Zpracování digitalizovaného obrazu (ZDO) - Segmentace

Podobné dokumenty
Zpracování digitalizovaného obrazu (ZDO) - Segmentace II

LBP, HoG Ing. Marek Hrúz Ph.D. Plzeň Katedra kybernetiky 29. října 2015

Zpracování digitalizovaného obrazu (ZDO) - Analýza pohybu

Analýza a zpracování digitálního obrazu

M E T O D Y R O Z P O Z NÁNÍ OB J E K T Ů V O B R A Z U

Jasové transformace. Karel Horák. Rozvrh přednášky:

Operace s obrazem I. Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno. prezentace je součástí projektu FRVŠ č.

DZDDPZ5 Zvýraznění obrazu - prahování. Doc. Dr. Ing. Jiří Horák Ing. Tomáš Peňáz, Ph.D. Institut geoinformatiky VŠB-TU Ostrava

Fakulta informačních technologíı. Extrakce obrazových příznaků 1 / 39

veličin, deskriptivní statistika Ing. Michael Rost, Ph.D.

Zpracování digitalizovaného obrazu (ZDO) - Popisy III

Analýza textury. Radim Šára Centrum strojového vnímání FEL ČVUT. DZO, R. Šára

Potlačování šumu v mikroskopických snímcích pomocí adaptivního non-local means filtru


Úvod do optimalizace, metody hladké optimalizace

Analýza obrazu II. Jan Macháček Ústav skla a keramiky VŠCHT Praha

Roman Juránek. Fakulta informačních technologíı. Extrakce obrazových příznaků 1 / 30

Operace s obrazem II

2010 Josef Pelikán, CGG MFF UK Praha

oddělení Inteligentní Datové Analýzy (IDA)

Simulované žíhání jako nástroj k hledání optimálního řešení

Moderní systémy pro získávání znalostí z informací a dat

Projekt do předmětu ZPO

Katedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group

Řešení 1b Máme najít body, v nichž má funkce (, ) vázané extrémy, případně vázané lokální extrémy s podmínkou (, )=0, je-li: (, )= +,

ROZPOZNÁVÁNÍ AKUSTICKÉHO SIGNÁLU ŘEČI S PODPOROU VIZUÁLNÍ INFORMACE

Definice globální minimum (absolutní minimum) v bodě A D f, jestliže X D f

OBRAZOVÁ ANALÝZA. Speciální technika a měření v oděvní výrobě

Extrémy funkce dvou proměnných

Praktická cvičení. Anotace

Odhad stavu matematického modelu křižovatek

Kvaterniony, duální kvaterniony a jejich aplikace

Aplikovaná numerická matematika

Odečítání pozadí a sledování lidí z nehybné kamery. Ondřej Šerý

Fraktální analýza prahovaných a neprahovaných signálů (View+HT) HT 1D

DETEKCE HRAN V BIOMEDICÍNSKÝCH OBRAZECH

1 Jasové transformace

Aktivní detekce chyb

zdroj světla). Z metod transformace obrázku uvedeme warping a morfing, které se

Geometrické transformace

5. Lokální, vázané a globální extrémy

Základní spádové metody

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.

Funkce v ıce promˇ enn ych Extr emy Pˇredn aˇska p at a 12.bˇrezna 2018

Fakulta dopravní ČVUT v Praze. Identifikace zóny zájmu v obraze

NPGR032 CVIČENÍ III. Šum a jeho odstranění teorie&praxe. Adam Novozámský (novozamsky@utia.cas.cz)

Elektroenergetika 1. Základní pojmy a definice

Automatická detekce anomálií při geofyzikálním průzkumu. Lenka Kosková Třísková NTI TUL Doktorandský seminář,

3. Restrukturalizace nebo manipulace s údaji - práce s rastrovými daty

LOKÁLNÍ A GLOBÁLNÍ EXTRÉMY FUNKCÍ A JEJICH UŽITÍ

12 Metody snižování barevného prostoru

Text úlohy. Která barva nepatří do základních barev prostoru RGB? Vyberte jednu z nabízených možností: a. Černá b. Červená c. Modrá d.

Verifikace modelu Symos. Mgr. Ondřej Vlček Mgr. Zdenka Chromcová, Ph.D. Oddělení modelování a expertiz Úsek ochrany čistoty ovzduší, ČHMÚ

Ctislav Fiala: Optimalizace a multikriteriální hodnocení funkční způsobilosti pozemních staveb

Editace obrazu úvod doc. Ing. Stanislav Horný, CSc.

Kartografické modelování. VIII Modelování vzdálenosti

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

Základy umělé inteligence

UČENÍ BEZ UČITELE. Václav Hlaváč

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY VYHODNOCENÍ OPTICKÝCH VLASTNOSTÍ MATERIÁLŮ OPTICAL ANALYSIS OF METAL MATERIALS

BAYESOVSKÉ ODHADY. Michal Friesl V NĚKTERÝCH MODELECH. Katedra matematiky Fakulta aplikovaných věd Západočeská univerzita v Plzni

SIFT: Scale Invariant Feature Transform Automatické nalezení korespondencí mezi dvojicí obrázků

Kombinatorická minimalizace

7. Rozdělení pravděpodobnosti ve statistice

1. Vektorové algoritmy jejich výstupem je soubor geometrických prvků, např.

PARCIÁLN LNÍ ROVNICE

Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra kybernetiky. Předzpracování a 3D segmentace

Restaurace (obnovení) obrazu při známé degradaci

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ LOKALIZACE HERNÍCH NÁSTROJŮ DIPLOMOVÁ PRÁCE

Klasifikace a rozpoznávání. Lineární klasifikátory

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR

OPTIMALIZACE. (přehled metod)

KOMPRESE OBRAZŮ. Václav Hlaváč, Jan Kybic. Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání.

Měření dat Filtrace dat, Kalmanův filtr

TERMINOLOGIE ... NAMĚŘENÁ DATA. Radek Mareček PŘEDZPRACOVÁNÍ DAT. funkční skeny

3. ANTAGONISTICKÉ HRY

9. přednáška z předmětu GIS1 Digitální model reliéfu a odvozené povrchy. Vyučující: Ing. Jan Pacina, Ph.D.

PRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA)

AVDAT Mnohorozměrné metody, metody klasifikace Shluková analýza

ZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY

Semestrální práce Mozaika aneb Co všechno umí pan Voronoi

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Detekce interakčních sil v proudu vozidel

Omezení barevného prostoru

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:

vzorek vzorek

Předzpracování obrazů v prostoru obrazů, operace v lokálním sousedství

Přehled nabízených kurzů

Numerické metody a programování. Lekce 8

Metodologie pro ISK II

ZATÍŽENÍ SNĚHEM A VĚTREM

Grafika na počítači. Bc. Veronika Tomsová

POKROČILÉ METODY DITHERINGU BAREVNÝCH OBRAZŮ, REDUKCE BAREVNÉHO PROSTORU NA N-PRVKOVOU PALETU

Softwarový projekt Vyhodnocovač a zobrazovač meteorologických dat

Zákony hromadění chyb.

Výukový materiál v rámci projektu OPVK 1.5 Peníze středním školám

Postup pro kalibraci vyměřené zkušební dráhy pro stanovení konstanty vozidla W a účinného obvodu pneumatik (dále jen dráhy )

KOMPRESE OBRAZŮ. Václav Hlaváč. Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání. hlavac@fel.cvut.

ÚROVNĚ, KŘIVKY, ČERNOBÍLÁ FOTOGRAFIE

Transkript:

Zpracování digitalizovaného obrazu (ZDO) - Segmentace úvod, prahování Ing. Zdeněk Krňoul, Ph.D. Katedra Kybernetiky Fakulta aplikovaných věd Západočeská univerzita v Plzni Zpracování digitalizovaného obrazu (ZDO) - Segmentace

Obsah: Definice úlohy segmentace Základní segmentační techniky Segmentace prahováním Techniky určení prahu Zpracování digitalizovaného obrazu (ZDO) - Segmentace 1 / 16

Segmentace VSTUP: INTENZITNÍ OBRAZ VÝSTUP: OBRAZ ROZČLENĚNÝ NA ČÁSTI, KTERÉ MAJÍ SOUVISLOST S OBJEKTY REÁLNÉHO SVĚTA Kompletní segmentace: vytvořené oblasti jednoznačně korespondují s objekty ve vstupním obraze obecně nezbytná spolupráce s vyšší úrovní zpracování, tj. využití znalostí o řešeném problému v případě, kdy je obraz tvořen kontrastními objekty na pozadí konstantního jasu dobré výsledky kompletní segmentace již i na této úrovni zpracování obrazu Příklad: text, krevní buňky, počítání šroubků Zpracování digitalizovaného obrazu (ZDO) - Segmentace 2 / 16

Částečná segmentace: vytvořené oblasti jsou homogenní vzhledem k určitým zvoleným vlastnostem (jas, barva, textura, apod.) oblasti se obecně mohou překrývat je třeba aplikovat další postupy na vyšší úrovni zpracování Příklad: scéna s polem a lesem při pohledu z okna po segmentaci neodpovídá objektu jedna oblast Zpracování digitalizovaného obrazu (ZDO) - Segmentace 3 / 16

Segmentace - Znalost úlohy Pro segmentaci se využívá znalost o řešeném problému čím více, tím lépe, možnosti jsou: požadovaný tvar požadovaná pozice, orientace znám počáteční a koncový bod hranice vztah oblasti k ostatním oblastem s požadovanými vlastnostmi Příklady: hledání lodí na moři typické vlastnosti železničních tratí, dálnic (např. maximální zakřivení, ap.) řeky se neprotínají a jiné Zpracování digitalizovaného obrazu (ZDO) - Segmentace 4 / 16

Segmentace - Segmentaˇcn ı techniky I I I I I I I techniky zaloˇzen e na anal yze jas u prahov an ı urˇcov an ı / hled an ı hranic oblast ı (Aktivn ı kotury,...) vytv aˇren ı oblast ı (Split and merge; MRF; Graph-cut ) srovn av an ı se vzorem (Template/keypoint matching) texturn ı segmentace (Gabor filtry,...) segmentace popisem (modelem) tvaru a vzhledu (ASM, AMM,...) r uzn e kombinace Zpracov an ı digitalizovan eho obrazu (ZDO) - Segmentace 5 / 16

Segmentace - Prahování, nejjednodušší a nejstarší metoda segmentace, nejčastěji používaná, nenáročná hardwarová realizace, nejrychlejší metoda, lze provádět v reálném čase / volba prahu úloha, kterou lze obecně jen velmi obtížně provádět automaticky / lze použít pouze na určitou třídu obrazů (objekty a pozadí jsou jasově snadno rozlišitelné) { 1 pro f (i, j) T g (i, j) = 0 pro f (i, j) < T T práh ( threshold ) předem určená konstanta (1) Zpracování digitalizovaného obrazu (ZDO) - Segmentace 6 / 16

Modifikace: prahování s množinou známých jasů { 0 pro f (i, j) D g (i, j) = 1 jinak (2) kde D je množina jasů odpovídajících pozadí Např. snímky krevních buněk cytoplazma se jeví v určitém intervalu jasů, pozadí je světlejší, jádro je tmavší Modifikace: prahování více prahy 1 pro f (i, j) D 1 2 pro f (i, j) D 2 g (i, j) =. (3) n pro f (i, j) D n 0 jinak kde D i D j = 0 i j Zpracování digitalizovaného obrazu (ZDO) - Segmentace 7 / 16

Modifikace: poloprahování { f (i, j) pro f (i, j) D g (i, j) = 0 jinak (4) kde D je množina jasů odpovídajících např. více objektům odstraníme pozadí, v objektech však zachováme rozložení jasů např. se používá při vizuálním hodnocení výsledků člověkem f (i, j) nemusí být pouze jasová funkce (např. hodnota gradientu, lokální texturní vlastnosti, hloubková mapa, barva RGB, hue, saturace ap.) demo Zpracování digitalizovaného obrazu (ZDO) - Segmentace 8 / 16

Určení prahu v základu segmentace prahováním používá práh jako vstupní parametr (je znám) vstupním informací algoritmu hledání prahu je často histogram otázka je, jak tento práh určit automaticky?; můžeme použít techniku pokus omyl nebo; ideální je tzv. bimodální histogram (dostatečně vzdálené 2 maxima) pak v tomto případě bimodálního obrazu (histogramu) lze určit prahovou hodnotu jako hodnotu mezi dvěma kopci; Zpracování digitalizovaného obrazu (ZDO) - Segmentace 9 / 16

Vyhlazování histogramu: hledáme lokální minimum mezi dvěma největšími dostatečně vzdálenými lokálními maximy ale často nelze rozhodnout jednoznačně o významu lokálních maxim a minim vyhlazování potlačuje lokální extrémy a ideálně poskytuje bimodální histogram (lokální průměrování - např. Gaussovské okénko nebo filtrace mediánem aj. ) Zpracování digitalizovaného obrazu (ZDO) - Segmentace 10 / 16

Otsuova metoda - Otsu s Binarization technika automatického hledání prahu (Nobuyuki Otsu) princip: diskriminuje dvě třídy (kopce) algoritmus hledá optimální hodnotu prahu T algoritmus nalezne takový práh, který minimalizuje vážený rozptyl σ W dvou tříd jasů - tj. třídy jasů pozadí b a popředí f ) (duálně - můžeme maximalizovat rozptyl jednotlivých tříd) Zpracování digitalizovaného obrazu (ZDO) - Segmentace 11 / 16

Otsuova metoda - automatické určení prahu σ 2 W (t) = W b(t)σ 2 b (t) + W f (t)σ 2 f (t) kde je váha: W b (t) = t i=1 P(i) W f (t) = I i=t+1 P(i) M b (t) = t i=1 ip(i) W b (t) M f (t) = I i=t+1 ip(i) W f (t) σb 2(t) = t i=1 [i M b(t)] 2 P(i) W b (t) σf 2(t) = I i=t+1 [i M f (t)] 2 P(i) W f (t) a nalezneme práh T = argmin t σw 2 (t) tak, že rozptyl (variance) obou kopců je minimální Zpracování digitalizovaného obrazu (ZDO) - Segmentace 12 / 16

Otsuova metoda - příklad Obrázek: zdroj: http://computervisionwithvaibhav.blogspot.cz Zpracování digitalizovaného obrazu (ZDO) - Segmentace 13 / 16

Procentní prahování máme apriorní znalost o tom, kolik procent plochy obrazu pokrývají objekty např. průměrné pokrytí plochy stránky textem se pohybuje kolem 5 % práh potom nastavíme tak, aby právě tolik procent obrazových bodů mělo barvu objektů, zbytek barvu pozadí viz obr. kumulativní histogram pro 2x různě nasvícenou scénu, objekt pokrývá 70 % Zpracování digitalizovaného obrazu (ZDO) - Segmentace 14 / 16

Adaptivní prahování - Adaptive thresholding jedna globální hodnota prahu nemusí být vhodná pro určité případy obrázek může mít různé světelné podmínky v různých místech v tomto případě adaptivní prahování vypočítává práh pro malé regiony obrázku (posuvné okénko - sliding window) Zpracování digitalizovaného obrazu (ZDO) - Segmentace 15 / 16

Zpracování digitalizovaného obrazu (ZDO) - Segmentace 16 / 16