Regiunea în creștere

Creșterea regiunii este o metodă simplă de segmentare a imaginilor bazată pe regiune. Este, de asemenea, considerată o metodă bazată pe un singur pixel , deoarece această metodă implică inițial selectarea punctelor inițiale.

Această abordare de segmentare examinează pixelii adiacenți ai punctelor de pornire, numiți semințe, și determină dacă vecinii pixel pot fi adăugați la acea regiune. Procesul este iterat, în același mod ca și în algoritmii de grupare a datelor.

Segmentarea pe regiuni

Scopul principal al segmentării este împărțirea unei imagini în regiuni. Unele metode de segmentare, cum ar fi cele bazate pe un „prag”, sunt capabile să realizeze acest lucru căutând granițele dintre diferitele regiuni pe baza discontinuităților la nivelurile de gri sau la proprietățile culorii . Segmentarea bazată pe regiune este o tehnică pentru determinarea directă a regiunii. Formularea de bază pentru segmentarea pe regiuni este:

(a){\text{ }}\bigcup \nolimits _{i=1}^{n}{R_{i}=R.}

{\ displaystyle (a) {\ text {}} \ bigcup \ nolimits _ {i = 1} ^ {n} {R_ {i} = R.}}

{\ displaystyle (a) {\ text {}} \ bigcup \ nolimits _ {i = 1} ^ {n} {R_ {i} = R.}}

(b)R_{i}{\text{ è una regione connessa }},{\text{ i}}={\text{1}},{\text{ 2}},{\text{ }}...,{\text{n}}

{\ displaystyle (b) R_ {i} {\ text {este o regiune conectată}}, {\ text {i}} = {\ text {1}}, {\ text {2}}, {\ text {} } ..., {\ text {n}}}

{\ displaystyle (b) R_ {i} {\ text {este o regiune conectată}}, {\ text {i}} = {\ text {1}}, {\ text {2}}, {\ text {} } ..., {\ text {n}}}

(c){\text{ }}R_{i}\bigcap R_{j}=\varnothing {\text{ per ogni }}i=1,2,...,n.

{\ displaystyle (c) {\ text {}} R_ {i} \ bigcap R_ {j} = \ varnothing {\ text {pentru fiecare}} i = 1,2, ..., n.}

{\ displaystyle (c) {\ text {}} R_ {i} \ bigcap R_ {j} = \ varnothing {\ text {pentru fiecare}} i = 1,2, ..., n.}

(d)P(R_{i})=VERO{\text{ per }}i=1,2,...,n.

{\ displaystyle (d) P (R_ {i}) = TRUE {\ text {for}} i = 1,2, ..., n.}

{\ displaystyle (d) P (R_ {i}) = TRUE {\ text {for}} i = 1,2, ..., n.}

(e)P(R_{i}\bigcup R_{j})=FALSO{\text{ per ogni regione adiacente }}R_{i}{\text{ e }}R_{j}.

{\ displaystyle (e) P (R_ {i} \ bigcup R_ {j}) = FALS {\ text {pentru fiecare regiune adiacentă}} R_ {i} {\ text {e}} R_ {j}.}

{\ displaystyle (e) P (R_ {i} \ bigcup R_ {j}) = FALS {\ text {pentru fiecare regiune adiacentă}} R_ {i} {\ text {e}} R_ {j}.}

P(R_{i})

{\ displaystyle P (R_ {i})}

{\ displaystyle P (R_ {i})}

este un predicat funcțional definit pe puncte în ansamblu

P(R_{k})

{\ displaystyle P (R_ {k})}

{\ displaystyle P (R_ {k})}

Și

\varnothing

{\ displaystyle \ varnothing}

{\ displaystyle \ varnothing}

reprezintă mulțimea nulă.

(a) indică faptul că segmentarea trebuie să fie completă, adică fiecare pixel trebuie să se afle într-o regiune.

(b) impune ca punctele dintr-o regiune să fie conectate într-un mod predefinit.

(c) indică faptul că regiunile trebuie să fie disjuncte.

(d) se referă la proprietățile pe care trebuie să le îndeplinească pixelii dintr-o regiune segmentată. De exemplu $P(R_{i})={\text{TRUE}}$ ${\ displaystyle P (R_ {i}) = {\ text {TRUE}}}$ ${\ displaystyle P (R_ {i}) = {\ text {TRUE}}}$ dacă toți pixelii din $R_{i}$ ${\ displaystyle R_ {i}}$ ${\ displaystyle R_ {i}}$ au același nivel de gri.

(e) indică faptul că regiunea $R_{i}$ ${\ displaystyle R_ {i}}$ ${\ displaystyle R_ {i}}$ Și $R_{j}$ ${\ displaystyle R_ {j}}$ ${\ displaystyle R_ {j}}$ sunt diferite în sensul predicatului $P.$ ${\ displaystyle P}$ $P.$ .

Conceptul de bază al punctelor seed

Primul pas într-o metodă de creștere a regiunii este selectarea unui set de puncte de semințe. Selectarea unui punct de bază se bazează pe unele criterii stabilite de utilizator (de exemplu, pixeli aparținând unui anumit interval de niveluri de gri, pixeli echidistanți pe o grilă etc.). Regiunile inițiale încep de la locația exactă a acestor semințe.

Regiunile sunt apoi cultivate de la aceste puncte de sămânță la alte puncte adiacente conform unui criteriu de apartenență la regiune. Criteriul ar putea fi, de exemplu, intensitatea pixelilor, nivelul de gri sau culoarea.

Pe măsură ce regiunile cresc pe baza criteriului selectat, informațiile despre imaginea în sine devin, de asemenea, importante. De exemplu, dacă criteriul ar folosi o valoare prag de un pixel, cunoașterea histogramei imaginii ar fi utilă pentru a determina o valoare prag adecvată criteriului utilizat.

Un exemplu foarte simplu este descris mai jos. Dacă luăm în considerare 4 pixeli adiacenți punctului inițial și criteriul utilizat este cel al valorii pixelilor în sine, adică examinăm pixelii adiacenți ai punctelor inițiale. Dacă acestea au aceeași valoare ca intensitate cu punctele de semințe, le clasificăm ca puncte de semințe. Procesul este iterat până când apar modificări în două faze iterative succesive. Desigur, pot fi utilizate și alte criterii, dar obiectivul principal rămâne să clasăm asemănarea regiunilor din imagine. ^[1]

Câteva aspecte importante

Prin urmare, putem concluziona câteva întrebări importante despre creșterea regiunii :

1. Este importantă alegerea corectă a punctelor de sămânță: Selectarea punctelor seed depinde de utilizatorul final. De exemplu, într-un nivel de gri al imaginii fulgerului, poate doriți să separați fulgerul de fundal. De asemenea, puteți examina histograma și puteți alege punctele de însămânțare cu o valoare mai mare decât aceasta.

2. Cu cât mai multe informații, cu atât rezultatul este mai bun: Evident, conectivitatea cu pixeli adiacenți este utilă pentru determinarea pragului de puncte și semințe.

3. Valoarea „suprafața minimă a pragului”: Nicio regiune din imaginea rezultată nu va fi sub acest prag.

4. „Similitudinea cu valoarea pragului”: Dacă diferența dintre valoarea pixelilor sau diferența dintre nivelurile de gri ale unui set de pixeli este mai mică decât „valoarea pragului de similaritate”, regiunile vor fi tratate ca o regiune în sine.; Criteriile de omogenitate sau afinitate selectate sunt importante. De obicei, acestea depind de imaginea originală și de rezultatul segmentării pe care doriți să o obțineți. Câteva exemple utilizate adesea sunt: nivelul de gri (intensitate sau varianță medie), culoarea și textura sau forma.

Avantaje și dezavantaje

Beneficii

Metodele de creștere a regiunii pot separa corect regiunile care au aceleași proprietăți definite a priori.
Metodele de creștere a regiunii sunt capabile să ofere imaginilor originale cu margini clare și cu rezultate bune de segmentare.
Conceptul lor este simplu. Ei au nevoie doar de un număr mic de puncte de sămânță pentru a reprezenta proprietatea pe care o dorim și apoi să creștem regiunea.
Aveți dreptul să stabiliți punctele inițiale și criteriile pe care doriți să le implementați.
Mai multe criterii pot fi selectate în același timp.
Se comportă bine în ceea ce privește zgomotul.

Dezavantaje

Calculul este scump, indiferent de timp.
Prezența zgomotului sau variațiile de intensitate pot provoca găuri în imaginea finală.
Această metodă nu a putut distinge umbrele din imaginile reale.

În realitate, problema prezenței zgomotului poate fi ușor rezolvată folosind măști speciale pentru filtrarea găurilor și / sau a valorilor anormale. Prin urmare, problema zgomotului poate fi, de asemenea, ignorată. În concluzie, este evident că cea mai gravă problemă a metodelor de creștere a regiunii este timpul necesar.

Notă

^(EN) CC Cheng, Peng GJ și WL Hwang, Pixel Connectivity in IEEE transactions on processing image: a publication of the IEEE Signal Processing Society, vol. 18, nr. 1, 2009, pp. 52–62, DOI : 10.1109 / TIP . 2008.2007067 , PMID 19095518 . Adus la 16 februarie 2009 .

Bibliografie

Jian-Jiun Ding, clasa „ Analiza timpului-frecvență și transformarea undelor ”, Departamentul de Inginerie Electrică, Universitatea Națională Taiwan (NTU), Taipei, Taiwan, 2007.
Jian-Jiun Ding, clasa „ Procesare avansată a semnalului digital ”, Departamentul de Inginerie Electrică, Universitatea Națională Taiwan (NTU), Taipei, Taiwan, 2008.
WK Pratt, Ediția a IV-a a procesării imaginilor digitale , John Wiley & Sons, Inc., Los Altos, California, 2007
M. Petrou și P. Bosdogianni, Image Processing the Fundamentals , Wiley, Marea Britanie, 2004.
RC Gonzalez și RE Woods, ediția a doua a procesării imaginilor digitale , Prentice Hall, New Jersey, 2002.

Alte proiecte

Wikimedia Commons conține imagini sau alte fișiere despre regiunea în creștere

Portal IT : accesați intrările Wikipedia care se ocupă cu IT

[1] (EN) CC Cheng, Peng GJ și WL Hwang, Pixel Connectivity in IEEE transactions on processing image: a publication of the IEEE Signal Processing Society, vol. 18, nr. 1, 2009, pp. 52–62, DOI : 10.1109 / TIP . 2008.2007067 , PMID 19095518 . Adus la 16 februarie 2009 .

[1]