¿Qué es Segmentación de imagen?

Descomponga la imagen en algunas partes específicas (regiones u objetos) con propiedades similares y utilice estas partes para analizar y describir la imagen. Una imagen a menudo contiene muchos tipos diferentes de áreas, como objetos, entornos y fondos.

Un método importante de análisis de imágenes es utilizarlos como componentes básicos para describir imágenes. Por ejemplo, para detectar la forma de colisión de partículas en la imagen de la cámara de burbujas y determinar su ubicación, es necesario segmentar la trayectoria de la burbuja y sus puntos finales en la imagen. Para reconocer una cadena de caracteres del texto de entrada, primero separe cada carácter del fondo y otros caracteres.

Por lo tanto, la imagen se divide en varias subimágenes, y las características de cada subimagen y la relación entre ellas se utilizan para describir la imagen. Es útil para el reconocimiento e interpretación de imágenes, el análisis de escenas y el procesamiento y almacenamiento de bloques de imágenes. Tiene mucho sentido.

La segmentación de imágenes es básicamente el proceso de clasificación de píxeles. Por ejemplo, utilizando un cierto umbral de gris para dividir los píxeles de la imagen en categorías "negro" y "blanco", los objetos negros se pueden distinguir de los fondos blancos. Los métodos de segmentación comúnmente utilizados son el método de umbral de nivel de gris, el método de clasificación espacial y espectral, el método de crecimiento de la región y el método de detección de bordes.

Método de umbral de nivel de grises "Cuando la imagen tiene sólo dos componentes, el histograma de la imagen gris a menudo presenta dos picos. Utilizando el nivel de gris correspondiente al valor del valle entre los dos picos como umbral, tomando todos los píxeles cuyos niveles de gris son mayores o iguales al umbral como una categoría, y los menores que el umbral ya que la otra categoría es la más método básico de segmentación de dos categorías.

Para mejorar la confiabilidad de la clasificación en aplicaciones prácticas, se puede utilizar alguna información adicional (como la proporción del área de los dos tipos de regiones) para hacer la selección del umbral más razonable.

En el caso de más categorías, se pueden usar umbrales multinivel para separar los distintos tipos (por ejemplo, al determinar dos umbrales, la imagen celular se puede segmentar en tres partes: núcleo, citoplasma y fondo). Cuantas más categorías, menos obvio es el pico del histograma de la imagen y más difícil es la segmentación.

Método de clasificación espectral y espacial "Para imágenes en color y multiespectrales, se pueden utilizar varias propiedades (color y señal espectral) de los píxeles para clasificar los píxeles con mayor precisión.

Para las imágenes en blanco y negro, se utiliza un conjunto de propiedades locales que incluyen el nivel de gris del píxel en sí (por ejemplo, el valor medio del nivel de gris de la vecindad del píxel) para la clasificación en un espacio multidimensional. Para algunas imágenes complejas, este método es mejor que el método de umbral de gris solo.

Método de crecimiento de regiones "Este es un método de segmentación secuencial que extrae regiones o entidades de una imagen. De acuerdo con los criterios de escala de grises, uniformidad de textura, contraste del mismo fondo, área, forma, tamaño y otros criterios, los píxeles adyacentes con aproximadamente las mismas propiedades se combinan para formar un área segmentada.

El método de detección de bordes esun método de segmentación que se utiliza para obtener los contornos de los objetos en una imagen. Generalmente, se utilizan técnicas como el ajuste de curvas, el seguimiento de contorno o la conexión del punto de borde para encontrar el límite del objeto.

Además, si se da una determinada medida de probabilidad o grado de pertenencia a la categoría del píxel, el píxel puede clasificarse repetidamente, lo que se convierte en un algoritmo de segmentación iterativo relajado. Este algoritmo tiene buenos resultados y se ha utilizado ampliamente en el análisis de imágenes.