Segmentacja tekstur Grzegorz Szuba

Segmentacja tekstur
Grzegorz Szuba
([email protected])
informatyka IV rok
Metody Rozpoznawania Obrazów
2005/2006
Treść zadania:
Celem zadania jest wyodrębnienie na obrazie będącym złożeniem kilku tekstur granic
między poszczególnymi teksturami ze szczególnym uwzględnieniem tekstur, których uśredniona
barwa jest taka sama, a różnią się tylko fakturą.
Kod programu:
(na podstawie
http://www.mathworks.com/products/demos/image/ipextexturefilter/ipextexturefilter.html)
%Read image
I = imread('szary.bmp');
figure, imshow(I);
%Create texture image
E = entropyfilt(I);
Eim = mat2gray(E);
imshow(Eim);
%Create rough mask for the bottom texture
BW1 = im2bw(Eim, 0.8);
imshow(BW1);
figure, imshow(I);
BWao = bwareaopen(BW1,20000);
imshow(BWao);
%BW1 = im2bw(Eim, 0.715); BWao = bwareaopen(BW1,2000);
%BW1 = im2bw(Eim, 0.784); BWao = bwareaopen(BW1,2000);
%BW1 = im2bw(Eim, 0.8); BWao = bwareaopen(BW1,20000);
%BW1 = im2bw(Eim, 0.87); BWao = bwareaopen(BW1,2000);
imshow(BWao);
imshow(BWao);
imshow(BWao);
imshow(BWao);
nhood = true(9);
closeBWao = imclose(BWao,nhood);
imshow(closeBWao)
roughMask = imfill(closeBWao,'holes');
%Use rough mask to segment the top texture
imshow(roughMask);
%figure, imshow(I);
I2 = I;
roughMask3d = logical(zeros(size(I2,1),size(I2,2),size(I2,3)));
roughMask3d(:,:,1)=roughMask;
roughMask3d(:,:,2)=roughMask;
roughMask3d(:,:,3)=roughMask;
I2(roughMask3d) = 0;
figure, imshow(I2);
E2 = entropyfilt(I2);
E2im = mat2gray(E2);
%E2 = mat2gray(stdfilt(I,nhood));
%E2 = rangefilt(I, ones(5));
imshow(E2im);
BW2 = im2bw(E2im,graythresh(E2im));
imshow(BW2)
figure, imshow(I);
mask2 = bwareaopen(BW2,1000);
imshow(mask2);
mask23d=logical(zeros(size(mask2,1),size(mask2,2),size(mask2,3)));
mask23d(:,:,1)=mask2;
mask23d(:,:,2)=mask2;
mask23d(:,:,3)=mask2;
%Display segmentation results
texture1 = I;
texture1(~mask23d) = 0;
texture2 = I;
texture2(mask23d) = 0;
imshow(texture1);
figure, imshow(texture2);
boun = bwperim(mask2);
boundary3d=logical(zeros(size(boun,1),size(boun,2),size(boun,3)));
boundary3d(:,:,1)=boun;
boundary3d(:,:,2)=boun;
boundary3d(:,:,3)=boun;
segmentResults = I;
segmentResults(boundary3d) = 255;
imshow(segmentResults);
Przykładowe wyniki:
Na początku przedstawię dwa obrazy, które zostały prawidłowo rozwiązane przez ww.
program:
1. Przykład dołączony do kodu (nie obyło się jednak bez drobnych modyfikacji w algorytmie, gdyż
przedstawiony program nie dawał takich wyników, jakie były przedstawione na rysunkach):
a)obraz wzorcowy
b) wyznaczona granica
c) wizualizacja wyniku
2. Inny przykład, znaleziony w internecie:
a)obraz wzorcowy
b) wyznaczona granica
c) wizualizacja wyniku
Teraz przedstawię przypadki, które nie zostały rozwiązane w satysfakcjonujący sposób.
Postaram się także znaleźć przyczynę, dlaczego tak się stało.
3. Obraz z pracy http://www-dbv.cs.uni-bonn.de/image/example
a)obraz wzorcowy
b) wyznaczona granica
c) wizualizacja wyniku
Dyskusja:
Na początku uwaga: obraz składa się z 5 różnych tekstur a ponieważ użyty algorytm potrafi
dokonać podziału tylko na dwie części, więc uzyskany wynik pochodzi ze złożenia wyników
trzykrotnego uruchomienia programu z różnymi parametrami.
Pojawia się tutaj pierwszy mankament metody – należy ręcznie dopasować wartość progu,
aby uzyskać poszukiwany podział. Automatyczne wartości sprawdzają się tylko dla obszarów o
wyraźnym zróżnicowaniu.
Teraz omówię poszczególne podziały:
Pierwszy podział, z najmniejszą wartością progową, który wyodrębnił dolny trójkąt. Jak
widzimy, otoczył tylko jaśniejszą część tekstury, dosyć wiernie oddając granicę plam na drewnie.
Zwiększanie wartości progowej powodowało dodawanie tylko elementów lewego trójkąta, jak
widać algorytm większą wagę przykłada do zabarwienia niż do struktury.
Niemożliwym okazało się rozdzielenie środkowego kółka od lewego trójkąta dlatego też ten
podział został w wyniku pominięty.
Kolejny podział także nie wyszedł zbyt dobrze. Wprawdzie mniej więcej udało się
rozdzielić środek, lewy i dolny trójkąt od reszty, ale jak widzimy, dołączone zostały także elementy
górnego trójkąta. W tym przypadku już nawet niewielkie zwiększenie wartości progowej powoduje
dodawanie bardzo dużych obszarów górnego trójkąta a nadal nie dodaje brakujących części do
środkowego koła i lewego trójkąta.
Zdecydowanie najlepiej wyróżniony został obszar prawy, który osiągnąłem przy wyższej
wartości progowej.
Mając problemy z wyciągnięciem wniosków wpadłem na pomysł, aby pomniejszyć
wejściowy rysunek dwukrotnie w programie graficznym. Rezultat przeszedł moje najśmielsze
oczekiwania:
a)obraz wzorcowy
b) wyznaczona granica
c) wizualizacja wyniku
Dyskusja:
Tym razem udało się wyznaczyć podziały niemal idealnie. Podział wyróżniający lewy
trójkąt, jak też podział wyróżniający lewy i prawy trójkąt udało mi się dobrać niemal idealnie.
Problemy pojawiły się przy innych podziałach. Trójkąt dolny udało się wyznaczyć razem z
plamami, ale program zakwalifikował także kawałek górnego trójkąta. Jednak w porównaniu z
poprzednim rezultatem, i tak podział jest dużo lepszy.
Jedynym dużym mankamentem w tym przypadku okazała się niemożliwość rozdzielenia
środkowego koła od górnego trójkąta. Co dziwne, poprzednio koło zostało utożsamione z lewym
trójkątem, choć z drugiej strony oba te trójkąty poprzednia metoda zakwalifikowała jako bardzo
podobne do siebie (podział był na niedokładny i występował tylko dla małego zakresu progu).
Wnioski:
Przed wyciągnięciem wniosków postanowiłem przetestować jeszcze jeden plik, aby
upewnić się co do wniosków:
a)obraz wzorcowy
b) wyznaczona granica
c) wizualizacja wyniku
Dyskusja:
Obraz został prawie idealnie (nie licząc drobnych artefaktów) podzielony na dwie części, z
których jedna zawiera wyłącznie linie pionowe lub pod kątem 45 stopni. Druga zawiera pozostałe
ukośne linie, na których w trakcie obracania w programie graficznym pojawił się anty-aliasing a
więc różne odcienie szarości. Aby potwierdzić wyłaniającą się już hipotezę, usunąłem wszystkie
odcienie i uczyniłem obraz binarnym. Oto rezultat:
a)obraz wzorcowy
b) wyznaczona granica
c) wizualizacja wyniku
Dyskusja:
Jak widzimy, uczynienie obrazu całkowicie czarno-białym, mimo wyraźnie rozróżnianej
przez człowieka struktury, spowodowało powstanie całkowicie losowych wyników.
Wnioski:
Analiza przykładu z 5 teksturami nasuwa nam wniosek, że ważniejsze od różnic w
strukturze dla użytego algorytmu są różnice w barwie występujących pikseli. Jak widzieliśmy na
ostatnim przykładzie, tekstury w których występowały odcienie szarości zostały pogrupowane
osobno od tych, które były czarno-białe. Nie jest to do końca pełny wniosek, ale szczegółowe
badanie wykracza poza zakres tego opracowania.
Podsumowując, zastosowana metoda nadaje się do rozróżniania tekstur których średnia
barwa jest różna a także do tekstur, których rozkład statystyczny występujących odcieni szarości
jest różny. Jeśli tekstury różnią się tylko tym, że jedna została względem drugiej obrócona o pewien
kąt, metoda całkowicie zawodzi.