Компьютерные книги
Главное меню
Главная О нас Добавить материал Поиск по сайту Карта книг Карта сайта
Реклама
computersbooks.net -> Добавить материал -> Графика -> Гонсалес Р. -> "Цифровая обработка изображений" -> 283

Цифровая обработка изображений - Гонсалес Р.

Гонсалес Р., Вудс Р. Цифровая обработка изображений — М.: Техносфера, 2005. — 1072 c.
ISBN 5-94836-028-8
Скачать (прямая ссылка): cifrovayaobrabotkaizobrajeniy2005.djvu
Предыдущая << 1 .. 277 278 279 280 281 282 < 283 > 284 285 286 287 288 289 .. 349 >> Следующая

а
б
Рис. 10.37. (а) Исходное изображение, (б) Результат сегментации изображения посредством локальной пороговой обработки. (Изображения предоставлены IBM Corporation).
9 Несмотря на то, что порог определяется по локальным характеристикам и используется локальная обработка, сам порог здесь является глобальным, поскольку он одинаков для всех пикселей изображения. — Прим. ред. перевода.
872 Глава 10. Сегментация изображений
1500
0
1 1000
s с
§ 500 s э-
0
5-14 15 -24 25 и более Величина градиента
Рис. 10.38. Гистограмма значений градиента для пикселей с величиной градиента больше 5. (Изображение предоставлено IBM Corporation).
10.3.7. Пороги, основанные на нескольких переменных
До сих пор мы занимались пороговыми преобразованиями одноцветных полутоновых изображений. В некоторых случаях для получения изображений могут применяться сенсоры, позволяющие характеризовать каждый элемент изображения более чем одной переменной, что в свою очередь позволяет выполнятьмультиспект-ральную пороговую обработку. Как подробно обсуждалось в Разделе 6.7, хорошим примером такого рода могут быть цветные изображения, в которых каждый пиксель характеризуется тремя значениями RGB. В этом случае становится возможным построение трехмерной «гистограммы». В основном процедура аналогична методу, применяемому в случае одной переменной. Например, для изображения с тремя переменными (компонентами RGB), каждая из которых имеет 16 градаций, строится трехмерная (кубическая) сетка размерами 16x16x16. В каждую ячейку такого куба заносится число пикселей, у которых значения цветовых составляющих соответствуют координатам данной ячейки. После этого значения в каждой ячейке делятся на общее число пикселей изображения, чтобы получить нормированную гистограмму.
Суть порогового преобразования теперь состоит в отыскании скоплений точек (кластеров) в трехмерном пространстве. Например, предположим, что в гистограмме найдены К значимых кластеров. Тогда данное изображение допускает сегментацию путем присвоения одного произвольно выбранного значения (скажем, белого) тем пикселям, у которых RGB-компоненты близки к одному из кластеров, и другого значения (скажем, черного) всем остальным пикселям изображения. Этот принцип легко распространяется на случай большего числа компонент и, конечно, большего числа кластеров. Основную трудность при
10.3. Пороговая обработка 873
таком подходе представляет то, что сложность задачи кластеризации быстро растет с увеличением числа переменных. Изложение методов кластеризации можно найти, например, в книгах [Duda, Hart, Stork, 2001] и [Той, Gonzalez, 1974].
Пример 10.15: Мулътиспектральная пороговая обработка.
Е На Рис. 10.39(a) приведено изображение, являющееся монохромным представлением цветной фотографии. Исходное цветное изображение объединяло три 16-градационных RGB-компоненты. Шарф на снимке — ярко-красного цвета, а лицо и волосы имели светлые цвета, отличающиеся по спектральным характеристикам от окна и других деталей фона.
Изображение на Рис. 10.39(6) было получено пороговым выделением ячеек гистограммы вблизи одного из кластеров, соответствующих цветовым тонам лица. Обратите внимание, что окно, которое на монохромном изображении близко по яркости к волосам, пропадает при сегментации, потому что при использовании муль-тиспектральных характеристик эти две области разделяются. Изображение на Рис. 10.39(b) было получено путем порогового выделения кластера, расположенного вблизи оси красной компоненты. В этом случае в результате сегментации выделяются только шарф и часть цветка (который тоже красного цвета). При получении обоих результатов использовалось значение порога, равное размеру ячейки гистограммы. Таким образом, любой пиксель, компоненты которого не попадали в ячейку, где расположен центр интересующего кластера, классифицировался как элемент фона (представлялся черным цветом). Пиксели, которые по своим цветовым составляющим оказывались внутри этой ячейки, представлены белым цветом. ¦
Рис. 10.39. (а) Исходный цветной фотоснимок в виде монохромного изобра- а б В жения. (б) Сегментация пикселей с цветами, близкими к цвету лица, (в) Сегментация деталей красного цвета
874 Глава 10. Сегментация изображений
Как уже говорилось в Разделе 6.7, цветовая сегментация может выполняться на основе любой из цветовых моделей, описанных в Главе 6. Например, цветовой тон и насыщенность являются важными характеристиками для многочисленных прикладных задач, в которых изображения применяются для автоматизированного контроля. Эти характеристики оказываются особенно важными при попытках имитировать деятельность человека, например, при контроле спелости фруктов или качества промышленных товаров. Как отмечалось в Главе 6, модель, основанная на характеристиках цветового тона, насыщенности и интенсивности (HS1), идеально подходит для подобных приложений, поскольку она тесно связана с восприятием цвета человеком. Кроме того, особо привлекательным является подход, при котором сегментация осуществляется только на основании составляю щих цветового тона и насыщенности цветного сигнала, поскольку это требует лишь двумерной кластеризации, что значительно проще, чем, скажем, трехмерный анализ, необходимый для сегментации на основе RGB-компонент.
Предыдущая << 1 .. 277 278 279 280 281 282 < 283 > 284 285 286 287 288 289 .. 349 >> Следующая
Книги
Web-программирован-
ие
Аппаратное обеспечение Графика Руководство по П.О. Самоучитель Теория программирования Фотошоп Языки программирования
Новые книги
Завалишин Д. "Интернетско-русский разговорник" (Web-программирование)

Заенцев И.В. "Нейронные сети: основные модели" (Web-программирование)

Владимиров А.А. "Wi-фу: «боевые» приемы взлома и защиты беспроводных сетей" (Web-программирование)

Вьейра Р. "SQL Server 2000. Программирование в 2 ч." (Web-программирование)

Веллинг Л.Т. "Разработка web приложений с помощью php и mysql" (Web-программирование)
Авторские права © 2013 ComputersBooks. Все права защищены.

c1c0fc952cf0704ad12d6af2ad3bf47e03017fed