Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде Matlab (2006) (1246139), страница 77
Текст из файла (страница 77)
Теперь необходимо построить внешние маркеры или пикселы, про которые мы уверены, что они приналлежат фону изображения. Здесь мы следуем подходу, согласно которому фон отмечается пикселами, которые расположены точно посередине между внутренними маркерами. Как ни странно, но это можно сделать, решив другую задачу водораздела, а именно: нужно вычислить преобразования водораздела от преобразования расстояния изображения 1ш внутренних маркеров: » 1.1ш = яасегвЬео(Ьяо1вс(1ш)); » еш = 01ш == 0; Рис.
10.22, д) изображает результирующие линии водоразделов на двоичном изображении еш. Поскольку эти линии расположены посередине между темными пятнами, отмеченными 1ш, они подходят для роли внешних маркеров. Имея внутренние и внешние маркеры, мы их используем для модифицирования градиентного изображения с помощью процедуры, которая называется минимальным подеемом. Техника минимального подъема (см. подробности в [Вой)е, 2003() модифицирует полутоновое изображение так, что локальные минимумы достигаются только в отмеченных положениях. Другие величины пикселов повышаются для исчезания всех прочих точек локального минимума.
Функция 1РТ 1ш1шроаеш1п реализует этот подход. Она вызывается командой шр = 1ш1шровеш1пЯ, шаек), В -а 4ДЗ Рис. 10.22, е) показывает результат. Наконец, мы готовы совершить преобразование водораздела отмеченного и модифицированного градиентного изображения и взглянуть на полученные линии водоразделов: » 1.2 = иавегвЬей(б2); » 12=1; » 12(1.2 == О) = 255; Последние две команды помещают линии водоразделов на исходное изображение. В результате получается значительно улучшенная сегментация, как показано на рис. 10.22, ж). П Выбор подходящих маркеров может простираться от рассмотренных вьппс простых процедур до существенно более сложных методов, которые вовлекают размеры, форму, положение, относительные расстояния, текстуру и т. д.
(см. гл. 11 в связи с описаниями изображений). Ключевое место во всех этих методах заключается в том, что использование маркеров добавляет априорную информацию для облегчения задачи сегментации. Априорные знания часто помогают при сегментации и при решении задач более высокого уровня, и самым популярным методом является использование контекста. Таким образом, тот факт, что сегментация по водоразделам предлагает подход, который позволяет эффективно использовать этот тип информации, означает существенное преимущество данного метода.
Выводы Сегментация изображения является важным предварительным шагом большинства задач автоматического распознавания зрительных образов и анализа сцен. Как показывают рассмотренные в этой главе примеры, выбор того или иного метода сегментации часто зависит от специфических особенностей изучаемой задачи.
Хотя набор методов, изложенных в этой главе, далек от исчерпывающего, он является характерным инструментарием сегментации, применяемой на практике. ГЛАВА 11 ПРЕДСТАВЛЕНИЕ И ОПИСАНИЕ Введение После сегментации изображения на области, например, с помощью методов, описанных в гл. 10, выделенные «грубые» совокупности пикселов обычно описываются и представляются в форме, удобной для последующей компьютерной обработки. При выборе способа представления имеется две возможности: (Ц область можно представить ее внешними характеристиками (т. е.
границей) или (2) область можно представить внутренними характеристиками (т. е. совокупностью элементов изображения, составляющих эту область). Однако выбор способа представления является только частью задачи преобразования данных в форму, удобную для компьютерной обработки. Следующая задача состоит в том, чтобы вписать область, исходя из выбранного способа представления. Например, область может быть представлена своей границей, а граница — описана с помощью таких характеристик, как ее длина, направление прямых, соединяющих угловые точки, и число вогнутостей границы. Внешнее представление обычно выбирается в тех случаях, когда основное внимание обращено на характеристики формы области.
Внутреннее представление выбирается, если интерес представляют свойства самой области, например, цвет или текстура. Иногда приходится использовать оба способа представления одновременно. В любом случае, выбранные для описания признаки (дескрипторы) должны быть как можно менее чувствительными к изменению размеров области и ее перемещению по полю изображения (сдвигу нли повороту). За редким исключением, рассматриваемые в этой главе дескрипторы обладают одним или несколькими из этих свойств. 11.1.
Предварительные сведения Областью называется компонента связности, а границей области (называемой также обводом или контуром) является множество пикселов этой области, которые имеют один или несколько соседних пикселов, не принадлежащих области. Точки, не принадлежащие области или ее границе, называются фоновыми. Сначала мы будем рассматривать только двоичные изображения, поэтому точки области нли ее границы имеют значение 1, а значение фоновых точек равно О. Позже в этой главе рассматриваются также недвоичные значения пикселов. .
П д д 44~~5~ Из приведенных выше определений следует, что граница образует замкнутое множество точек. Точки границы называются орвентированнь ми, если они образуют последовательность, которая обходится по или против часовой стрелки. Граница называется минимально связной, если любая из ее точек имеет в точности двух соседей величины 1, которые не являются 4-связными. Внутренней точкой области является любая ее точка, не лежащая на границе. Материал этой главы существенно отличается от материалов, обсуждавшихся в предыдущих главах, в том смысле, что нам придется оперировать со смесью различных типов данных, таких как области, границы, топологические формы и так далее.
Поэтому перед тем, как двигаться далее, мы сделаем отступление и определим некоторые базовые понятия и функции МАТЮКАВ и 1РТ, которые бувут использоваться в дальнейшем. 11.1.1. Смешанные массивы и структуры Мы начнем с обсуждения смешанных массивов и структур, которые были корот- ко введены в 5 2.10.6. Смешанные массивы Смешанные массивы позволяют комбинировать и смешивать объекты разных типов (как-то: числа, символы, матрицы и другие смешанные массивы), присваивая таким переменным общие имена. Например, пусть мы работаем (1) с некоторым изображением 1 класса в1пг8 размерами 512х512; (2) с последовательностью Ь двумерных вещественных координат, представленной в форме массива 188х2; и (3) со смешанным массивом, который содержит две символьные строки сЬат аггау = 1'агеа', 'сепгго16'Е Эти три непохожих объекта можно объединить в одну переменную С с помощью особого типа данных, называемого смешанным массивом: С = (1, Ь, сЬат агтау1, где фигурные скобки обозначают содержимое смешанного массива.
Если в командной строке набрать команду С, то это вызовет следующий отклик системы: » С С = 1512х512 втпс83 ~188х2 адовые) 11х2 сеШ Другими словами, выходом служат не значения различных переменных, а перечисление некоторых их свойств. Чтобы обратиться к содержимому некоторого элемента массива, необходимо заключить индекс (числовое местоположение) этого элемента в фигурные скобки.
Например, чтобы увидеть содержимое сЬаг аггау, следует набрать >) С(31 'эгеа' 'севгго16' ~~~ 446 Глава 1А Представление и описание или воспользоваться функцией се11с)1вр; » се11с)1ар(С13г) апв~1у агеа апв~21 = сепггоЫ Если вместо фигурных скобок подставить круглые, то это вызовет описание этой переменной, как было выше: » С(3) апв ~1х2 сеШ Мы можем работать с содержимым смешанного массива, преобразуя эти данные в числовую или другую уместную форму.
Например, для извлечения 1 из С мы выполним команду » 1 = С(11; Функция в1хе дает размер смешанного массива: » в1хе(С) 1 3 Функция се111ип, имеющая синтаксис 0 = се11гпп('глаше',С), применяет функцию 1паше к элементам смешанного массива С и возвращает результат в виде массива 0 класса допЬ1е. Каждый элемент 0 содержит величину, которая возвращается функцией 1паше, примененной к соответствующему элементу С. Размер 0 совпадает с размером С. Например,1 » 0 = се111ип('1епбгЬ', С) 0 = 512 188 2 Другими словами, здесь отображены следующие величины: 1епбсЬИ) = 512, 1епкгЬ(Ь) = 188 и 1епксЬ(сьаг аггау) = 2. Из материалов 3 2.10.3 мы знаем, что 1епксЬ(А) дает размер самой длинной размерности многомерного массива А.
Наконец, помните о комментарии, сделанном в 3 2.10.6 о том, что смешанные массивы содержат копии своих аргументов, а не указатели на них. Поэтому, если любой из аргументов массива С в предыдущем примере был изменен после создания переменной С, то это не вызовет изменения в самой С. См. справочную страницу дан сеыевп, где перечислены допустимые входные данные длн аргумента тпаав. . П д д дддддд Пример 11.1.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
