0
comments
· Split (berpecah)
· Merge (penggabungan)
· Region Growing (pembesaran kawasan)
Penggabungan kawasan (Region Merging)
1. Operasi Region merging menyingkirkan sempadan yang salah dan palsu dengan menggabungkan kawasan bersebelahan yang termasuk dalam object yang sama.
2. Skema penggabungan bermula dengan kawasan yang dipersetujui keadaan. (e.g , kawasan yang dihasilkan menggunakan thresholding).
3. Kemudian, akan diteruskan untuk memenuhi syarat (5) dengan secara beransur-ansur menggabungkan kawasan imej yang bersebelahan.
Formula dan langkah
(1)Hasilkan kawasan awal dalam imej
(2)Bina graf kawasan bersebelahan (RAG)
(3)Untuk setiap kawasan :
(3.1) ambil kira kawasan bersebelahan dan uji sekiranya ia sama.
(3.2) untuk kawasan yang sama, gabung dan ubah RAG
(4) Ulang langkah 3 sehingga tiada kawasan untuk digabung.
Bagaimana untuk menentukan kesamaan kawasan ?
1. Berdasarkan nilai kelabu (gray value) sesuatu kawasan.
- Bandingkan mean intensity.
- Guna kesesuaian permukaan untuk menetukan sama ada kawasan sama anggaran dengan satu permukaan
- Gunakan ujian hipotesis untuk menilai persamaan kawasan bersebelahan
(mengandaikan bahawa nilai intensiti telah disediakan dari taburan kebarangkalian).
2. Berdasarkan kelemahan sempadan di antara kawasan.
Penggabungan kawasan menggunakan ujian hipotesis
- Pendekatan ini menganggap sama ada atau tidak gabung kwasan bersebelahan berdasarkan kebarangkalian yang ia akan mempunyai statistic taburan nilai intensiti yang sama.
- Andaikan yang nilai gray-level dalam sesuatu kawasan imej dilukis daripada taburan Gaussian.
- Kita boleh mengukur parameter Gaussian menggunakan Maximum-Likelihood.
- Ketumpatan kebarangkalian tercantum di bawahH0, dengan andaian semua piksel adalah bebas dikeluarkan, diberikan oleh:
- Ketumpatan kebarangkalian tercantum di bawahH1 diberikan oleh:
- Nisbah kebolehjadian ditakrifkan sebagai catuan ketumpatan kebarangkalian di bawah dua hipotesis:
Jika nisbah kebolehjadian adalah di bawah nilai ambang (threshold), terdapat bukti yang kukuh bahawa hanya satu kawasan dan kedua-dua kawasan boleh digabungkan.
Penggabungan kawasan dengan menyingkirkan sudut-sudut lemah
- Idea ini adalah untuk menggabungkan dua kawasan jika sempadan antara mereka adalah lemah
- Sempadan yang lemah adalah di mana intensity di kedua-dua belah berbeza kurang daripada ambang (threshole) .
- Panjang relatif antara sempadan lemah dan sempadan kawasan mesti diambil kira.
Pendekatan 1
Gabung kawasan bersebelahan R1 dan R2 jika 
Di mana W adalah panjang bahagian sempadan yang lemah, dan S =min (S1, S2) adalah perimeter minimum bagi kedua-dua kawasan.
Pendekatan 2
Gabung kawasan bersebelahan R1 dan R2 jika
Di mana W adalah panjang bahagian sempadan yang lemah, dan S adalah sempadan
biasa antara (R1 dan R2 ).
Di mana W adalah panjang bahagian sempadan yang lemah, dan S =min(S1,S2).
PEMBELAHAN RANTAU (REGION SPLITTING)
- Operasi membelah rantau menambah sempadan yang hilang oleh membelah kawasan yang mengandungi bahagian-bahagian objek yang berbeza.
- Skema pemisahan bermula dengan memenuhi syarat (5), contoh , seluruh imej
- Kemudian, teruskan dan penuhi syarat (4) dengan memisahkan kawasan secara beransur-ansur.
- Dua kesukaran paling utama dalam menggunakan pendekatan ini adalah:
v Memutuskan bila untuk memisahkan kawasan.
v Memutuskan baagaimana untuk memisahkan kawasan.
Decomposisi biasa
Perpisahan dan Penggabungan kawasan (Region splitting and Merging)
- Perpisahan atau penggabungan mungkin tidaka akan menghasilkan keputusan yang baik apabila diapikasikan secara berasingan.
- Keputusan ynag lebih baik boleh didapati dengan interleaving antara operasi pemisahan dan penggabungan.
- Strategi ini mengambil bahagian yang mungkin memuaskan hati tidak
atau dalam keadaan (4) atau (5) dengan matlamat menghasilkan segmentasi yang memuaskan hati kedua-dua keadaan.
QUADTREE
Quadtree adalah satu struktur pokok data di mana nod setiap dalaman tepat mempunyai empat orang anak. Quadtree boleh dikelaskan mengikut jenis data yang mereka wakili, termasuk kawasan, titik, garis dan lekuk.
KAWASAN (REGION) MENGGUNAKAN QUADTREE
Ia mewakili pecahan ruang dalam dua dimensi dengan menguraikan kawasan ini ke dalam empat quadran, subquadrant dan sebagainya dengan setiap nod daun (leaf node) yang mengandungi data yang sama untuk sub tertentu. Setiap nod dalam pokok itu sama ada betul-betul mempunyai empat orang anak, atau tidak mempunyai anak (leaf node). Quad tree ialah sebagai sub pecahan bebas data. Kawasan quadtree dengan kedalaman n boleh digunakan untuk mewakili imej yang terdiri daripada 2n x piksel 2n, di mana setiap nilai piksel ialah 0 atau 1. Nod akar mewakili seluruh kawasan atau rantau imej. Jika piksel mana-mana kawasan tidak sepenuhnya 0 atau 1, ia akan dibahagikan. Dalam aplikasi ini, setiap nod daun mewakili blok piksel dan semuanya adalah 0 atau semuanya adalah 1.
Kawasan quadtree juga boleh digunakan sebagai perwakilan resolusi untuk mengubah data. Sebagai contoh, suhu di sesuatu kawasan boleh disimpan sebagai quadtree, dengan setiap nod daun menyimpan suhu purata melebihi suhu kawasan sub yang ia wakili. Jika kawasan quadtree digunakan untuk mewakili satu set titik data (seperti latitud dan longitud sesebuah bandar), kawasan ini dipecah bahagi sehingga setiap daun mengandungi sebanyak-banyaknya 1 titik.
RANTAU BERKEMBANG MENGGUNAKAN 4 NEIGHBOUR (REGION GROWING USING 4 NEIGHBOUR)
Region growing adalah kaedah segmentasi imej yang mudah berasaskan rantau / kawasan. Ia juga diklasifikasikan sebagai kaedah segmentasi berasaskan piksel kerana ia melibatkan pemilihan initial seeds.
Langkah - langkah dalam region growing
original image
seed point
selepas proses region growing
