セグメンテーションの分割と結合

分割と結合によるセグメンテーションは、画像をセグメント化するために使用される画像処理技術です。画像は、均質性基準に基づいて順次四分割され、類似の領域が結合されてセグメント化された結果が作成されます。この技術には、親子ノード関係があることを意味する四分木データ構造が組み込まれています。領域全体が親であり、4 つの分割のそれぞれが子です。

• 均質性に使用する基準を定義する
• 画像を同じ大きさの領域に分割する
• 各地域の均質性を計算する
• 領域が均質である場合は、隣接する領域と結合する
• このプロセスは、すべての領域が均質性テストに合格するまで繰り返される^[1]

各分割の後、新しい領域をさらに分割する必要があるかどうかを判断するためのテストが必要です。テストの基準は、領域の均質性です。均質性を定義する方法はいくつかありますが、いくつか例を挙げます。

• 均一性 - グレースケール レベルが一定であるか、指定されたしきい値内にある場合、その領域は均一です。
• 局所平均と全体平均 - 領域の平均が全体画像の平均より大きい場合、その領域は均質である。
• 分散 -グレーレベル分散は次のように定義されます

${\displaystyle \sigma^{2}=(1/(N-1))\sum_{(r,c)\epsilonR}[I(r,c)-{\bar{I}}]^{2}}$

ここでrとcは行と列、Nは領域内のピクセル数、 ${\displaystyle {\bar {I}}=(1/N)\sum _{(r,c)\epsilon 領域}I(r,c)}$

組み込みの例としては、均質であるとみなされるためには、領域の分散が指定された値未満である必要があります。

分割の結果、以下のように 3 つのレベルに分割されたイメージが生成されます。

パーティションの各レベルは、ツリーのような構造で表現できます。

次の例は、matlabを使用したグレースケール画像のセグメンテーションを示しています。^{[2] [3]} 均質性の基準は閾値であり、領域が均質であるためにはmax(region)-min(region) < 10となります。

分割中に作成されたブロックは次の図に示されています。

セグメント化された画像は以下の通りです。