Segmentácia 1

Zdroj
ručne priradené
Pridané

Pozrieť na YouTube →

Preber si túto prednášku so svojou AI

Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.

Otvoriť AI: ChatGPT · Claude · Gemini

Zhrnutie prednášky

Prednáška úvodom vymedzuje segmentáciu obrazu ako rozdelenie obrazu na disjunktné homogénne oblasti podľa zvoleného kritéria (jas, farba, textúra) a rozlišuje semantickú a inštančnú segmentáciu. Hlavná časť sa venuje prahovaniu podľa jasu, a to jedným aj viacerými prahmi, a hľadaniu optimálneho prahu z histogramu, aproximáciou gaussovkami, Otsuovou metódou alebo iteratívnym algoritmom, ktorý vychádza z priemeru jasu pozadia v rohoch a popredia. Pri nerovnomernom osvetlení nestačí globálny prah, preto sa používa porovnanie pixelu s priemerom alebo mediánom jeho okolia (napr. okno 11×11) s malou konštantou ako tolerancia. Na záver sa téma presúva k segmentácii farebného obrazu, kde sa prevodom z RGB do iného farebného priestoru využíva farebná informácia, ktorú šedotónový obraz stráca.

  • - Segmentácia rozdeľuje obraz na disjunktné homogénne oblasti podľa kritéria (jas, farba, textúra).
  • - Semantická segmentácia rozlišuje triedy podľa významu, inštančná aj jednotlivé objekty.
  • - Prahovanie jedným prahom je najjednoduchšia metóda; viac prahov vytvorí viac kategórií, napr. tkanivá v CT.
  • - Optimálny prah možno nájsť z histogramu, aproximáciou gaussovkami, Otsuovou metódou alebo iteratívnym priemerovaním pozadia a popredia do konvergencie.
  • - Pri nerovnomernom osvetlení sa pixel porovnáva s priemerom alebo mediánom okolia a rozdiel musí presiahnuť malú konštantu, aby sa potlačil šum.
  • - Pri farebnej segmentácii šedotónový prevod nestačí, preto sa obraz prevádza z RGB do vhodnejšieho farebného priestoru.

Zhrnutie pripravené s pomocou AI z prepisu videa.