Graphische Datenverarbeitung und Bildverarbeitung

Transkript

1 Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Segmentierung Graphische DV und BV, Regina Pohle, 13. Segmentierung 1 Einordnung in die Inhalte der Vorlesung Einführung mathematische und allgemeine Grundlagen Hardware für Graphik und Bildverarbeitung Graphische Grundalgorithmen (Zeichnen graphischer Primitive, Methoden für Antialaising, Füllalgorithmen) Bildaufnahme (Koordinatensysteme, Transformation) Durchführung der Bildverarbeitung und -analyse Fourier-Transformation Bildrekonstruktion und Bildrestauration Bildverbesserung (Grauwertmodifikation, Filterverfahren) Segmentierung Morphologische Operationen Merkmalsermittlung und Klassifikation Erzeugung von Bildern in der Computergraphik Geometrierepräsentationen Clipping in 2D und 3D Hidden Surface Removal Beleuchtungsberechnung Shading Schattenberechnung Volumenrendering als Beispiel für die Nutzung beider Gebiete Graphische DV und BV, Regina Pohle, 13. Segmentierung 2

2 Wiederholung wichtiger Begriffe Rangordnungsfilter Adaptive Filter Kantenfilter für erste und zweite Ableitung Graphische DV und BV, Regina Pohle, 13. Segmentierung 3 Einordnung der Segmentierung in den Ablauf des Bildanalyseprozesses Bildvorverarbeitung Bildrekonstruktion Patient Segmentierung Bildaufnahme Klassifikation Diagnose / Objektklasse Graphische DV und BV, Regina Pohle, 13. Segmentierung 4

3 13. Segmentierung Zerlegung eines Bildes in semantische Einheiten (d.h. in Strukturen, denen eine Bedeutung zugeordnet werden kann). Segmente und nicht die Pixel sind die Träger der Bedeutung von Strukturen in einem Bild. Graphische DV und BV, Regina Pohle, 13. Segmentierung 5 Segmentierung Übergang von der rein numerischen Darstellung des Bildes in einer Grauwertmatrix zu einer symbolischen Darstellung, nur einfache Objekte (Punkt, Fläche, Linie) werden extrahiert Datenreduktion: Grauwertbild Binärbild Kontur Grundlegende Ansätze: datenbasierte Segmentierung : Homogenitätsbedingung ist vom Bildinhalt unabhängig Modellbasierte Segmentierung: Zwitter zwischen Segmentierung und Analyse Graphische DV und BV, Regina Pohle, 13. Segmentierung 6

4 Segmentierung = Zerlegung des Bildes in Teilbereiche Zerlegung des gesamten Bildes Segmentierung von einzelnen Objekten Graphische DV und BV, Regina Pohle, 13. Segmentierung 7 Für die Segmentierung gilt: jedes Pixel gehört zu einer Region Segmentierung ist vollständig ein Pixel kann nicht zwei verschiedenen Regionen angehören Segmente sind überdeckungsfrei für jede Region gilt ein Homogenitätskriterium Regionen sind maximal jedes Segment bildet ein zusammenhängendes Gebiet Graphische DV und BV, Regina Pohle, 13. Segmentierung 8

5 13.1 Datenbasierte Segmentierungsmethoden Histogrammbasierte oder bildbasierte Segmentierung: Segmentzugehörigkeit wird anhand des Histogramms oder des Bildes entschieden histogrammbasiert bildbasiert regionenorientiert kantenorientiert Regionen- oder Kantenorientierung: Segmente werden durch ihre Grenzen oder ihr Inneres definiert Graphische DV und BV, Regina Pohle, 13. Segmentierung Histogrammbasierte Segmentierung Annahme: Bild besteht aus zwei Anteilen (Vordergrundobjekte und Hintergrund), die sich durch ihren Grauwert unterscheiden. Aufgabe: Finde einen Schwellenwert (Threshold) zwischen den beiden Grauwerten. Schwellenwerte: g(i,j) = 1, falls f(i,j)>thr 0, sonst Graphische DV und BV, Regina Pohle, 13. Segmentierung 10

6 Histogrammbasierte Segmentierung Gestaltbasierte Techniken Wahl des Minimums zwischen zwei Maxima als Schwellwert Dreieck-Algorithmus (Zack) - Ermittlung der Linie zwischen dem Maximum im Histogramm und dem kleinsten oder größten im Bild vorkommenden Grauwert - Bestimmung des Abstandes zwischen der Linie und dem Histogramm h(g) für alle Grauwerte mit g min <g< max bzw. g> max >g max - Auswahl des Grauwertes als Schwellenwert für den sich größter Abstand ergab - Vorteil: Lücken im Histogramm sind nicht so störend Graphische DV und BV, Regina Pohle, 13. Segmentierung 11 Histogrammbasierte Segmentierung Gestaltbasierte Techniken Verbesserung der Möglichkeit einer Histogrammauswertung durch Laplace-Filterung Ausblenden der homogenen Gebiete, da sonst Objekte mit geringem Flächenanteil nicht im Histogramm wahrnehmbar sind (Analyse der Randgebiete) f(x) Bildzeile x f (x) x f (x) x Graphische DV und BV, Regina Pohle, 13. Segmentierung 12

7 Weitere Möglichkeiten zur einfachen Schwellenwertbestimmung Nutzung des mittleren Grauwertes, wenn sichergestellt ist, dass beide Anteile gleich häufig im Bild auftreten Berücksichtigung des prozentualen Anteils der Objekte (Ermittlung des Schwellenwertes aus dem Summenhistogramm) Graphische DV und BV, Regina Pohle, 13. Segmentierung 13 Inadäquates Thresholding Graphische DV und BV, Regina Pohle, 13. Segmentierung 14

8 13.3 Shading Helligkeitsvariationen zerstören die bimodale Verteilung der Häufigkeiten. Schwellenwert ist nicht mehr für das gesamte Bild definierbar. Graphische DV und BV, Regina Pohle, 13. Segmentierung 15 Berücksichtung von Shading Leerbild unter gleichen Bedingungen aufnehmen Ableitung der Shadingfunktion s(i,j), Korrektur der Helligkeitsveränderung: f (i,j)=f(i,j) s(i,j) Shading-Bild aus dem Bild selbst bestimmen Verwendung lokaler Schwellenwerte Graphische DV und BV, Regina Pohle, 13. Segmentierung 16

9 Bestimmung des Shadingbilds Falls die überwiegende Mehrzahl des Bildes aus Vorder- oder Hintergrundpixeln besteht, kann das Shadingbild durch einem Rangordnungsfilter erzeugt werden. Der Rangordnungsfilter muss mindestens so groß sein, dass immer mindestens ein Vorder- bzw. Hintergrundpixel enthalten ist Maximumsfilter Graphische DV und BV, Regina Pohle, 13. Segmentierung 17 Shading-Korrektur Berechne aus dem Hintergrundbild Shadingfunktion s(i,j) Korrektur: f (i,j)=f(i,j) s(i,j) Segmentierung auf dem korrigierten Bild: ohne Korrektur mit Korrektur Graphische DV und BV, Regina Pohle, 13. Segmentierung 18

10 Variierende Schwelle Schwellenwert 172 Histogramm Lokale Schwellenwerte aus Histogrammen in Teilregionen (Lineare) Interpolation von Schwellenwerten T(i,j) an allen anderen Punkten. Segmentierung durch f(i,j)>t(i,j). Graphische DV und BV, Regina Pohle, 13. Segmentierung Region Labeling Schwellenwert zerlegt das Bild in Vordergrund- und Hintergrundsegmente. Region Labeling bestimmt Ort und Anzahl aller zusammenhängenden Gebiete im Binärbild b: region.initialise() // Region der Größe M,N erzeugen und label=1 for (i,j) = 0, (M,N) do // mit Null initialisieren, Startlabel=1 // Doppelschleife über i und j if region.labels(i,j) = 0 then // dieser Ort ist noch nicht Teil einer Region label = label+1 // neues Label vergeben region.flood_fill(i,j,label) // zusammenhängendes Gebiet um (i,j) mit Label füllen Graphische DV und BV, Regina Pohle, 13. Segmentierung 20

11 13.5 Bildbasierte Segmentierung Segmentierung nach Homogenität im Inneren des Segments (regionenbasierte Segmentierung) oder Inhomogenität an dessen Rand (Kantenbasierte Segmentierung) Merkmale für Homogenität bzw. Inhomogenität bestimmen das Resultat Graphische DV und BV, Regina Pohle, 13. Segmentierung Regionen: Split & Merge-Algorithmus Startbedingung: Das gesamte Bild ist ein Segment. Ein Segment wird solange in 4 Untersegmente zerlegt, wie es ein gegebenes Homogenitätskriterium nicht erfüllt Benachbarte Segmente werden zusammenfasst, wenn sie auch nach der Zusammenfassung das Homogenitätskriterium erfüllen. Resultat ist eine vollständige, überdeckungsfreie Zerlegung des Bildes (Segmentierung gemäß Definition) Graphische DV und BV, Regina Pohle, 13. Segmentierung 22

12 Zerlegungsschritt Zerlegung terminiert spätestens auf Pixelebene. Problem: Datenstruktur zur Dokumentation der aktuellen Zerlegung Graphische DV und BV, Regina Pohle, 13. Segmentierung 23 Zerlegungsschritt (Quad-Tree Repräsentation) 1.Schritt 2.Schritt 3.Schritt Der Wert des Homogenitätsmerkmals einer Region wird im entsprechenden Blatt des Quadtrees abgelegt 4.Schritt Graphische DV und BV, Regina Pohle, 13. Segmentierung 24

13 Merging Die Entscheidung über eine Zusammenfassung von Segmenten erfolgt durch Traversierung des Zerlegungs-Quadtrees Traversierung Graphische DV und BV, Regina Pohle, 13. Segmentierung 25 Split & Merge Split Split Merge Merge Merge-Versuch erfolgt nach jeder Zerlegung zwischen allen benachbarten und homogenen Regionen. Graphische DV und BV, Regina Pohle, 13. Segmentierung 26

14 Split & Merge Resultat: Zerlegung des gesamten Bilds in Regionen. Homogenitätsmerkmale: gleicher Grauwert gleicher Grauwertbereich (Varianz) Probleme: Merge-Schritt ist bei relativen Homogenitätsmerkmal nicht immer eindeutig. Regionen werden nicht von vornherein nach Wichtigkeit unterschieden (echte Segmentierung) Graphische DV und BV, Regina Pohle, 13. Segmentierung 27 Zusammenfassung Schwellenwertsegmentierung Region Labelling Shadingkorrektur Bildbasierte, regionenorientierte Segmentierung: Split&Merge Graphische DV und BV, Regina Pohle, 13. Segmentierung 28