|
An'anaviy tasvirlarni segmentatsiyalash usullari
|
| bet | 4/6 | | Sana | 20.05.2024 | | Hajmi | 2,19 Mb. | | #246282 |
Bog'liq Shaxzod 03
Tasvirni segmentatsiyalash dastlab Raqamli tasvirni qayta ishlash va optimallashtirish algoritmlaridan boshlangan. Ushbu ibtidoiy algoritmlar mintaqani o'stirish va ilonlar algoritmi kabi usullardan foydalangan, bu erda ular boshlang'ich hududlarni o'rnatgan va algoritm segment xaritasi haqida tasavvurga ega bo'lish uchun piksel qiymatlarini taqqoslagan.
Ushbu usullar rasmdagi xususiyatlarning mahalliy ko'rinishini oldi va piksellardagi mahalliy farqlar va gradientlarga qaratilgan.
Kirish tasvirining global ko'rinishiga ega bo'lgan algoritmlar keyinchalik tasvirni qayta ishlashning klassik usullari orasida moslashish chegarasi, Otsu algoritmi va klasterlash algoritmlari kabi usullar bilan paydo bo'ldi.
To'siq qo'yish
Chegara - bu tasvirni segmentatsiyalashning eng oson usullaridan biri bo'lib, piksellarni ikki sinfga bo'lish uchun chegara o'rnatiladi. Eshik qiymatidan kattaroq qiymatlarga ega piksellar 1 ga, chegara qiymatidan kichikroq piksellar esa 0 ga o'rnatiladi.
Shunday qilib, tasvir ikkilik xaritaga aylanadi, natijada jarayon ko'pincha binarizatsiya deb ataladi. Ikki maqsadli sinf o'rtasidagi piksel qiymatlari farqi juda yuqori bo'lgan taqdirda tasvir chegarasi juda foydali va chegara sifatida o'rtacha qiymatni tanlash oson.
Tasvirni binarizatsiya qilish uchun chegara ko'pincha ishlatiladi, shuning uchun faqat ikkilik tasvirlarda ishlaydigan konturni aniqlash va identifikatsiya qilish kabi qo'shimcha algoritmlardan foydalanish mumkin.
Mintaqaviy segmentatsiya
Mintaqaga asoslangan segmentatsiya algoritmlari qo'shni piksellar orasidagi o'xshashlikni izlash va ularni umumiy sinf ostida guruhlash orqali ishlaydi.
Odatda, segmentatsiya jarayoni urug 'piksellari sifatida belgilangan ba'zi piksellardan boshlanadi va algoritm urug' piksellarining bevosita chegaralarini aniqlash va ularni o'xshash yoki o'xshash emas deb tasniflash orqali ishlaydi.
Keyin yaqin qo'shnilar urug'lar sifatida ko'rib chiqiladi va butun tasvir bo'linmaguncha qadamlar takrorlanadi. Shunga o'xshash algoritmga misol qilib Evklid masofasi xaritasining mahalliy maksimalidan boshlab ishlaydigan va ikkita urug'ni bitta mintaqa yoki segment xaritasiga tegishli deb tasniflash mumkin bo'lmagan cheklov ostida o'sadigan segmentatsiya uchun mashhur suv havzasi algoritmi misol bo'ladi.
Kenar segmentatsiyasi, shuningdek, chekka aniqlash deb ham ataladi, bu tasvirlardagi qirralarni aniqlash vazifasidir.
Segmentatsiyaga asoslangan nuqtai nazardan shuni aytishimiz mumkinki, qirralarni aniqlash tasvirdagi qaysi piksellarni chekka piksellar deb tasniflash va tegishli ravishda alohida sinf ostida bu chekka piksellarni ajratib ko'rsatishga mos keladi.
Qirralarni aniqlash odatda maxsus filtrlar yordamida amalga oshiriladi, ular konvolyutsiya paytida tasvirning qirralarini beradi. Ushbu filtrlar fazoviy tekislikning x va y koordinatalarida tasvir gradientlarini baholashda ishlaydigan maxsus algoritmlar orqali hisoblanadi.
Kenglarni aniqlashning eng mashhur algoritmlaridan biri Canny chekka algoritmi yordamida chekka aniqlash misoli quyida keltirilgan.
Tasvirni qayta ishlash texnikasiga bog'liq bo'lgan zamonaviy segmentatsiya protseduralari odatda segmentatsiya uchun klasterlash algoritmlaridan foydalanadi.
Klasterlash algoritmlari o'z hamkasblariga qaraganda yaxshiroq ishlaydi va oz vaqt ichida yaxshi segmentlarni taqdim etishi mumkin. K-means klasterlash algoritmlari kabi mashhur algoritmlar umumiy atributlarga ega piksellarni muayyan segmentga tegishli sifatida klasterlash orqali ishlaydigan nazoratsiz algoritmlardir.
K-klasterlash, xususan, barcha piksellarni hisobga oladi va ularni “k” sinflariga birlashtiradi. Mintaqada etishtirish usullaridan farqli o'laroq, klasterga asoslangan usullar segmentlashni boshlash uchun urug'lanish nuqtasiga muhtoj emas.
|
| |
