Bài giảng Xử lý ảnh số - Chương 6: Phân đoạn ảnh (Phần 1) - Võ Quang Hoàng Khang

Nội dung text: Bài giảng Xử lý ảnh số - Chương 6: Phân đoạn ảnh (Phần 1) - Võ Quang Hoàng Khang

1. Chương 6: PHÂN ĐOẠN ẢNH (P1) Võ Quang Hoàng Khang TPHCM - 2016
2. 1. Giới thiệu bài toán phân đoạn 2. Các phương pháp phân đoạn . gray-level thresholding . edge-based . region-based . Probabilistic: xác suất
3. Mục đích chính của phân đoạn ảnh. Áp dụng được kỹ thuật phân đoạn ảnh dựa trên ngưỡng* Giải thích được kỹ thuật phân đoạn ảnh dựa trên cạnh. Giải thích được kỹ thuật phân đoạn ảnh dựa trên vùng. Áp dụng được phương pháp region growing* Áp dụng được phương pháp Watershed* Giải thích được kỹ thuật phân đoạn ảnh dựa trên matching. 3
4. . Phân đoạn nhằm chia ảnh thành các vùng hoặc đối tượng có thể xử lý được.
5. . Nếu phân đoạn tốt, các contours của đối tượng sẽ xuất hiện và có thể trích để sử dụng. . Có thể xác định hình dáng đối tượng. . Dựa trên màu sắc, texture, có thể xác định rõ đối tượng. . Phân đoạn ảnh được sử dụng nhiều trong tìm kiếm tương tự (similarity searches)
6. . Phân đoạn ảnh là bài toán khó trong xử lý ảnh. . Vẫn là một chủ đề quan trọng trong các hội thảo/hội nghị liên quan đến thị giác máy tính, xử lý ảnh. . Phân đoạn cho phép trích xuất các đối tượng trong ảnh.
7. . Các thuật toán phân đoạn dựa trên các tính chất cơ bản: màu sắc, giá trị xám, hay texture: discontinuity và similarity . . Phân chia ảnh dựa trên sự thay đổi độ sáng đột ngột, nhằm phát hiện biên trong ảnh. Tuy nhiên, không luôn xác định được biên để tạo vùng. . Phân chia ảnh thành các vùng tương tự theo tiêu chuẩn xác định (mức xám, texture, color, ). . Dựa trên sự tương tự giữa các pixel kề nhau nhằm xây dựng các đối tượng.
8. . Kiểu phân đoạn phụ thuộc vào ứng dụng . Có nhiều thuật giải phân đoạn  Phân đoạn dựa trên đường viền vùng (edge detection)  Phân đoạn dựa trên clustering (hoặc grouping)  Phân đoạn dựa trên phân hoạch (partition) đồ thị . Ứng dụng: finding people, summarizing video, annotation figures, background subtraction, finding buildings/rivers in trong ảnh vệ tinh.
9. . Edges dựa trên KHÁC NHAU (DIFFERENCES hay DISCONTINUITY) giữa các pixel kề nhau. . Regions dựa trên sự TƯƠNG TỰ (SIMILARITIES) giữa các pixel kề nhau.
10. Phân đoạn bằng mắt thường . Old man và các thứ khác ??? . Hai người và con chó ???
11. . Input: ảnh xám . Output: ảnh nhị phân . Mục đích: tách được foreground và background. . Thực hiện bằng cách chọn ngưỡng T, và tạo ảnh ouput theo công thức: 1 if f (x, y) T g(x, y) 0 if f (x, y) T
12. Imagine a poker playing robot that needs to visually interpret the cards in its hand Original Image Thresholded Image
13. Nếu chọn ngưỡng sai kết quả có thể là thảm họa ??? Threshold Too Low Threshold Too High
14. 1 for f i, j T g i, j  0 for f i, j T
15. 1 for f i, j T g i, j  0 for f i, j T
16. f i, j for f i, j T g i, j  0 for f i, j T
17. . Phương pháp này chỉ làm việc tốt với ảnh có bi-model histogram, ít nhiễu. ngưỡng T . Có thể dùng nhiều ngưỡng Ti (xem xét sau)
18. . Các tiêu chuẩn lựa chọn ngưỡng T:  Xác suất lỗi cực tiểu  Giá cực tiểu  Phương sai trong nhóm cực tiểu  Kiểm tra bằng mắt
19. Ngưỡng toàn cục T được xác định như sau: 1. Chọn ngưỡng ban đầuT Ví dụ: chọn trung bình mức xám của tất cả pixel 2. Phân đoạn với ngưỡng T sẽ tạo ra 2 nhóm: G1 gồm các pixels với mức xám >T và G2 gồm các pixel với mức xám ≤T 3. Tính mức xám trung bình của các pixel của G1 là μ1 và G2 là μ2
20. 4. Tính ngưỡng mới:   T 1 2 2 5. Lặp lại bước 2 - 4 cho đến khi sự thay đổi của T mới so với T ở lần trước đó nhỏ hơn giá trị cho trước
21. Một ngưỡng làm việc hiệu quả trên ảnh có bimodal histogram Với các ảnh có biểu đồ cần nhiều hơn 1 ngưỡng
22. Ví dụ: trích xuất nước trong chai Suy nghĩ về biểu đồ Histogram cho loại ảnh này? Điều gì sẽ xảy ra nếu sử dụng một ngưỡng duy nhất
23. Bài tập: Tìm hiểu kỹ thuật phân đoạn Otsu