17. Сегментация изображений по признаку однородности. Дескрипторы областей. Топологические дескрипторы.

Привет, Вы узнаете о том , что такое сегментация изображений по признаку однородности дескрипторы областей топологические дескрипторы , Разберем основные их виды и особенности использования. Еще будет много подробных примеров и описаний. Для того чтобы лучше понимать что такое сегментация изображений по признаку однородности дескрипторы областей топологические дескрипторы , настоятельно рекомендую прочитать все из категории Методы и средства компьютерных информационных технологий.

Сегментацией изображения называется разбиение изображения на непохожие по некоторому признаку области. Предполагается, что области соответствуют реальным объектам, или их частям, а границы областей соответствуют границам объектов. Сегментация играет важную роль в задачах обработки изображений и компьютерного зрения

11.3.Дескрипторы областей

 В этом разделе мы рассмотрим различные подходы, применяемые для описания областей изображения. Напомним, что общепринятая практика состоит в использовании комбинированного описания, включающего дескрипторы как границ, так и областей.

1.           Некоторые простые дескрипторы

Площадь области определяется как число пикселей, которые в ней содержатся. Периметр области есть длина ее границы. Хотя площадь и периметр иногда и применяются в качестве дескрипторов, это относится преимущественно к тем случаям, когда размеры интересующих областей не меняются. Чаще эти дескрипторы используются при вычислении меры компактности области, которая определяется как отношение квадрата периметра к площади. Компактность является безразмерной величиной (и поэтому инвариантна к однородным изменениям масштаба), которая принимает минимальное значение для области круглой формы. С точностью до погрешностей,  при повороте дискретных областей, компактность также инвариантна к ориентации объекта.

К числу других простых дескрипторов, применяемых для описания областей, относятся среднее значение и медиана яркостей элементов области, а также число пикселей со значениями яркости больше и меньше среднего значения.

Пример 11.4: Извлечение информации из изображения с помощью вычисления площадей.

Я Даже такой простой дескриптор области, как нормированная площадь, может оказаться весьма полезным для извлечения информации из изображений. Рассмотрим в качестве примера Рис. 11.16, где приведено инфракрасное спутниковое изображение американского континента. Как уже подробно рассказывалось в Разделе 1.3.4, подобные изображения позволяют вести глобальный учет населенных пунктов. Применяемые для регистрации таких изображений сенсоры чувствительны к излучению в видимом и ближнем инфракрасном диапазонах и позволяют фиксировать свет и огонь, в том числе кратковременные вспышки. В таблице на рисунке приведены отношения площади белого (освещенные области) по регионам к общей освещенной площади во всех четырех регионах. Об этом говорит сайт https://intellect.icu . Даже такие простые измерения позволяют, например, получить относительные оценки энергопотребления по регионам. Эти данные можно уточнить путем нормирования по отношению к площади суши в регионе, численности населения и т.д. ¦

.2.          Топологические дескрипторы

Для глобального описания областей на плоскости изображения часто оказываются полезными их топологические свойства. В общих чертах, топология изучает свойства фигур, на которые не влияют любые их деформации, если не происходит разрывов и склеек (как будто плоскость изображения ведет себя аналогично листу резины). Например, на Рис. 11.17 показана область с двумя отверстиями внутри. Если в качестве топологического дескриптора использовать число отверстий внутри области, то это свойство, очевидно, будет инвариантным относительно растяжения или поворота. Однако, вообще говоря, число таких отверстий будет меняться, если область складывается или разрывается. Заметим, что хотя при растяжении и меняются расстояния между точками области, топологические свойства не зависят ни от понятия расстояния, ни от каких-либо других свойств, неявно основанных на измерении расстояний.

Другое полезное для описания области топологическое свойство — это число ее связных компонент. Определение компоненты связности области было дано в Разделе 2.5.2. На Рис. 11.18 изображена область, состоящая из трех компонент связности (Cm. Раздел 9.5.3, где рассматривался алгоритм выделения связных компонент).

Число отверстий Н и число связных компонент С некоторой фигуры используются в определении ее числа Эйлера Е:

 Е=С-Н    (11.3-1)

Число Эйлера также является топологическим свойством. Например, показанные на Рис. 11.19 области характеризуются числами Эйлера О и — 1 соответственно, поскольку область «А» состоит из одной связной компоненты и содержит одно отверстие, а область «В» также состоит из одной связной компоненты, однако содержит два отверстия.

Области, образованные отрезками прямых (такие области принято назы гать многоугольными сетями), допускают особо простую интерпретацию в терминах числа Эйлера. На Рис. 11.20 показан пример многоугольной сети. Внутренние области таких многоугольных сетей часто бывает важно классифицировать как грани или отверстия. Обо- знаная V — число вершин сети, Q — число ее ребер, a F— число граней, выпишем следующее соотношение, называемое формулой Эйлера:

V-Q+ F = C-H.          (11.3-2)

С учетом определения (11.3-1), обе части этого равенства равны числу Эйлера:

V -Q+ F = C- H = E.  (11.3-3)

У сети, показанной на Рис. 11.20, имеется 7 вершин, 11 ребер, 2 грани, 1 связная компонента и 3 отверстия; следовательно, число Эйлера равно —2:

7-11+2=1-3 = -2.

(дополнениие Сегментация изображений по признаку однородности)

Сегментацией изображения называется разбиение изображения на непохожие по некоторому признаку области. Предполагается, что области соответствуют реальным объектам, или их частям, а границы областей соответствуют границам объектов. Сегментация играет важную роль в задачах обработки изображений и компьютерного зрения

Задачи автоматической сегментации делятся на два класса:

выделение областей изображения с известными свойствами

разбиение изображения на однородные области

Между этими двумя постановками задачи есть принципиальная разница. В первом случае задача сегментации состоит в поиске определенных областей, о которых имеется априорная информация (например, мы знаем цвет, форму областей, или интересующие нас области представляют собой изображения известного объекта). Методы этой группы узко специализированы для каждой конкретной задачи. Сегментация в такой постановке используется в основном в задачах машинного зрения (анализ сцен, поиск объектов на изображении).

Во втором случае никакая априорная информация о свойствах областей не используется, зато на само разбиение изображения накладываются некоторые условия (например, все области должны быть однородны по цвету и текстуре). Так как при такой постановке задачи сегментации не используется априорная информация об изображенных объектах, то методы этой группы универсальны и применимы к любым изображениям. В основном сегментация в этой постановке применяется на начальном этапе решения задачи, для того чтобы получить представление изображения в более удобном виде для дальнейшей работы. Для грубой оценки качества метода в конкретной задаче обычно фиксируют несколько свойств, которыми должна обладать хорошая сегментация. Качество работы метода оценивается в зависимости от того, насколько полученная сегментация обладает этими свойствами. Наиболее часто используются следующие свойства [1]:

--однородность регионов (однородность цвета или текстуры)

--непохожесть соседних регионов

--гладкость границы региона

--маленькое количество мелких «дырок» внутри региона и т. д.

В заключение, эта статья об сегментация изображений по признаку однородности дескрипторы областей топологические дескрипторы подчеркивает важность того что вы тут, расширяете ваше сознание, знания, навыки и умения. Надеюсь, что теперь ты понял что такое сегментация изображений по признаку однородности дескрипторы областей топологические дескрипторы и для чего все это нужно, а если не понял, или есть замечания, то не стесняйся, пиши или спрашивай в комментариях, с удовольствием отвечу. Для того чтобы глубже понять настоятельно рекомендую изучить всю информацию из категории Методы и средства компьютерных информационных технологий