Cechy obiektów przydatne przy rozpoznawaniu obrazu w czasie rzeczywistym

1. Cechy obiektów przydatne przy rozpoznawaniu obrazu w czasie rzeczywistym Paweł Kramarski Seminarium Dyplomowe Magisterskie 2

2. Etapy rozpoznawania obrazów • Dane wejściowe: obraz • Filtracja i segmentacja obrazu • Wyznaczanie cech obiektów z obrazu • Klasyfikacja: Przyporządkowanie obiektów do odpowiednich klas • Dane wyjściowe: informacja o przynależności obiektów do klas

3. Cechy obiektu • Powinny umożliwiać rozróżnienie obiektów należących do różnych klas • Powinny być niezmienne względem obrotów, przesunięć i przeskalowania obiektów • Mogą mieć postać: pojedynczej liczby, ciągu liczb, obrazu • Potencjalnie mamy nieskończenie wiele cech

4. Przestrzeń cech • Wektor w przestrzeni cech opisuje rozpoznawany obiekt • Każdy wymiar z przestrzeni odpowiada jednej cesze • Arbitralny dobór przestrzeni cech

5. Przykład

6. Klasyfikacja • Polega na określeniu miary przynależności nieznanego obiektu na podstawie jego wektora cech, pojęcie f-cji przynależności • Ustalenie parametrów klasyfikatora (uczenie klasyfikatora) wymaga stworzenia zbioru uczącego • Zbiór uczący powinien zawierać przykłady do nauki dla każdej z klas

7. Wyznaczanie cech • Dla cech opisujących kształt najczęściej operujemy na obrazach binarnych zawierających obiekt i tło • Obraz binarny jest uzyskany w wyniku obróbki wstępnej obrazu wejściowego • Jeśli na obrazie jest więcej obiektów do rozpoznania, przeprowadzana jest etykietyzacja obiektów

8. Rodzaje cech • Współczynniki kształtu • Momentowe • Szkieletowe

9. Współczynniki kształtu • Krańcowa redukcja ilości informacji zawartej w obrazie – pojedyncze wartości liczbowe opisujące kształt • Wady, zalety • Różne współczynniki w różnym stopniu są przydatne przy rozróżnianiu kształtu

10. Rodzaje współczynników kształtu • Cyrkularności • Malinowskiej • Blaira-blissa • Danielssona • Haralicka L- obwód rzutu obiektu S – pole rzutu obiektu r – odległość elementu pola ds od środka ciężkości obiektu l – minimalna odległość elementu ds od konturu obiektu d – odległość pikseli konturu obiektu od jego środka ciężkości n – liczba punktów konturu

11. Cechy momentowe • Moment geometryczny rzędu (p+q) • Moment centralny rzędu (p+q) – niezmienny względem przesunięcia gdzie

12. Cechy momentowe • Niezmienniki momentowe (niezmienne względem przesunięć, obrotów, zmiany skali) . . . . .

13. Cechy szkieletowe • Definicja szkieletu • Metody wyznaczania szkieletu

14. Definicja szkieletu • Szkielet obiektu opisany jest przez rozkład centrów maksymalnych dysków umieszczonych wewnątrz obiektu.

15. Przykłady

16. Przykłady

17. Wyznaczanie szkieletu • Za pomocą operacji ścieniania • Metoda „wypalania trawy” • Transformacja Osi Środkowej (Medial Axis Transform, MAT)

18. Metoda ścieniania Usuwanie kolejnych warstw punktów wzdłuż brzegu obiektu, dopóki nie zostanie tylko szkielet, przykłady elementów: lub i

19. Metoda „wypalania trawy” Przeglądanie konturu obiektu i przenoszenie „ognia” z punktów konturowych na punkty wewnętrzne Algorytm przedstawiony w 1989 roku: • Dodajemy do wszystkich punktów konturu liczbę 1

20. Metoda „wypalania trawy” • Śledząc kontur, zwiększamy o 1 wartość pikseli związanych z kolejnymi pikselami konturu, równocześnie zaznaczamy i pamiętamy piksele, które mają wartość 3, czyli tworzą szkielet

21. Metoda „wypalania trawy” • Przeglądamy cały kontur i usuwamy te piksele konturu, których wartość jest mniejsza od 3. Zapamiętujemy piksele szkieletu • Jeśli w ostatnim kroku zostały usunięte jakieś piksele, to przechodzimy do punktu drugiego

22. Metoda „wypalania trawy”

23. Transformacja Osi Środkowej (Medial Axis Transform, MAT) • Wyznaczana przy pomocy Transformacji Odległości • Szkielet stanowią tzw. lokalne maksima tej transformaty

24. Przykład

25. Transformacja odległości (Distance Transform) Każdy punkt obiektu przyjmuje wartość reprezentującą odległość tego punktu od krawędzi obiektu

26. Stosowane metryki • Euklidesa • Szachownicowa (Chess board) • Blokowa (City Block Distance, Manhattan)

27. Przykład

28. Przykład

29. Lokalne maksima tworzące szkielet

30. Dziękuję za uwagę