentru stabilirea dacă un pixel este activ ["-1","0","1"] 0 1 0
latura întunecată sau luminoasă a unei margini. 1 1
W5=0 0 0 W6=−1 0−1
2 2
1 01− 0 1 0
1−2 1 -2 1-2
1 1
W7=−2 4−2 W8=1 4 1
6 6
1−2 1 −2 1−2

&<+ ,PDJH6HJPHQWDWLRQ S &<+ ,PDJH6HJPHQWDWLRQ S

 1 1 1
1
Subspaț iu „mediu”: W9=1 1 1 •Exemplu:
3 4 7 1
1 1 1
Care este atributul centrului de 3 5 2 ?
•Dată o regiune 3x3 reprezentată de {f(i,j)|-2<i,j<2}, 2 0 0
avem
R1= 4.5607 R2= 2.2678
1 1
Rm= ∑ ∑ f ( i, )j (w, m) i j R3= -2.6213 R4-0.8284
i=−1j=−1 R5= -0.5000 R6= 1.0000
12/
P=
8 2 R7= 0.5000 R8= 3.0000
linie ∑ Rm
m=5 R9= 8.0000
4 12/
2
P=R
margine ∑ m
m=1 Pmargine = 5.7879
Pmedie =R9 Plinie = 3.2404
Pa avea = 8.0000
unde P, linie
Pandmedie
P sunt magnitudinile
margine lui
proiecț ii pe subspaț ii de margine, linie ș i medie
respectiv, care indică cât de probabil este asociat
cu un colț , o linie sau nimic.

Concluzie: Este puț in probabil să fie un colț sau o linie.

&<+ ,PDJH6HJPHQWDWLRQ S &<+ ,PDJH6HJPHQWDWLRQ S

2.5 Legătura marginilor ș i detectarea conturului •Un punct (x',y') în vecinătatea (x,y) este legat
Tehnicile de detectare a discontinuityăț ilor de intensitate
la pixelul de la (x,y) dacă ambele magnitudini următoare
ș i criteriile de direcț ie sunt îndeplinite.
produce pixeli care se află doar pe grani ț a dintre
regiuni.
f(x',y')−f(x,y)≤Prag Tm
În practică, acest set de pixeli rareori caracterizează o α(x',y')−α(x,y)≤Prag Td
grani ț a completă, pentru că dacă zgomotul, se întrerupe în
limită din iluminarea neuniformă, ș i alte
efecte care introduc intensitate spuriousă
discontinuităț i.
Algoritmii de detectare a marginilor sunt, în general, urmaț i de
proceduri de legare ș i alte proceduri de detectare a limitelor
proiectat pentru a asambla pixeli de margine într-un mod semnificativ
limite.
D
(a) Procesare locală

•Două proprietăț i principale folosite pentru a stabili

similaritatea pixelelor de margine în acest tip de analiză este:
1. For ț a răspunsului gradientului
operator folosit pentru a produce pixelul de margine.
2. Direc ț ia gradientului. E F
)LJ D 2ULJLQDO LPDJH E GHWHFWLRQ UHVXOW ZLWKRXW ORFDO
•Într-un cartier mic, de exemplu 3x3, 5x5, toate punctele SURFHVVLQJ F GHWFWLRQ UHVXOW ZLWK ORFDO SURFHVVLQJ
cu proprietăț i comune sunt legate: 7P [ PD[ _ I_ DQG 7G SL

&<+ ,PDJH6HJPHQWDWLRQ S &<+ ,PDJH6HJPHQWDWLRQ S

3. Praguri •Cazuri speciale:
Dacă T depinde de
Una dintre cele mai importante tehnici este pragul. 1. f(x,y) doar - prag global
abordări pentru segmentarea imaginilor. 2. Atât f(x,y) cât ș i p(x,y) - prag local
3. (x,y) - prag dinamic
•Dacă pixelii de fundal ș i obiect au niveluri de gri
grupate în 2 moduri dominante, ele pot fi •Thresholding-ul multicardinal este în general mai puț in fiabil deoarece
separat cu un prag uș or. este dificil să se stabilească praguri eficiente pentru
izolează regiunile de interes.

•Pragurile pot fi considerate o operaț iune care

implică teste împotriva unei func ț ii T de forma 2ULJLQDO 7KUHVKROG UHVXOW 7
T=T[x,y,p(x,y),f(x,y)], unde f(x,y) este nivelul de gri
al punctului (x,y), iar p(x,y) denotă o anumită locală
proprietatea acestui punct, cum ar fi nivelul mediu de gri
al unui cartier centrat pe (x,y).

Referiți-vă la PPT

+LVWRJUDP
)LJ 1RQDGDSWLYH WKUHVKROGLQJ UHVXOW
&<+ ,PDJH6HJPHQWDWLRQ S &<+ ,PDJH6HJPHQWDWLRQ S
3.1 Praguri adaptative

•Valoarea pragului variază pe întreaga imagine ca un

funcț ia caracteristicilor locale ale imaginii.
Imaginea f este împărț ită în subimagini.
•Un prag este determinat independent în fiecare
subimagini.
•Dacă un prag nu poate fi determinat într-o subimagine, atunci
poate fi interpolat cu praguri ob ț inute în
subimagini vecine.
Fiecare subimagine este apoi procesată în raport cu aceasta
prag local. »LJ +LVWRJUDP RI WKH VXELPDJHV«

)LJ $GDSWLYH WKUHVKROGLQJ UHVXOW 7 7

7 7

&<+ ,PDJH6HJPHQWDWLRQ S &<+ ,PDJH6HJPHQWDWLRQ S

3.2 Selectarea pragului pe baza limitei
0 dacă G[f(x,y)]<T
caracteristici
s(x,y)=1 dacă G[f(x,y)]≥T ș i L[f(x,y)]≥0
Trebuie selectat un prag de încredere pentru a identifica -1 dacă G[f(x,y)]≥T ș i L[f(x,y)]<0
vârfurile modale ale unui histogram dat.
Această capacitate este foarte importantă pentru automatizare. unde T este un prag.
selectarea pragului în situa ț ii în care imaginea
caracteristicile pot varia pe o gamă largă de
distribuț ii de intensitate.

•Putem considera doar acei pixeli care se află pe sau aproape de

graniț a dintre obiecte ș i fundal
astfel încât histograma asociată să fie bine conturată pentru
oferi ț i-ne o ș ansă bună să alegem un bun
D
prag.

•Gradientul poate indica dacă un pixel se află pe o margine sau

nu.
•Laplacianul poate spune dacă un pixel dat se află pe
partea întunecată sau luminoasă (fundal sau obiect) a unei margini.
E F
)LJ DGRIJĂ de baza procesului fără utilizarea
FONDURI DE CARACTERISTICA SI PROCES PROVOCAT RESULTAT
•Gradientul ș i laplaciianul pot produce un nivel de 3
CU UTILIZAREA BAZELOR DE DATE CHARACTERISTICE
imagine
&<+ ,PDJH6HJPHQWDWLRQ S &<+ ,PDJH6HJPHQWDWLRQ S
[Link]-oriented segmentation Regiunile trebuie să fie disjuncte.

•In previous methods, we partition an image into Se ocupă cu proprietăț ile care trebuie să fie satisfăcute
regiuni prin găsirea limitelor între regiuni de pixelii dintr-o regiune segmentată - de exemplu
bazat pe discontinuităț i de intensitate. P(Reu=true dacă toț i pixelii din Reuau acela ș i
intensitate.
Aici, segmentarea se realizează prin intermediul pragurilor
RegionsReuș iRsunt
j diferite în sensul de
bazat pe distribuț ia proprietăț ilor pixelilor, cum ar fi predicatP.
intensitate sau culoare.

•Formulare de bază:
Letr reprezintă întregul imagine care este
împărț it în subregiuni1, R2...Rnastfel încât
n
R=R
eu
i=1

Reueste o regiune conectată, i=1,2...n

Reu∩Rj={} pentru allij,
≠
P(Reu)=adevărat pentru i=1,2..n
P(ReuR j) false pentru≠j
undeP(Reu) este un predicat logic asupra punctelor din
setReu.

• Semnificaț ia fizică a formulării:

Segmentarea trebuie să fie completă, adică fiecare
punctul trebuie să fie într-o regiune.
Punctele dintr-o regiune trebuie să fie conectate.

&<+ ,PDJH6HJPHQWDWLRQ S &<+ ,PDJH6HJPHQWDWLRQ S

4.1 Creș terea regiunii prin agregarea pixelilor
•Creș terea regiunii este o procedură care grupează pixeli sau
subregiuni în regiuni mai mari.
Agregarea pixelilor începe cu un set de puncte "seminț e"
din acele creș te prin adăugarea la fiecare punct de seminț ă
acele pixeli vecini care au proprietăț i similare D E F
cum ar fi nivelul de gri, textura ș i culoarea. )LJ 2ULJLQDO IMAGINE CU SEED POINTE, KBE A HAREAL STAGE OF
UHJLRQ JURZWK F ILQDO UHJLRQ
0 0 5 6 7 a a b b b
1 1 5 8 7 a a b b b
0 1 6 7 7 a a b b b
2 0 7 6 6 a a b b b
0 1 5 6 5 a a b b b Problemele trebuie rezolvate:
Arraydeni tensitateorgi ni ală
Rezultatulpentruprag=3 1. Selec ț ia semin ț elor ini ț iale care reprezintă corespunzător
a
a
a
a
a
a
b
b
b
b
a
a
a
a
a
a
a
a
o
a
regiuni de interes.
a a b b b a a a a a
a a b b b a a a a a 2. Selectarea proprietă ț ilor adecvate pentru includere
a a a b ? un a a a a
puncte în regiunile diverse în timpul creș terii
Rezultatulpragului=5.5
proces.
Rezultatulcupragul=9

[DPSOH de REGIUNE CREȘ TERE utilizând cunoș tinț e start-up-uri pOINTS

3. Formularea regulii de oprire.

&<+ ,PDJH6HJPHQWDWLRQ S &<+ ,PDJH6HJPHQWDWLRQ S

4.2 Împărț irea ș i combinarea regiunii •Exemplu:
•A subdivide o imagine iniț ial într-un set de
regiuni arbitrare, dezbinate ș i apoi îmbină ș i/sau
împăr ț iț i regiunile într-o încercare de a satisface
condiț iile menț ionate mai sus.

•Un algoritm de împărț ire ș i îmbinare este rezumat de

(a) (b) (c) (d)
următoarea procedură în care, la fiecare pas, noi:
(1) împăr ț it în 4 cadrane disjuncte orice regiuni
([DPSOH RI VSOLW DQG PHUJH DOJRULWKP
ReuundeP(Reu)=fals;
(2) comasarea oricăror regiuni adiacente Rjș iRkpentru
care P(ReuR j) =adevărat; ș i
(3) opri ț i-vă când nu mai există fuziuni sau divizări.
posibil. (a) Întreaga imagine este împăr ț ită în 4 cadrane.
(b) Doar regiunea din stânga sus îndeplineș te predicatul
aș a că nu s-a schimbat, în timp ce celelalte 3 cuadrante
R
sunt împărț ite în subcvadrante.
R1 R2

R1 R2 R3 R4 (c) În acest moment, mai multe regiuni pot fi combinate,

R 4 1R 4 2
R3 cu excepț ia celor 2 subcadrane care
R 4 3R 4 4
R 41 R 42 R 43 R 44 include partea inferioară a obiectului; acestea nu
satisface predicatul ș i trebuie să fie împărț it mai departe.
(a) (b)

)LJ 3DUWLWLRQHG LPDJH DQG FRUUHVSRQGLQJ TXDGWUHH

&<+ ,PDJH6HJPHQWDWLRQ S &<+ ,PDJH6HJPHQWDWLRQ S

 D E F
)LJ D2IMAGINEA ORIGINALA RESULTATUL SOLILOR SI MURGE
Rezultatul închirierii

Segmentarea imaginilor este un pas preliminar în majoritatea

recunoa ș terea automată a modelelor picturale ș i a scenelor
probleme de analiză.
•Alegerea unei tehnici de segmentare în loc de
un alt lucru este dictat în mare parte de peculiarită ț i
caracteristicile problemei considerate.

&<+ ,PDJH6HJPHQWDWLRQ S