Documente Academic
Documente Profesional
Documente Cultură
1. Consideratii generale
Obtinerea unei descrieri pentru imaginea supusa analizei presupune realizarea unei
operatii de segmentare a imaginii. Aceasta consta in descompunerea imaginii intr-un numar de
regiuni disjuncte, fiecare avand un anumit grad de omogenitate in raport cu o anumita
proprietate: nivel de gri, culoare, textura, modulul gradientului functiei imagine, etc.
Realizarea unei segmentari corecte si complete in care regiunile separate pot fi puse direct in
corespondenta cu un anumit obiect din imagine sunt dificil de realizat. Pentru a descrie corect
obiectele din imagine procesul de segmentare trebuie sa faca apel la o serie de informatii
suplimentare legate de tipul imaginii de segmentat si sa coopereze cu alte module de nivel
inalt utilizate ulterior segmentarii in analiza imaginii. În cele mai multe cazuri insa procesul
segmentarii imaginii poate fi dus la bun sfarsit utilizand tehnici de procesare de nivel scazut.
Astfel de situatii sunt cele in care imaginea consta dintr-un numar de obiecte situate pe un
fond uniform fata de care exista o diferenta mare de contrast (de exemplu obiectele situate pe
o linie de asamblare, caracterele dintr-un fragment tiparit, s.a.). Pentru imagini de acest tip
operatia de segmentare poate fi realizata in mod global, fara a corela rezultatele obtinute cu o
serie de cunostinte apriorice referitoare la obiectele din imagine.
2. Binarizarea imaginii
(1)
Asa dupa cum se poate vedea din relatia de mai sus operatia de binarizare are un
caracter local. Noua valoare asociata pixelului curent supus analizei depinde numai de
valoarea pragului si de valoarea nivelului de gri propriu; alti factori cum ar fi pozitia sa sau
valorile nivelului de gri dintr-o vecinatate a sa nu sunt luati in consideratie. O astfel de schema
de binarizare este avantajoasa din punct de vedere computational (pentru o imagine de
dimensiune NxN sunt necesare O(N 2) operatii), usor de implementat si testat. Ea este
adecvata insa pentru o clasa relativ restransa de imagini pentru care separarea intre obiecte si
fond este suficient de neta iar obiectele au caracteristici de culoare similare.
Alegerea unui prag de binarizare corect este esentiala pentru a obtine rezultate in
concordanta cu formele din imagine. Acest prag poate fi ales interactiv sau poate fi determinat
utilizand diferite proceduri de tipul celor discutate mai jos. Variatii relativ mici ale valorii
pragului de binarizare pot influenta semnificativ rezultatul binarizarii. Astfel de situatii sunt
prezentate in fig. 1c, 1d. În figura 1c alegerea unui prag prea scazut pentru binarizare duce la
clasificarea multor pixeli de fond ca pixeli obiect. În fig. 1d, cand pragul de binarizare are o
valoare prea mare, se poate constata ca o parte din zonele apartinand obiectelor au fost
omise.
În multe imagini, nivelul de gri (stralucirea) obiectelor din scena are o variatie mai
pronuntata. Astfel de cazuri sunt frecvent intanite atunci cand iluminarea nu este uniforma,
exista umbriri sau cand dispozitivul de captare are o sensibilitate variabila in zona de formare
a imaginii. Alegerea unui prag variabil de binarizare care sa depinda de pozitia in imagine sau
de gradul de iluminare poate fi o solutie in aceste situatii. O metoda din aceasta categorie
presupune divizarea imaginii intr-un numar de cadrane distincte si determinarea unui prag de
binarizare pentru fiecare subregiune in parte. In cazul in care histograma unei regiuni nu are
un caracter bimodal, pragul asociat este calculat prin interpolarea celor invecinate.
Segmentarea imaginii prin binarizarea functiei nivel de gri este numai una dintre
posibilitatile de urmat in procesul analizei. Algoritmii de binarizare pot fi aplicati in acelasi mod
si pentru cazul in care functia imagine, f(i, j), denota o alta proprietate a scenei analizate:
modulul gradientului nivelului de gri, caracteristica de tip textura, varianta a nivelului de gri,
etc.
/* determina pragul de binarizare T in asa fel incat un procent dat de Percent din */
/* totalul pixelilor din imagine sa aiba nivelul de gri mai mare ca pragul gasit */
return (PIXEL)i;
case IDM_PERCENT:
Se poate observa ca cele doua grupari nu sunt complet separate. Între cele doua
varfuri ale gruparilor exista populatii de pixeli care ocupa nivelele de gri intermediare rezultate
probabil din zonele situate in apropierea frontierei obiect – fond. În aceste zone, trecerea de la
un nivel de gri la altul nu se face abrupt datorita efectului de atenuare introdus de senzor si
deci existenta unui numar de pixeli avand valori intermediare intre cele de fond respectiv
obiect este de asteptat.
Alegerea unui nivel de prag corespunzator valorii de minim aflate intre cele doua maxime
ale histogramei ar putea constitui un criteriu acceptabil din punct de vedere intuitiv. Practic,
aceasta valoare de minim nu este usor de determinat, cateva dintre motive fiind enumerate
mai jos:
a) zona cuprinsa intre cele doua maxime este suficient de intinsa si nu permite localizarea
precisa a pozitiei de minim;
b) exista mai multe puncte de minim local; alegerea celui mai bun dintre aceste minime nu
se poate face pe baza unui criteriu bine motivat;
c) histograma imaginii are o alura zgomotoasa ceea ce ingreuneaza procesul detectarii unei
valori de minim semnificativ (situata dincolo de valoarea unui prag de zgomot).
d) exista posibilitatea ca cele doua grupari sa se suprapuna in asa fel incat zona convexa
situata intre cele doua maxime sa dispara.
f) histograma poate avea un caracter multimodal; nu exista in acest caz un criteriu pentru
alegerea unuia dintre minimele existente in imagine.
Vom presupune mai intai ca dorim clasificarea celor MxN pixeli in doua clase: C1 -clasa
pixelilor obiect, C2 -clasa pixelilor de fond. Fiecare nivel de prag t determina separarea
pixelilor din imagine in doua grupuri. Omogenitatea fiecarui grup poate fi caracterizata de
varianta grupului. Cu cat cele doua grupuri separate sunt mai omogene cu atat mai mult se
poate presupune ca separarea facuta este corecta. Criteriul propus are in vedere minimizarea
unei sume ponderate a variantelor grupurilor separate.
Fie t un nivel de prag oarecare ce separa cele doua grupuri. Putem caracteriza
probabilitatea de aparitie a fiecarui grup, q1(t), q2(t), folosind informatiile date de histograma
astfel:
(3)
, iar mediile respectiv variantele celor doua grupuri, 1(t), 2(t), 12(t), 22(t) prin:
(4)
(5)
Algoritmul de gasire a nivelului optim de prag poate utiliza direct relatiile (3) - (5) in
forma prezentata pentru o cautare exhaustiva a valorii t ce minimizeaza w2(t) intre cele G
nivele de gri. O varianta mai eficienta de implementare bazata pe un calcul recursiv a valorilor
de mai sus este prezentata in curs.
1. alege o valoare initiala pentru pragul t; valorile uzuale ce pot fi folosite sunt media
nivelului de gri din imagine sau (g max+gmin)/2, unde gmax, gmin sunt valorile maxime
respectiv minime ale nivelului de gri;