Bài giảng môn Xử lý ảnh số - Chương 6: Phân đoạn ảnh (phần 1)

Chương 6: PHÂN ĐOẠN ẢNH (P1) Võ Quang Hoàng Khang TPHCM - 2016 1. Giới thiệu bài toán phân đoạn 2. Các phương pháp phân đoạn  gray-level thresholding  edge-based  region-based  Probabilistic: xác suất  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 phápWatershed*  Giải thích được kỹ thuật phân đoạn ảnh dựa trên matching. 3  Phân đoạn nhằm chia ảnh thành các vùng hoặc đối tượng có thể xử lý được.  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)  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.  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.  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.  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.   Phân đoạn bằng mắt thường  Old man và các thứ khác ???  Hai người và con chó ???  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:       Tyxfif Tyxfif yxg ),( 0 ),( 1 ),(  Imagine a poker playing robot that needs to visually interpret the cards in its hand Original Image Thresholded Image  Nếu chọn ngưỡng sai kết quả có thể là thảm họa ??? Threshold Too Low Threshold Too High g i, j  1 for f i, j  T 0 for f i, j  T    g i, j  1 for f i, j  T 0 for f i, j  T    g i, j  f i, j  for f i, j T 0 for f i, j  T     Phương pháp này chỉ làm việc tốt với ảnh có bi-model histogram, ít nhiễu.  Có thể dùng nhiều ngưỡng Ti (xem xét sau) ngưỡng T  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  Ngưỡng toàn cục T được xác định như sau: 1. Chọn ngưỡng ban đầu T 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 4. Tính ngưỡng mới: 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 2 21  T  Một ngưỡng làm việc hiệu quả trên ảnh có bimodal histogram  Với các ảnh có biểu đồ cần nhiều hơn 1 ngưỡng 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  Bài tập: Tìm hiểu kỹ thuật phân đoạn Otsu