제 7 장 영상분할

정의 주요변수 문제점 무늬(texture) 영상의 구성 요소인 pixel을 분류하는 것 다양한 목적, 용도를 가지고 있음 물체의 크기와 형태를 알려면 object와 background의 2개를 우선분리 주요변수 영역의 균질성(homogeneous) pixel의 밝기, 색상등의 일관성(uniformity) 무늬(texture) 문제점 영상의 명확한 경계가 없다. 각 영상의 특징이 틀리므로 객관성이 떨어진다. 아직 범용적이지 못함.(컬러를 이용한 영상분할, 지식기반 영상분할등…)

분할의 단위 pixel단위 (일정한 특징을 가진 pixel을 연결) 경계선이 섬세하다. 처리시간이 많이 걸린다. block단위 (각 기본 블록 단위의 특징을 비교) 영역의 경계선 부분에서는 영역판단이 어려운 경우가 있다. 영역의 경계선은 블록 크기보다 높은 해상도로 구할 수 없다. 고속의 처리가 가능 Quad tree법 영상 전체를 시작점으로 하여 균일하지 않은 영역은 계속 세분화하고 마지막으로 균일한 영역이 되면 분할을 멈추고 동일 영역으로 정의. 효율성이 높다.

영역의 특징 픽셀 기준인 경우 pixel의 명암값 RGB 색상값 명암 그래디언트 거리정보(depth) 추출값 움직임 방향 vector 블럭 기준인 경우 블록 내 픽셀의 평균명암값 명도의 분산 파워 스펙트럼

영상 분할의 방법 입력 영상에 대해 클러스터링(clustering)을 이용한 방법  입력 영상 위에 직접 영역을 표시 Region growing 분할법 특징공간에 대한 클러스터링(clustering)을 이용한 방법  특징공간으로 이동해서 분할 후 , 다시 원 영상으로 역사상  히스토그램에 의한 방법 입력영상의 edge를 이용하는 방법  추출된 에지 정보만으로 닫혀진 폐곡선을 추출 후, 균일영역 정의

영상 분할의 방법 2 – 원영상과 특징공간의 관계

7.1 영역성장법(region growing) 방법: - 인접한 소 영역부터, 특징이 같은 영역을 조급씩 통합하면서 성장시켜, 최종적으로 영상전체를 분할하는 방법 - 영역 성장의 개시점, P  seed라고도 함 - P와 간의 유사도를 구한다. - 유사도가 어떤 임계치 보다 크면 동일 영역으로 간주

7.1 영역성장법(region growing) 문제점: - 인접한 화소의 값들이 매우 적게 지속적으로 변화하는 영상의 경우는 잘못된 분할을 할 수 있다. 보완방법: - 현재까지 통합된 영역전체의 평균특징을 이용하여, 다음 통합 대상인 픽셀의 정보와 비교하면 임계치 보다 큰 경계영역을 정할 수 있다.

7. 2 분할법 방법: - 전체영상을 개시점으로 하여 특징이 균일하지 않은 영역을 세분화하고, - 전체영상을 개시점으로 하여 특징이 균일하지 않은 영역을 세분화하고, 최종적으로는 모든 화소가 균일하게 된 영역에서 분할을 멈춘다. 적용예: - 4분기 쿼드트리(quad tree) 계측적인 처리에 적합, 일반적인 방법 각각의 노드가 최대 4개의 자식을 가진 tree로 표현하는 것 NW, SW, NE, SE 영상의 데이터 압축에도 사용

7.2 분할법

7.2 분할법의 예 TOP 분할된 사각형 영역내의 샘플화소들의 값이 모두 동일한 값으로 판명될 때까지 4분할을 계속한다. NW NE TOP SE NE NW SW SE NE NW SW SE NE NW SW SE NE NW SW SE SW SE 분할된 사각형 영역내의 샘플화소들의 값이 모두 동일한 값으로 판명될 때까지 4분할을 계속한다.

7.3 히스토그램을 이용한 분할 (1) 이진화(Thresholding) (X는 픽셀이 가진 특성) 7.3 히스토그램을 이용한 분할 이 방법을 잘 이해하기 위해 이진화가 중요!!!!! (1) 이진화(Thresholding) (X는 픽셀이 가진 특성) (특성을 화소값으로 하는 경우) 인 픽셀 집합을 object라 하고, 결과가 0인 집합을 background로 한다.

7.3 히스토그램을 이용한 분할 (2) 임계값 수에 따른 분류 1) 전체적인 임계값(단일 문턱치화) 영상 전체를 같은 임계치로 이진화 2) 국소적인 임계값(다중 문턱치화) 영상의 밝기가 일정하지 않은 경우, 여러 개의 블록으로 구분

7.3 히스토그램을 이용한 분할 (2) 임계값 수에 따른 분류

7.3 히스토그램을 이용한 분할 (2) 임계값 수에 따른 분류 -- 예

7.3 히스토그램을 이용한 분할 (3) Mode법- 명도가 넓은 영역에 걸쳐있는 경우는 항상 산과 계곡이 생긴다. 계곡에 해당하는 명도점을 이진화의 임계값으로 적용 노이즈가 많고 복잡한 영상에서는 적용 불리 Peakness & valleyness

7.3 히스토그램을 이용한 분할 (1) (3) (2) (1) (2) (3)의 길이가 모두 peakness로 정의되며, 이중 가장 큰 peakness 인 (2)가 2진화의 기준점인 B를 결정하기 위한 단서가 된다.

7.3 히스토그램을 이용한 분할 (4) 반복 임계값 결정 방법 (4) 반복 임계값 결정 방법 --대략적인 임계값에서 출발하여 점차 반복적으로 이 추정값을 향상

7.3 히스토그램을 이용한 분할

7.5 히스토그램을 이용한 분할 (5) 적응 이진화 방법(Adaptive Thresholding) --영상의 일부분에 대한 히스토그램을 가지고, 그 일부분만을 위한 임계값을 계산함.(전체에 균일한 임계칠를 적용하는 것이 불합리한 경우)

7.3 히스토그램을 이용한 분할 (6) 가변 이진화 방법(Variable Thresholding) --평균적인 명도가 변하고 있는 경우에 임계값을 부분영역별로 변화시켜 전체 화면을 처리 는 조명 변화계수

7.3 히스토그램을 이용한 분할 (7) 이중 이진화 방법(Double Thresholding) --2개의 임계값을 적용하여, 코어영역, 중간영역, 배경영역으로 구분

7.4 에지를 이용한 영상분할 - 기본 단계 그래디언트 연산자는 LPF의 효과가 있어서 윤곽선이 흐려지므로 세선화가 필요

7.4 히스토그램을 이용한 분할- 기본 단계 에지를 이용한 분할의 장점 입력영상의 방대한 픽셀 개수에 비하면 선분의 리스트는 데이터 감소가 크게 이루어진 결과임. 윤곽선에 대한 구조적인 기술을 얻을 수 있다.

7.4 히스토그램을 이용한 분할 - (1)윤곽선 점 검출 7.4 히스토그램을 이용한 분할 - (1)윤곽선 점 검출 그래디언트 연산 - 간단하고 안정적인 경계선 추출방법 명도차의 크기와 가장 큰 명도차의 방향 제시

7.4 히스토그램을 이용한 분할 - (1) 윤곽선 점 검출 간단한 예제 영상에 대한 그래디언트 결과 잡음에 대한 민감성을 완화하고 smoothing 효과를 위해서는 3*3 보다는 5*5 연산자가 유리. –LPF효과가 있음

7.4 히스토그램을 이용한 분할 – (2)윤곽선 향상 연산 물체의 윤곽선 부근의 그래디언트 크기는 산의 능선처럼 분포 정상 픽셀이란 국소적으로 가장 큰 그래 디언트 값을 갖는 픽셀. 정상 픽셀만 남기고 부근의 다른 픽셀은 제거하는 행위를 비극대 억제(non-maxima suppression) 에지의 세선화

7.4 히스토그램을 이용한 분할 – (3)윤곽선 향상 연산-세선화

7.4 히스토그램을 이용한 분할 – (3)윤곽선 향상 연산-세선화

7.4 히스토그램을 이용한 분할 – (4)윤곽선 점들의 연결 에지 연결- 윤곽선 점들을 모아서 점들의 좌표를 포함하는 리스트 작성 이웃 윤곽선점들을 찾는 방법– 현재점의 동쪽에 있는 점들로부터 시작해서 탐색은 시계 반대 방향으로 진행…. 탐색 도중에 만나는 첫번째 윤곽선 점이 다시 새로운 현재점이 됨. 이전 현재점은 현재 윤곽선 리스트에 좌표로 저장되고 입력영상에서 지워 짐.

7.4 히스토그램을 이용한 분할 – (4)윤곽선 점들의 연결

7.4 히스토그램을 이용한 분할 – (5) 윤곽선 근사 영상 분할의 다음은 특징 추출 단계.– 영역의 면적 등 제시 윤곽선에 대한 특징은 대개 구조적(선분의 평행선) 따라서… 윤곽선을 선분으로 기술하는 것이 필요 –윤곽선 근사. 방법: 윤곽선 점들과 선분 사이의 최대 거리가 허용치 안에 들어올 때까지 진행