[6] 영상분할(Segmentation, 영상기반 처리기법)

목표

• Image segmentation의 목적 및 필요성

• Image segmentation 방법

---

• Image Segmentation

    => 전체 영상을 객체 또는 의미 있는 객체의 일부 영역의 집합으로 구 분하는 과정

• Categories of image segmentation techniques

    => 영역 기반 기법Region-based Segmentation

    => 군집화 기반 기법Clustering Techniques

    => 경계 검출Boundary Detection

• Connectivity Types

    => 픽셀 간의 연결 여부 나타냄

    => 4, 8 and 6-연결성connectivity

---

목차

• 목적(Goal)

    => 전체 영상을 객체 또는 의미 있는 객체의 일부 영역 집합으로 구분

 

• 필요성(Need)

    => 영상에 포함된 객체나 관심 영역에 대한 구분

    => 픽셀 단위가 아난 고수준에서의 영상 처리 수행 가능

 

• 기본 방법들(Basic methodologies of image segmentation)

    => 영역 내부의 유사성 측정(Measure of homogeneity)

    => 영역간의 차이 측정(Measure of contrast)

    ===> 밝기, 색, 질감 등의 특징을 사용

 

• 고려 요소

    => 노이즈 (Noise)

    => 연결성 (Connectivity)

         - 공간적으로 디지털화한 결과에서 기인함.

 

---

Connectivity (연결성)

 

• 인접한 픽셀의 연결 여부를 결정
• 연결성 유형 (Connectivity Types)

    => 4-연결성 (4 - connectivity) : 4개만 연결되었다.

    => 8-연결성 (6 - connectivity)

    => 6-연결성 (8 - connectivity)

 

* 4연결과 8연결이 많이 쓰인다.

 

 

 

 

 

 

---

Image Segmentation의 기법

전통적인 기법들 (Classical techniques)

 

• 영역 기반 기법 (Region based Segmentation)

• 군집화 기반 기법 (Clustering based Techniques)

• 경계 검출 (Boundary Detection)

---

영역 기반 기법 (Region based Segmentation)

기본적인원칙은 영역과 영역은 겹치지 않고 모든 영역을 합치면 전체영상이 된다. (P: 영역의 특성)

 

 

영역 확장 (Region Growing) 기법

• 목적 (Goals)

    => 사전에 정해진 유사도 측정 방법을 기반으로 주변 pixels 혹은 subregions을 병합하여 보다 큰 영역을 형성

 

• 주요사항

   => 유사도기준 (Similarity criteria)선택

   => 시작점(seed) 선택

   => 정지 규칙(stop rule) 결정

   => 연결성 유형 (Connectivity Types) 선택

 

Algorithm

• 유사도 측정 방법 결정

    - 유사도 측정에 사용할 특징 정의

    - 유사도 기준(similarity criteria) 선택

• 하나 이상의 시작점(seed) 선택

• 시작점의 이웃 픽셀에 대해 유사도 측정을 수행

• 유사도 측정을 통과하면 해당 픽셀을 시작점으로 추가

• 인접한 모든 픽셀에 대해 단계 3과 4를 반복 수행

적용된 결과

(빨간색 점: 시작점)

 

분할 합병 (Splite and Merge) 기법

• 목적

    => 영상을 겹치지 않는 영역으로 구분한 후 영상 분할의 기본 원칙을 만족하도록 각 영역을 반복적으로 분할 또는             합병수행

• 주요사항

   => 유사도기준 (Similarity criteria)선택

   => 정지 규칙(stop rule) 결정

   => 주로 4분-트리(quad-tree)를 사용하여 영역 구조를 표현

 

Algorithm

적용된 결과

---

워터세드 (watershed) 용어 정리

 

Watershed

: 영상의 픽셀값을 height로 생각하고 영상을 2차원 지형으로 가정하고 물을 채웠을때 하나의 윤곽선으로 둘러싸여진 웅덩이 분할된 영역으로 분할하는 기술이라 말할 수 있다.

 

Catchment basin

: 객체 영역

 

Minina

: 집수 구역의 최저점

---

Watershed algorithm

• 전통적인 알고리즘 (Conventional watershed algorithm)

    => 그라디언트 영상 (gradient image)에 적용 (에지검출에 사용된다)

 

• 수정된 알고리즘 (Modified watershed algorithm)

    => 밝기 영상 (intensity image)에 적용 가능

 

 

Immersion simulation

Using Priority Queue

Watershed 예제

---

군집화 기법 (Clustering Techniques)

• 목적 (Goals)

    => 특징공간(Feature space)에서 군집화(Clustering)에 의해 영상분할(Segmentation) 수행

 

• 절차 (Process)

    => 입력 영상의 각 픽셀을 특징공간(feature space)로 mapping

    => 동질성을 이용해 각 점들을 해당 군집으로 구분

    => 입력 영상으로 inverse mapping

 

 

C-Means Clustering

[컬러 영상의 군집화 적용]

컬러공간에서 영역을 두개로 나누었다. ( 하나는 사과, 하나는 잎)

 

[그레이스케일 영상의 군집화 적용]

위 그림은 아래그림보다 경계가 불규칙하다. 아래 그림은 스무딩으로 노이즈 처리를 한 이미지다.

---

반복 임계화 기법(Recursive Thresholding Technique)

 

[임계값이 128 하나 일 때]

[임계값이 128, 216 두개 일 때]

---

연결요소 레이블링 (Connected Component Labeling)

 

Algorithm

=> 이진 영상에서 연결 요소에 대한 레이블을 할당

=> 4-연결성 사용

예제)

(각각을 레이블이라고 표현, 3과 1의 레이블은 동치다.)

 

 

 

• Reference

영상처리 및 패턴 인식 - 금오공과대학교 김성영