Segmentazione di immagini

Transcript

1 Segmentazione di immagini È il processo di suddividere una immagine in un certo numero di regioni (insiemi di pixel) omogenee Ogni regione è omogenea rispetto ad alcune caratteristiche (livello di grigio, texture, ) Regioni adiacenti devono avere caratteristiche diverse Nella segmentazione classica ogni pixel dell immagine appartiene ad una sola regione G. Castellano 1 Segmentazione fuzzy di immagini Scopo della segmentazione fuzzyè suddividere una immagine in un certo numero di regioni omogenee, ciascuna rappresentata da un insieme fuzzy Nella segmentazione fuzzyogni pixel dell immagine può appartenere a più regioni con diversi gradi di membership G. Castellano 2 1

2 Segmentazione fuzzy di immagini Metodi principali di segmentazione fuzzy Fuzzy thresholding Fuzzy clustering Fuzzy rules G. Castellano 3 Un sistema fuzzyper la segmentazione di immagini documento G. Castellano 4 2

3 Segmentazione basata su livelli di grigio Un sistema fuzzyper segmentare immagini in testo e sfondo (Gorecki, 2008) Immagine suddivisa in blocchi Ogni blocco di 4x4 o 8x8 pixel Per ogni blocco si calcola media e dev. standard e si applicano le seguenti regole fuzzy 1. IF (meanisdark) AND (st.devislow) THEN background islow 2. IF (meanisdark) AND (st.devishigh) THEN background islow 3. IF (meanisgrey) AND (st.devishigh) THEN background islow 4. IF (meaniswhite) AND (st.devislow) THEN background ishigh G. Castellano 5 Segmentazione basata su livelli di grigio Dall inferenza delle regole si ottiene il grado di appartenenza b i dell i-esimo blocco alla classe background Il grado di appartenenza t i dell i-esimo blocco alla classe testo si ottiene come t i =1-b i G. Castellano 6 3

4 Segmentazione basata su livelli di grigio Il sistema usa due variabili di input: La mediae la dev. standard del livello di grigio nell iesimo blocco Per la variabile media si definiscono 3 valori fuzzy: Dark, Gray, White Per la variabile dev. standard si definiscono 2 valori fuzzy: Low, High Dark Gray White Low High Segmentazione basata su livelli di grigio Il sistema usa una variabile di output: Il grado di appartenenza alla classe background si definiscono 2 valori fuzzy: Low, High Low High

5 Un sistema fuzzyper la segmentazione di immagini a colori G. Castellano 9 Color image segmentation I colori presenti nell immagine sono quantizzati in differenti classi colore che possono essere usate per differenziare le regioni presenti nell immagine. Dopo la classificazione, il colore di ogni pixel è rimpiazzato dalla corrispondente classe, formando quindi una mappa di classi colore nella immagine. G. Castellano 10 5

6 La segmentazione è fatta sulla base dello spazio colore HSV (Hue-Saturation-Value) Più intuitivo rispetto a RGB Le regole fuzzyper classificare ciascun pixel sono del tipo IF (HueisRed) AND (SaturationisWeak) and (Value isstrong) THEN the pixel belongstocolor-classc1 with grade CF1 Tante regole quante sono le classi colore individuate G. Castellano 11 Definizione delle variabili di input Prima variabile di input: Hue(tinta) descrive la tinta del colore come coordinata angolare, e varia dal rosso 0 al rosso 360 Trasformazione del range in [0, 255] Dieci valori fuzzy, ciascuno corrispondente ad una tinta Funzioni di membership trapezoidali red orange yellow green cyan blue purplemagenta pink red

7 Definizione delle variabili di input Seconda variabile di input: Saturation(saturazione) varia da 0 (colore desaturato -grigiastro) a 1 (colore puro o saturo) Trasformazione del range in [0, 255] Tre valori fuzzy: weak, medium, strong Funzioni di membership trapezoidali 1 weak medium strong saturation G. Castellano 13 Definizione delle variabili di input Terza variabile di input: Value(luminosità) Tre fuzzy values: weak, medium, strong Funzioni di membership trapezoidali 1 weak medium strong Value G. Castellano 14 7

8 Definizione della variabile di output Variabile di output: classe del colore Tanti valori fuzzy quante sono le classi considerate 10 classi?? Fuzzy singleton G. Castellano 15 Definizione delle regole Occorre definire, per ciascuna combinazione dei valori fuzzydi H, S, e V, un conseguente, ovvero una classe colore N.roregole: 10 x 3x 3 = 90 regole!! L ideale sarebbe utilizzare un metodo di apprendimento neurale o un algoritmo genetico Per definire manualmente le regole, è necessario ridurre il numero di regole Ad es. possiamo ridurre a 5 il numero di valori fuzzyper Hue 5x3x3=45 regole G. Castellano 16 8

9 red orange yellow green cyan blue purplemagenta pink red red yellow Cyan-blue magenta red