تقسیم بندی و استخراج silhouette

تقسیم بندی :

تقسیم بندی تصآویر یکی از قدم های بسیار مهم در جهت پردازش تصاویر و پروسه ضروری برای تجزیه و تحلیل آنها میباشد.

بخش بندی یا تقسیم بندی تصویر به چه معنی میباشد ؟
تقسیم بندی کردن ، پارتیشن بندی کردن معنی میدهد به عبارتی بخش بندی کردن تکنیکی است که اجازه می دهد تا تصویر را به دو منطقه تقسیم کرد که حضور یا عدم حضور یک ویژگی خاص را شناسایی میکنند.

به عنوان مثال : تقسیم بندی انجام شده روی تصاویر شناسایی شده اشیاء در حال حرکت در ۲ بخش تعیین میشوند :
در حال حرکت و غیرحرکتی (ساکن)

هدف از تقسیم بندی ، به دست آوردن یک تصویر باینری است ، که با یک رنگ (سفید) مجموعه نقاط تصویر در حال حرکت شناسایی میشود ، و با رنگ دیگر (سیاه) مجموعه نقاط از تصویر که در حال حرکت نمیباشند (ساکن) میباشد.

در اینجا از مجموعه نقاط صحبت میشود و نه object ها (اشیاء)، برای اینکه بخش بندی در سطح پیکسل انجام میشود ،
و پس از شناسایی مناطقی از تصویر در حال حرکت و گروه بندی می شوند، توانایی این را خواهد داشت که در سطح object کار کند و blob نامیده میشود.
نتیجه حاصل از یک تقسیم بندی یک تصویر باینری خواهد بود که آنرا ماسک نیز مینامیم .
انواع مختلفی از تقسیم بندی وجود دارد .
تقسیم بندی یک تصویر "عادی"، از پیش پردازش نشده، بر اساس تغییرات درخشندگی ان است .
برای به دست آوردن اطلاعات مربوط به حرکت ، پردازش بیش از یک تصویر لازم است.

آستانه تصویر :
انتخاب یک مقدار از شدت نور T (آستانه) ، که اجازه جدا کردن تصویر به دو منطقه،بالاترین و پایین ترین با توجه شدت نور میدهد .
تبدیل تصویر در سطح خاکستری به یک تصویر باینری

برای هر نقطه از از تصویر مبدا؛

f(i,j)

نقطه مشخص شده

g(i, j)

در تصویر ، تبدیل میشود .

اگر f(i,j)>=T) g(i,j)=1;

درغیر این صورت g(i,j)=0;

آستانه استاتیک : آستانه ثابت در ابتدا انتخاب میشود.

آستانه پویا : آستانه یی که در طول اجرای یک patch متناسب با یک مقدار دیگر تغییر میکند.

(بطور مثال : مقدار متوسط روشنایی صحنه تغییر میکند)

آستانه :

جعبه ای که کار تقسیم بندی آستانه را انجام میدهد pix_duotone نامیده میشود.

دومین inlet آستانه RGB ست ، و سومین inlet ، رنگیست

که پیکسل ست میشه، اگر پایین تر از آستانه باشد .

چهارمین ، رنگ RGB ست اگر بالاتر یا برابر آستانه باشد .

در مثال نشان داده شده ، یک پیکسل به عنوان سفید دسته بندی می شود ،اگر مقدار بزرگتر یا برابر با آستانه داشته باشد، در غیراینصورت مشکی دسته بندی میشود.

بنابرین آستانه همانند یک نقطه برش عمل میکند .

چه آستانه ای استفاده شود؟

انتخاب آستانه بستگی دارد به object های مورد علاقه :

در مورد آستانه استاتیک ، آستانه باید پس از تجزیه و تحلیل دقیق از صحنه انتخاب شود.

در مورد آستانه پویا (که در طول اجرا تغییر میکند) میتوان از روشنایی تصویر برای تغییر آستانه استفاده کرد.

تشخیص اشیاء و حرکت :

اساسا سه روش برای تشخیص اشیاء و / یا حرکت در یک صحنه وجود دارد:

Background suppression
Single difference
Double difference

Background suppression یا مهار پس زمینه :
تشخیص حضور اشیاء را در صحنه با انجام مقایسه پیکسل به پیکسل بین فریم های جاری و یک فریم که آنرا پس زمینه مینامیم یا تصویر مرجع یا تصویر background که شامل یک تصویر از پس زمینه "تمیز" (یعنی بدون اشیاء)
این روش فقط زمانی کاربرد دارد که دوربین کاملا ثابت و بدون حرکت باشد.
تفاوت با تصویر پس زمینه یک تصویر متفاوت تولید خواهد کرد.
تفاوت در سطح پیکسل انجام میشود ، اگر I تصویر فعلی، B تصویر پس زمینه و تصویرD مقدار تفاوت باشد بنابراین داریم :

D(x,y) = | max(I(x,y).R-B(x,y).R, I(x,y).G-B(x,y).G, I(x,y).B-B(x,y).B) |

که در آن (x,y) نقطه ای در مختصات x و y مربوط به تصویر میباشد ، و R .G .B. مؤلفه رنگ قرمز، سبز و یا آبی است.
-- تفاوت در ارزش مطلق است .
-- ایجاد یک تغییر در RGB ضروری نیست
D(x,y) = | I(x,y) – B(x,y) |

تفاوت های برجسته تصویر در نمایش داده نمیشوند در تصویر پس زمینه .