Image processing에서 segmentation 과정은 매우 중요한 과정이다. Segmentation accuracy가 높을수록 할 수 있는 일이 많아지기 때문이다.
Segmentation Method
Intensity의 discontinuity와 similarity가 중요하다.
1) Intensity based
- Threshold-based
- Edge-based
- Region-based
2) Information based
3) Data&Learning based
4) Automatic, Semi-automatic, Manual
Threshold-based segmentation
Region-based와 유사하다.
specific intensity value로 thresholding 한다.
Post processing이 필요하기도 하다.
- Morphological filtering - Erosion, Dilation, Opening, Closing
- Region labeling
- Region selection based on information
Region Labeling & Selection
constant intensity를 each separate region에 배치하는 등 다양한 방법으로 region labeling을 할 수 있다. Labeling한 결과를 가지고 ROI를 선택하여 사용한다. Region with seed point나 largest region 등을 선택하는 방법이 있다.
Region Growing
region based segmentation이다. Predefined criteria for growth에 따라 pixel이나 subregion을 큰 region에 group화하는 것이 목표이다.
- Selection of similarity property (- depends on types of image data)
- Formulation of Stopping Rule (- candidate pixel과 pixel grown so far의 likeness를 비교해 그룹화할지 결정한다.)
Intensity, Texture, Color 등의 local 정보를 이용한 group화도 있으며, region growth의 history를 참고해 group화하는 방법도 있다.
Discontinuity와 Similarity 기반으로 segmentation이 진행된다.
Threshold based segmentation
Specific intensity만 남겨두는 방식으로 Binarization과 유사하다. 간단한 방식이기에 일반적으로 post-processing과 함께 사용된다.
- Morphological filtering
- Region Labeling
- Region Selection
Morphological filretring
- Erosion : Kernel과 다른 구조일 경우 지우게 된다.
- Dilation : Kernel과 겹치는 부분이 있으면 채우게 된다.
- Opening : Erosion, Dilation
- Closing : Dilation, Erosion
Boundary Extraction
Original image - Erosioned image
Corner detection
Original image - closing, opening image
'Study > Computer Vision' 카테고리의 다른 글
6. Bayes Classifier (0) | 2023.05.10 |
---|---|
5. Object Recognition (0) | 2023.05.10 |
3. Filtering in Frequency Domain (0) | 2023.05.10 |
2. Image Filtering (0) | 2023.05.10 |
1. Image Intensity (0) | 2023.05.10 |