Görüntü Segmentasyonu
- FİGES AŞ
- MATLAB & SIMULINK
- Probleminizi Nasıl Çözeceğinizi Keşfedin
- Görüntü Segmentasyonu
Görüntü Segmentasyonu Nedir?
Görüntü segmentasyonu, bir görüntüyü genellikle görüntüdeki piksellerin özelliklerine göre birden fazla parçaya veya bölgeye ayırmak için dijital görüntü işleme ve analizinde yaygın olarak kullanılan bir tekniktir. Görüntü segmentasyonu, ön planı arka plandan ayırmayı veya renk veya şekil benzerliklerine dayalı olarak piksel bölgelerini kümelemeyi içerebilir. Örneğin, tıbbi görüntülemede görüntü segmentasyonunun yaygın bir uygulaması, bir görüntüdeki pikselleri veya bir hastanın beynindeki veya diğer organlarındaki bir tümörü temsil eden bir 3D hacmin voksellerini tespit etmek ve etiketlemektir.
Görüntü Segmentasyonu Neden Önemlidir?
Görüntü bölütleme için çeşitli algoritmalar ve teknikler, belirli bir uygulama alanındaki bölütleme problemlerini etkili bir şekilde çözmek için alana özgü bilgi kullanılarak yıllar içinde geliştirilmiştir. Bu uygulamalar arasında tıbbi görüntüleme, otomatik sürüş, video gözetimi ve makine görüşü yer almaktadır.
Tıbbi Görüntüleme
Kanser için tıbbi teşhis sırasında, patologlar doku tiplerini ayırt etmek için vücut dokusunu hematoksilen ve eozin (H&E) ile boyarlar. Daha sonra görüntülerindeki bu doku türlerini tanımlamak için kümeleme adı verilen bir görüntü segmentasyon tekniği kullanırlar. Kümeleme, bir sahnedeki nesne gruplarını ayırmak için kullanılan bir yöntemdir. K-ortalamalar kümeleme algoritması, her kümedeki nesnelerin birbirine mümkün olduğunca yakın ve diğer kümelerdeki diğer nesnelerden mümkün olduğunca uzak olacak şekilde ayrımlar bulur.
K-ortalamalar kümeleme algoritması, her kümedeki nesnelerin birbirine mümkün olduğunca yakın ve diğer kümelerdeki diğer nesnelerden mümkün olduğunca uzak olacak şekilde ayrımlar bulur. Ayrıca bkz. Tıbbi Görüntü Segmentasyonu.
Hematoksilen ve eozin (H&E) ile boyanmış bir vücut dokusu görüntüsünde (üstte) doku tiplerini (altta) ayırt etmek için kümelemeyi kullanma.
Otonom Sürüş
Sürücüsüz otomobiller gibi otonom araçlar için algı tasarlarken, anlamsal segmentasyon, sistemin yoldaki araçları ve diğer nesneleri tanımlamasına ve bulmasına yardımcı olmak için yaygın olarak kullanılmaktadır.
Görüntünün her pikselini bir sınıf etiketiyle (araba, yol, gökyüzü, yaya veya bisiklet gibi) ilişkilendirmek için anlamsal segmentasyonu kullanma.
Görüntü Segmentasyonu Nasıl Çalışır?
Görüntü segmentasyonu, bir görüntünün bir maske veya etiketli bir görüntü ile temsil edilen piksel bölgeleri koleksiyonuna dönüştürülmesini içerir. Bir görüntüyü bölümlere ayırarak, tüm görüntüyü işlemek yerine görüntünün yalnızca önemli bölümlerini işleyebilirsiniz.
Yaygın bir teknik, genellikle bir bölgeyi tanımlayan kenarları gösteren piksel değerlerindeki ani süreksizlikleri aramaktır.
Bir görüntüdeki metnin okunabilirliğini iyileştirmek amacıyla ikili görüntüye dönüştürmek için eşiklemeyi kullanma.
Belirli uygulama alanlarındaki segmentasyon problemlerini etkili bir şekilde çözmek için alana özgü bilgi kullanılarak yıllar içinde görüntü segmentasyonu gerçekleştirmek için çeşitli başka yaklaşımlar geliştirilmiştir.
MATLAB ile Görüntü Segmentasyonu
MATLAB® ile şunları yapabilirsiniz:
- Farklı segmentasyon tekniklerini etkileşimli olarak keşfetmek için uygulamaları kullanın
- Yerleşik görüntü segmentasyon algoritmalarını kullanarak görüntü analizi iş akışlarını basitleştirin
- Görüntü segmentasyonu için derin öğrenme gerçekleştirin
Görüntüleri Etkileşimli Olarak Eşiklemek için Uygulamaları Kullanma
Image Segmenter Uygulaması
Etkileşimli Image Segmenter uygulamasını kullanarak, istediğiniz sonucu elde etmeden önce bir görüntüyü segmentlere ayırmak için çeşitli yöntemleri yinelemeli olarak deneyebilirsiniz. Örneğin, bir dizin MRI görüntüsünün sonuçlarını farklı yöntemlerle segmentlere ayırmak ve daha da iyileştirmek için uygulamayı kullanabilirsiniz.
Color Thresholder Uygulaması
Bu Color Thresholder uygulaması, farklı renk uzaylarına dayalı olarak görüntülerin rengini etkileşimli bir şekilde değiştirerek renkli görüntülere eşikleme uygulamanıza olanak tanır. Örneğin, renkli bir görüntü için nokta bulutu kontrollerini kullanarak ikili bir maske oluşturmak için Color Thresholder uygulamasını kullanabilirsiniz.
Ön plandaki kuşları arka plandan ayırmak için renk segmentasyonu uygulamak üzere Color Thresholder Uygulamasını kullanma.
Çeşitli Görüntü Segmentasyon Tekniklerinin Kullanılması
MATLAB ve Image Processing Toolbox™‘taki fonksiyonlar sayesinde eşikleme, kümeleme, grafik tabanlı segmentasyon ve bölge büyütme gibi farklı görüntü segmentasyon tekniklerini deneyebilir ve bu konularda uzmanlaşabilirsiniz.
Eşikleme
Otsu’nun yöntemini kullanan imbinarize, ikili bir görüntü oluşturmak için 2D veya 3D gri tonlamalı görüntü üzerinde eşikleme gerçekleştirir. RGB renkli bir görüntüden ikili görüntü üretmek için, önce görüntüyü gri tonlamalı bir görüntüye dönüştürmek üzere rgb2gray kullanın.
Renkli bir görüntüyü ikili görüntüye dönüştürmek için eşiklemeyi kullanma.
Kümeleme
Bu teknik, belirli bir kümeleme algoritması kullanarak bölümlere ayrılmış etiketli bir görüntü oluşturmanıza olanak tanır. K-ortalamalar kümeleme tabanlı segmentasyonu kullanan imsegkmeans, bir görüntüyü K sayıda kümeye böler.
Zemindeki desenli arka planı ayırmak için kümeleme tekniği.
Grafik Tabanlı Segmentasyon
Lazy-snapping gibi grafik tabanlı segmentasyon teknikleri, bir görüntüyü ön plan ve arka plan bölgelerine ayırmanızı sağlar. MATLAB, bu segmentasyonu görüntünüz üzerinde programlı olarak (lazysnapping) veya Image Segmenter uygulamasını kullanarak etkileşimli olarak gerçekleştirmenizi sağlar.
Ön plan ve arka plan bölgelerini ayırmak için tembel kaydırma.
Grafik tabanlı segmentasyonu etkileşimli olarak uygulamak için Image Segmenter uygulamasını kullanma.
Bölge Büyütme
Bölge büyütme, basit bir bölge tabanlı (piksel tabanlı olarak da sınıflandırılır) görüntü segmentasyon yöntemidir. Yaygın olarak kullanılan bir algoritma, ilk tohum noktalarının komşu piksellerini inceleyen ve piksel komşularının bölgeye eklenip eklenmeyeceğini yinelemeli olarak belirleyen activecontour’dur. Bu segmentasyonu Image Segmenter uygulamasını kullanarak görüntüler üzerinde de gerçekleştirebilirsiniz.
Bölge büyütme gerçekleştirmek için Image Segmenter uygulamasını kullanma.
Görüntü Segmentasyonu için Derin Öğrenme
Konvolüsyonel sinir ağlarını (CNN’ler) kullanarak, semantik segmentasyon adı verilen bir derin öğrenme tekniği, bir görüntünün her pikselini bir sınıf etiketi ile ilişkilendirmenizi sağlar. Anlamsal segmentasyon uygulamaları arasında otonom sürüş, endüstriyel denetim, tıbbi görüntüleme ve uydu görüntüsü analizi yer almaktadır.
Anlamsal segmentasyon tekniğinin şeması.
MATLAB kullanarak, bir görüntü koleksiyonu ve bunlara karşılık gelen etiketli görüntülerle anlamsal segmentasyon ağları tasarlayabilir ve eğitebilir ve ardından yeni görüntüleri etiketlemek için eğitilmiş ağı kullanabilirsiniz. Eğitim görüntülerini etiketlemek için Image Labeler, Video Labeler veya Ground Truth Labeler uygulamalarını kullanabilirsiniz.
Anlamsal segmentasyon gerçekleştirmek için Ground Truth Labeler uygulamasını kullanma.