Bài giảng Xử lý ảnh số - Chương 6: Phân đoạn ảnh - Võ Quang Hoàng Khang

Chương 6:
PHÂN ĐOẠN ẢNH
(P1)
Võ Quang Hoàng Khang
TPHCM - 2016
1. Giới thiệu bài toán phân đoạn
2. Các phương pháp phân đoạn
 gray-level thresholding
 edge-based
 region-based
 Probabilistic: xác suất
 Mục đích chính của phân đoạn ảnh.
 Áp dụng được kỹ thuật phân đoạn ảnh dựa trên
ngưỡng*
 Giải thích được kỹ thuật phân đoạn ảnh dựa trên cạnh.
 Giải thích được kỹ thuật phân đoạn ảnh dựa trên vùng.
 Áp dụng được phương pháp region growing*
 Áp dụng được phương phápWatershed*
 Giải thích được kỹ thuật phân đoạn ảnh dựa trên
matching.
3
 Phân đoạn nhằm chia ảnh thành các vùng hoặc
đối tượng có thể xử lý được.
 Nếu phân đoạn tốt, các contours của đối tượng sẽ
xuất hiện và có thể trích để sử dụng.
 Có thể xác định hình dáng đối tượng.
 Dựa trên màu sắc, texture, có thể xác định rõ đối
tượng.
 Phân đoạn ảnh được sử dụng nhiều trong tìm
kiếm tương tự (similarity searches)
 Phân đoạn ảnh là bài toán khó trong xử lý ảnh.
 Vẫn là một chủ đề quan trọng trong các hội
thảo/hội nghị liên quan đến thị giác máy tính, xử lý
ảnh.
 Phân đoạn cho phép trích xuất các đối tượng trong
ảnh.
 Các thuật toán phân đoạn dựa trên các tính chất cơ
bản: màu sắc, giá trị xám, hay texture: discontinuity
và similarity .
 Phân chia ảnh dựa trên sự thay đổi độ sáng đột
ngột, nhằm phát hiện biên trong ảnh. Tuy nhiên,
không luôn xác định được biên để tạo vùng.
 Phân chia ảnh thành các vùng tương tự theo tiêu
chuẩn xác định (mức xám, texture, color,).
 Dựa trên sự tương tự giữa các pixel kề nhau nhằm
xây dựng các đối tượng.
 Kiểu phân đoạn phụ thuộc vào ứng dụng
 Có nhiều thuật giải phân đoạn
 Phân đoạn dựa trên đường viền vùng (edge detection)
 Phân đoạn dựa trên clustering (hoặc grouping)
 Phân đoạn dựa trên phân hoạch (partition) đồ thị
 Ứng dụng: finding people, summarizing video,
annotation figures, background subtraction,
finding buildings/rivers in trong ảnh vệ tinh.
 Edges dựa trên KHÁC NHAU (DIFFERENCES hay
DISCONTINUITY) giữa các pixel kề nhau.
 Regions dựa trên sự TƯƠNG TỰ (SIMILARITIES)
giữa các pixel kề nhau.

 Phân đoạn bằng mắt
thường
 Old man và các thứ
khác ???
 Hai người và con
chó ???
 Input: ảnh xám
 Output: ảnh nhị phân
 Mục đích: tách được foreground và background.
 Thực hiện bằng cách chọn ngưỡng T, và tạo ảnh
ouput theo công thức:






Tyxfif
Tyxfif
yxg
),( 0
),( 1
),(
 Imagine a poker playing robot that needs to visually
interpret the cards in its hand
Original Image Thresholded Image
 Nếu chọn ngưỡng sai kết quả có thể là thảm họa ???
Threshold Too Low Threshold Too High
g i, j 
1 for f i, j  T
0 for f i, j  T



g i, j 
1 for f i, j  T
0 for f i, j  T



g i, j 
f i, j  for f i, j T
0 for f i, j  T



 Phương pháp này chỉ làm việc tốt với ảnh có bi-model
histogram, ít nhiễu.
 Có thể dùng nhiều ngưỡng Ti (xem xét sau)
ngưỡng T
 Các tiêu chuẩn lựa chọn ngưỡng T:
 Xác suất lỗi cực tiểu
 Giá cực tiểu
 Phương sai trong nhóm cực tiểu
 Kiểm tra bằng mắt
 Ngưỡng toàn cục T được xác định như sau:
1. Chọn ngưỡng ban đầu T
Ví dụ: chọn trung bình mức xám của tất cả pixel
2. Phân đoạn với ngưỡng T sẽ tạo ra 2 nhóm: G1 gồm các
pixels với mức xám >T và G2 gồm các pixel với mức
xám ≤ T
3. Tính mức xám trung bình của các pixel của G1 là μ1 và
G2 là μ2
4. Tính ngưỡng mới:
5. Lặp lại bước 2 - 4 cho đến khi sự thay đổi của T mới
so với T ở lần trước đó nhỏ hơn giá trị cho trước
2
21  T
 Một ngưỡng làm việc hiệu quả trên ảnh có bimodal
histogram
 Với các ảnh có biểu đồ cần nhiều hơn 1 ngưỡng
Ví dụ: trích xuất nước
trong chai
Suy nghĩ về biểu đồ
Histogram cho loại 
ảnh này?
Điều gì sẽ xảy ra nếu sử dụng một ngưỡng duy 
nhất
 Bài tập: Tìm hiểu kỹ thuật phân đoạn Otsu