Grundlagen der Farbbildverarbeitung

Transkript

1 Grundlagen der arbbildverarbeitung Vorlesender: Dr.-Ing. Rico Nestler Skripte: PD Dr.-Ing. habil. K.-H. ranke U Ilmenau / akultät IA Institut für Praktische Informatik und Medieninformatik achgebiet Graphische Datenverarbeitung ZBS e.v., Werner-von-Siemens-Str. 10, Sekretariat, Monika Stübchen, el.: (03677) oder Sekretariat G GDV, rau ranziska Watterott, Zusebau, Zi. 2039, el.: (03677) CIELab arbraum grün - a* - b* blau L * weiß gelb + b* rot + a* el.: (03677) (03677) ax: (03677) Internet: rico.nestler@tu-ilmenau.de Licht und arbe schwarz Ilmenau, ISSN G

2 Impressum Herausgeber: Zentrum für Bild- und Signalverarbeitung e. V. Werner-von-Siemens-Straße 10, D Ilmenau el.: , ax: URL: Vorstandsvorsitzender: PD Dr.-Ing. habil. Karl-Heinz ranke Erscheinen: 4 bis 6 Schriften jährlich Die Vervielfältigung der Schriften ist zum persönlichen Gebrauch gestattet, wenn Deckblatt und Impressum ebenfalls kopiert werden und mit dem kopierten Exemplar verbunden bleiben. Weder die Autoren noch das ZBS e.v. übernehmen für fehlerhafte Angaben in den Schriften und deren unmittelbare und mittelbare olgen eine juristische Verantwortung oder Haftung. ISSN ISSN G

3 Wie sieht ein optimaler arbraum aus? Es sind viele unterschiedliche arbräume aus unterschiedlicher Motivation heraus entwickelt worden. Literaturreview: Zur Verarbeitung von arbbildern werden häufig mehr oder weniger willkürliche Kombinationen von arbmerkmalen eingesetzt. optimal? - Aussagen über die Eignung von arbmerkmalen unterschiedlich z.. widersprüchlich z.b. Ohlander verwendet R,G,B,Y,(R-Y),(B-Y),H,S,I. Er bezeichnet H als die brauchbarste Größe für die arbsegmentierung, Y sowie die arbdifferenzsignale dagegen als schlecht. z.b. Kender setzt sich mit den Problemen des HSI-Raumes (Instabilitäten) auseinander und hält deshalb die Helligkeit und die arbdifferenzsignale für die brauchbarsten Attribute. Auswahl optimaler arbmerkmale für die Segmentierung eine ganz wesentliche ragestellung, Lösungsansätze dafür: est unterschiedlicher vordefinierter Merkmalsätze vorab durch Auswahl aus bekannten arbmerkmalen und nachfolgender Maßzahl-Bewertung ( Diskriminanzanalyse) als impliziter Bestandteil des Verfahrens, z.b. rekursive Schwellensegmentierung nach Ohta, für jeden Segmentierungsschritt werden neue arbmerkmale ( PCA: KL) bestimmt ISSN G

4 Verfahren von Ohta: Hierarchisches Segmentieren nach dem op-down-prinzip arbbild aktuelle Regionenmaske vom Stack optimale arbraumtransformation Karhunen-Loeve-ransformation (KL) Histogramme der drei Kanäle auf Stack auf Stack Komponenten- Labeling a b Initialmaske neue Masken Schwellwertoperationen ISSN G

5 Verfahrensablauf 1. Laden des Bildmaskenstack mit einer Initialmaske (z.b. gesamtes arbbild) 2. Extraktion eines Segmentes aus dem arbbild mit aktueller Maske 3. Ermittlung der optimalen arbraumbeschreibung (arbwerte X i ) für das Segment, Histogrammanalyse / Schwellenextraktion 4. Pixelklassifikation durch Anwendung der ermittelten Schwellen 5. Extraktion neuer Segmente durch Zusammenhangsanalyse, Generierung einer neuen Segmentmaske 6. Ablage der Segmentmaske im Bildmaskenstack 7. weiter mit 2., bis keine Zerlegung mehr möglich ist. Ermittlung optimaler arbwerte für das zu zerlegende Segment im Schritt 3.: Große Diskriminanzkraft weisen in der Regel jene Merkmale auf, deren Varianz groß ist. Sollen 1D-Histogramme (Randdichten der 3D-Dichten) zur Schwellenextraktion für die Pixelklassifikation herangezogen werden, so liegt die vorherige Ausrichtung des Koordinatensystems (Berechnung der arbwerte) nach der Lage der Hauptachsen der arbverteilung des maskierten Bereiches (=Karhunen-Loeve-ransformation) im Basissystem nahe. in jedem Schritt wird somit ein optimaler arbraum zur Segmentierung berechnet ISSN G

6 1 KS = ( - ) ( - ) = ( - ) ( - ), i, j S aus maskiertem Segment n = KS = - n n n -1 i j i j i j Beschreibung eines Segmentclusters mittels Kovarianzmatrix KS: Die mittelpunktbezogene Menge der arbvalenzen des betrachteten Segmentes kann durch einen Ellipsoiden approximiert werden. -1 ( - KS ( - ) = K ) Von Interesse ist die Größe und Lage der Hauptachsen, d.h. mit den zentrierten arbvalenzen 0 des betrachteten Segmentes ist das Eigenwertproblem ( Eigenwerte, Eigenvektoren) zu lösen KS! ( KS - E ) = 0 det - E = 0 0 Eigenwerte Eigenvektoren KS = 1, 2, 3 mit i = { f Ri, f Gi, f Bi } i [1,3] ISSN G

7 Lösung: ransformationsmatrix von RGB in die arbwerte des optimalen arbraumes X i erhält man, indem man die Eigenvektoren als Zeilenvektoren nachfolgender Matrix auffasst. Zusammenfassung zum Ohta-Verfahren: X 1 f R1, f G1, f B1 R X = X 2 = f R2, f G2, f B2 G X f, f, f B 3 R3 G3 B3 Bekanntlich sind X 1, X 2, X 3 dekorreliert und X 1 ist das beste Merkmal im Sinne einer großen Streuung (λ 1 ist der größte Eigenwert) mit den besten Diskriminanzeigenschaften In jedem Schritt der Segmentierung erfolgt die Berechnung optimaler arbwerte X i für die nachfolgende Histogrammanalyse des jeweils maskierten eils des Ausgangsbildes Verfahrensweise ist sehr rechenaufwendig. Deshalb Experimente an typischem Bildmaterial und dann Verwendung eines festen Satzes für die einzelnen Segmentierungsstufen mit festen arbraumtransformationen aus der estphase. ISSN G