Proste metody segmentacji

Laboratorium:
Cyfrowe przetwarzanie obrazów i sygnaªów
Proste metody segmentacji
1
Cel i zakres ¢wiczenia
Celem ¢wiczenia jest zapoznanie si¦ z prostymi metodami segmentacji:
2
•
progowaniem,
•
wykrywaniem i aproksymacj¡ kraw¦dzi.
Przykªady
Progowanie mo»na przeprowadzi¢ przy pomocy bloku
Threshold
(rys. 2).
Parametry bloku (rys. 1) to:
• Threshold
- warto±¢ progowa,
• Threshold type
- metoda do wyboru spo±ród:
CV_THRESH_BINARY - binaryzacja z progiem Threshold,
CV_THRESH_BINARY_INV - negacja powy»szej,
CV_THRESH_TRUNC - ograniczenie od góry do Threshold,
CV_THRESH_TOZERO - zerowanie poni»ej Threshold,
CV_THRESH_TOZERO_INV - zerowanie powy»ej Threshold,
• Max Value
- warto±¢ obszaru wyró»nionego po binaryzacji.
Obserwuj¡c histogram obrazu przed progowaniem mo»na znale¹¢ warto±ci
jasno±ci (na osi odci¦tych histogramu), dla których wyst¦puj¡ wyra¹ne doliny
i u»y¢ ich jako warto±ci progu (rys. 2).
Znajdowanie punktów, przez które prawdopodobnie przechodzi kraw¦d¹,
mo»na wykona¢ szukaj¡c du»ych warto±ci moduªu gradientu funkcji obrazu.
1
Rysunek 1: Konguracja bloku Threshold
Rysunek 2: Dobieranie progu na podstawie histogramu
2
Skªadowe gradientu obrazu
f
mo»na uzyska¢ operatorem Sobela, a moduª
mo»na wyliczy¢ korzystaj¡c z normy euklidesowej lub taksówkowej:
ge =
q
(∇x f )2 + (∇y f )2 ,
gt = |∇x f | + |∇y f |.
Power (podnoszenie
do pot¦gi
√
Sqrt (pierwiastkowanie). Wskazówka: |a| = a2 . Binarny obraz
Bloki przydatne do wyliczania tych norm to
caªkowitej) i
kraw¦dzi mo»na uzyska¢ przez odpowiednie progowanie moduªu gradientu.
Bardziej zaawansowanym operatorem do wykrywania kraw¦dzi jest de-
Canny (rys. 3) obejmuje dwa progi dla
warto±ci moduªu gradientu (Threshold1 i Threshold2) oraz rozmiar okna
operatora Sobela (Opening).
tektor Canny. Konguracja bloku
Rysunek 3: Kongurowanie detektora Canny
Wi¦kszy z progów jest progiem radykalnym (wpªywaj¡cym na liczb¦ znajdowanych fragmentów kraw¦dzi), a mniejszy - liberalnym (decyduj¡cym o ich
dªugo±ci). Zwi¦kszanie rozmiaru okna operatora gradientowego Sobela powoduje zmniejszanie czuªo±ci metody na szumy.
Uwaga: operator Sobela nie jest normalizowany. Zwi¦kszanie okna ltru
zwi¦ksza jego wzmocnienie, co nale»y uwzgl¦dni¢ przy wyborze progów.
Do aproksymacji kraw¦dzi mo»na wykorzysta¢ transformacj¦ Hougha.
Jest ona realizowana przez dwa bloki: Detect Hough Circles oraz Detect Hough Lines (rys. 4).
Wyj±cie bloku Detect Hough Circles (typu IMG) zawiera obraz wej-
±ciowy z wrysowanymi kolorem czerwonym okr¦gami b¦d¡cymi wynikiem
detekcji. Parametry tego bloku przedstawiono na rys. 5.
Resolution (dp) jest wspóªczynnikiem redukcji rozmiarów (a wi¦c i roz-
dzielczo±ci) akumulatora parametrów w stosunku do rozmiarów obrazu wej±ciowego.
3
Rysunek 4: Detekcja okr¦gów i linii prostych metod¡ Hougha
Rysunek 5: Kongurowanie bloku Hough Circles
4
Minimal distance between two circles
wpªywa na rozmiar klastra
w przestrzeni parametrów, przetwarzanego na jeden okr¡g. Im jest wi¦kszy,
tym wi¦cej s¡siaduj¡cych skupisk trae« ª¡czy si¦ w jeden klaster. Przy jego
zmniejszaniu mo»liwe jest wykrycie wielu okr¦gów o ±rodkach poªo»onych
blisko siebie.
Threshold for edge detector decyduje o czuªo±ci operatora wykrywa-
j¡cego punkty uwa»ane za kraw¦dziowe.
Quality Threshold for detected circles
decyduje o liczbie trae«
niezb¦dnych do uznania, »e okr¡g zostaª wykryty.
Wykrycie okr¦gów speªniaj¡cych wybrane kryterium selekcji jest sygnalizowane liczb¡ binarn¡ na wyj±ciu typu
DB.
Kryterium na rys. 5 pozwala
okre±li¢ obszar, w którym powinien si¦ znale¹¢ ±rodek okr¦gu oraz zakres
akceptowalnych warto±ci promienia.
Odmienne kryterium selekcji stanowi¢ mo»e liczba znajdowanych okr¦gów
(rys. 6).
Rysunek 6: Kongurowanie liczby wykrywanych okr¦gów
Wyj±cie bloku
Detect Hough Lines
(typu
IMG)
zawiera obraz wej-
±ciowy z wrysowanymi kolorem czerwonym odcinkami b¦d¡cymi wynikiem
detekcji. Parametry tego bloku przedstawiono na rys. 7.
5
Rysunek 7: Kongurowanie bloku Hough Lines
Quality Threshold
decyduje o liczbie trae« niezb¦dnych do uznania,
»e odcinek zostaª wykryty.
Minimal Length
oznacza najmniejsz¡ dopuszczaln¡ dªugo±¢ wykrywa-
nego odcinka.
Maximum tolerable gap
oznacza dªugo±¢ najwi¦kszej akceptowalnej
przerwy pomi¦dzy wykrytymi fragmentami linii, która zostanie zignorowana
(fragmenty zostan¡ poª¡czone w jeden odcinek).
Wykrycie odcinków speªniaj¡cych wybrane kryterium selekcji jest sygnalizowane liczb¡ binarn¡ na wyj±ciu typu
DB. Kryterium selekcji jest formu-
ªowane przez podanie koªowych obszarów poªo»enia ko«ców akceptowalnego
odcinka, zadawanych przez wspóªrz¦dne ich ±rodka i promie«.
3
Zadania do wykonania
1. Wykona¢ progowanie obrazu dobieraj¡c próg na podstawie histogramu.
Porówna¢ wyniki dla obrazu oryginalnego i zaszumionego addytywnie.
Sprawdzi¢ wpªyw zastosowania ltracji dolnoprzepustowej przed progowaniem na jego wynik.
2. Znale¹¢ kraw¦dzie przy pomocy progowania normy gradientu Sobela
6
dla wybranych obrazów. Porówna¢ uzyskane wyniki z rezultatami operatora Canny. W obu przypadkach zaobserwowa¢ wpªyw zastosowanych
parametrów na wynik detekcji.
3. Wykorzysta¢ transformacj¦ Hougha do wykrywania na obrazach odcinków linii prostych i okr¦gów. Zaobserwowa¢ wpªyw doboru parametrów na wynik detekcji. Uwaga: wyj¡tkowo w tym przypadku zaleca si¦
wykorzysta¢ obrazy barwne (tylko ze wzgl¦du na sposób wizualizacji
wyników).
4
Uwagi pomocnicze
1. Operator progowania:
F ilters and Color Conversion → T hreshold;
2. Operatory do wykrywania kraw¦dzi:
Gradients, Edges and Corners → [Sobel, Canny];
3. Operatory do wyliczania norm:
M ath F unctions → [P ower, Sqrt];
4. Transformacja Hougha:
F eature Detection → [Detect Hough Lines, Detect Hough Circles].
5. Przykªadowe obrazy do transformacji Hougha:
/usr/share/harpia/cantata/[miniauto.png, rover.png]
/usr/share/harpia/hough/*.png
5
Forma sprawozdania
Analogicznie jak w ¢wiczeniu EX0, zamieniaj¡c w odpowiednich miejscach
EX0 na EX5.
Marek Wnuk
7