Elméleti háttér

Szegmentálás

Kép részekre bontása, egy objektumot leíró képpontok csoportjának meghatározása. Erősen alkalmazásfüggő és szubjektív, de rendkívül fontos képfeldolgozó feladat!

Alacsony szintű szegmentálás

Egymás környezetében található, hasonló színű/intenzitásértékű képpontok.
Hasonló mintázattal rendelkező régió.
Élek által határolt, körülzárt területek.

Magas szintű szegmentálás

A kép értelmezésével, a képen szereplő objektumok azonosításán alapul.
Nehéz, és nem egzakt módon definiált!
Jellemzően betanított mély-neuronhálóval oldják meg.

Alacsony szintű megközelítések

Globális küszöbölés

Egy rögzített küszöbérték használata a teljes képen.
- Küszöbérték automatikus meghatározása: pl. Otsu algoritmussal.
(Közel) egyforma színű/intenzitású homogén területek szegmentálására, egyenletes megvilágítás esetén.

Adaptív (lokális) küszöbölés

A vizsgált képpont lokális környezete alapján számított küszöbérték.
- Adott környezetben számított átlagtól való eltérés mértéke.
- Niblack módszer: lokális környezetben átlag és szórás figyelembe vétele.
A lokális környezettől eltérő (világosabb vagy sötétebb), a vizsgált lokális környezettel összevethető (kisebb) méretű homogén területek szegmentálására alkalmas, akár egyenetlen megvilágítás esetén is.

Színhasonlóságon alapuló

RGB → HSV színtér konverzió után csatornánként intervallumokat határozunk meg.
Emberi szemmel hasonlónak látott színek alkotnak egy szegmenst így.

Régiónövelés

Kiindulás pont(ok) és hasonlósági kritérium megadása szükséges.
Itt is hasonló intenzitások/színek adnak szegmenst. A színhasonlósággal szemben itt van kiinduló pont, amihez képest összefüggő eredményt kapunk, és a hasonlósági kritérium megadása relatív eltérések figyelembe vételét is lehetővé teszi.

Gráfvágáson alapuló finomítás

GrabCut algoritmus: előtér-háttér szétválasztást végez egy energiafüggvény optimalizálásával. Iteratív módszer. Megadható kiindulási állapot.