Компьютерные книги
Главное меню
Главная Поиск по сайту Добавить материал О нас Карта книг Карта сайта
Реклама
computersbooks.net -> Добавить материал -> Графика -> Гонсалес Р. -> "Цифровая обработка изображений" -> 290

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 .. 284 285 286 287 288 289 < 290 > 291 292 293 294 295 296 .. 349 >> Следующая

Рис. 10.47. (а) Исходное изображение, (б) Результат применения алгоритма сегментации по водоразделам к градиентному изображению, на котором хорошо видна избыточная сегментация. (Изображения предоставлены д-ром С. Бё-ше, CMM/Ecole des Mines de Paris).
Глава 10. Сегментация изображений
Подход, применяемый для управления избыточной сегментацией, основан на идее маркеров. Маркер представляет собой связную компоненту, принадлежащую изображению. Будем различать внутренние маркеры, относящиеся к интересующим объектам, и внешние маркеры, соответствующие фону. Процедура выбора маркера обычно состоит из двух главных шагов: (1) предобработка, и (2) выработка критериев, которым должны удовлетворять маркеры. Для иллюстрации снова обратимся к изображению на Рис. 10.47(a). Одной из причин, которые привели к результату с избыточной сегментацией, показанному на Рис. 10.47(6), является наличие большого числа локальных минимумов. Принимая во внимание размеры соответствующих бассейнов, многие из этих минимумов в действительности отражают несущественные детали. Как многократно указывалось ранее, эффективным способом снижения влияния, которое оказывают мелкие пространственные детали изображения, является фильтрация изображения с помощью сглаживающего фильтра. Такая схема предварительной обработки пригодна и для данного случая.
Пусть внутренний маркер в данном случае определяется как область, (1) окруженная точками с большей «высотой»; (2) такая, что ее точки образуют компоненту связности; и (3) все точки которой имеют одинаковые значения яркости. Внутренние маркеры, найденные на сглаженном изображении согласно такому определению, показаны на Рис. 10.48 в виде светло-серых пятен. Затем к сглаженному изображению применяется вышеописанный алгоритм сегментации по во-
Рис. 10.48. (а) Сглаженное изображение с показанными внутренними (светлосерые области) и внешними (линии водоразделов) маркерами, (б) Результаты сегментации, на которых видно улучшение по сравнению с Рис. 10.47(6). (Изображения предоставлены д-ром С. Бёше, CMM/Ecole des Mines de Paris).
10.6. Использование движения при сегментации 893
доразделам, с тем ограничением, что в качестве локальных минимумов рассматриваются только внутренние маркеры. Рис. 10.48(a) демонстрирует полученные в результате линии водоразделов, которые по определению являются внешними маркерами. Заметим, что точки вдоль этих водоразделов являются хорошими кандидатами на роль фоновых, поскольку проходят по самым высоким местам между соседними маркерами.
Внешние маркеры, показанные на Рис. 10.48(a), эффективно разграничивают изображение на области, каждая из которых содержит единственный внутренний маркер и часть фоновой области. После этого задача сводится к разделению каждой такой области на две: одиночный объект и окружающий его фон. Для решения этой упрощенной задачи можно использовать многие методы сегментации, ранее рассмотренные в данной главе. В частности, можно просто применить тот же алгоритм сегментации по водоразделам к каждой отдельной области. Иначе говоря, получив градиент по всему сглаженному изображению (как на Рис. 10.46(6), мы затем ограничиваем применение алгоритма границами только одного «водосбора», внутри которого находится маркер данной конкретной области. Полученные с применением такого подхода результаты приведены на Рис. 10.48(6). Улучшение по сравнению с Рис. 10.47(6) очевидно.
Способ выбора маркеров может меняться от простейших процедур, основанных на связности и значениях яркости, как было только что продемонстрировано, до более сложных описаний, в которых участвуют размеры, форма, местоположение, относительные расстояния, текстурные признаки и т.д. (дескрипторы, применяемые для описания, рассматриваются в Главе 11). Суть состоит в том, что применение маркеров позволяет учесть априорные знания, имеющие отношение к задаче сегментации. Напомним читателю, что в сегментации, как и в еще более сложных задачах, повседневно решаемых человеческим зрением, часто полезными являются априорные знания, среди которых одно из самых известных — это конкретные знания о задаче. Тот факт, что метод сегментации по водоразделам предлагает каркас, в котором можно эффективно применять знания такого типа, является важным достоинством этого метода.
10.6. Использование движения при сегментации
Движение — это мощный ключ, которым пользуются люди и многие животные для выделения интересующих объектов на фоне несущественных деталей. В прикладных задачах обработки изобра-жений'движение возникает при относительном перемещении
Глава 10. Сегментация изображений
сенсорной системы и наблюдаемой сцены, например, в робототехнике, автономных навигационных системах, при анализе динамических сцен и др. В последующих разделах рассматривается использование движения при сегментации, как в пространственной, так и в частотной области.
10.6.1. Пространственные методы Основной подход
Один из простейших подходов к обнаружению изменений в последовательности изображений, произошедших между двумя кадрами /(х, у, tj) и/(х, у, tj), полученными в моменты времени tj и tj соответственно, состоит в поэлементном сравнении этих двух изображений. Один из способов такого сравнения — построение разностного изображения. Предположим, что имеется опорное изображение, содержащее только неподвижные компоненты. Сравнение этого изображения с последующим изображением той же сцены, но содержащим движущийся объект, приведет к тому, что в разности двух изображений неподвижные составляющие взаимно уничтожатся, а ненулевые значения останутся только в местах, соответствующих подвижным компонентам изображений.
Предыдущая << 1 .. 284 285 286 287 288 289 < 290 > 291 292 293 294 295 296 .. 349 >> Следующая
Книги
Web-программирован-
ие
Аппаратное обеспечение Графика Руководство по П.О. Самоучитель Теория программирования Фотошоп Языки программирования
Новые книги
Вирт Н. "Систематическое программирование " (Теория программирования)

Эком "Microsoft Excel 2000 шаг за шагом Русская версия самоучитель " (Самоучитель)

Поляков А.Ю. "Методы и алгоритмы компьютерной графики в примерах Vizual C++" (Графика)

Баяковский Ю.М. "Графическая библиотека Open GL " (Графика)

Валиков А. "Технология " (Языки программирования)
Авторские права © 2013 ComputersBooks. Все права защищены.