Теоретические сведения. Сегментацией называют процесс разбиения изображения на однородные области в смысле выбранного критерия (например

Сегментацией называют процесс разбиения изображения на однородные области в смысле выбранного критерия (например, средней яркости точек изображения). Такое разбиение во многом определяется правилом классификации и признаками, по которым осуществляется процедура сегментации. Так как сегментация часто является одним из этапов решения конкретной задачи по обработке изображений (например, задачи обнаружения, выделения и сопровождения движущегося объекта), то качественное выполнение этого этапа во многом определяет успех решения всей задачи. От выбранных признаков зависит то, насколько верно элемент изображения будет отнесен к “объекту” или “фону”. Под признаком изображения понимается его простейшая отличительная характеристика или свойство. Нахождение таких свойств, адекватно отражающих понятие однородности областей исходного изображения в используемом правиле классификации, является весьма актуальной задачей.

Из повседневной практики каждый видящий человек может интуитивно определить перечень признаков, по которым он визуально отличает один предмет от другого: яркость, цвет, текстура, геометрия предметов и др. В технических устройствах, часто работающих с полутоновыми изображениями, единственным источником признаков является двумерная функция яркости f (x, y). Все другие признаки получают различными методами обработки f (x, y). Следует отметить, что использование видеодатчиков и цифровых методов обработки изображений предполагает в качестве необходимого этапа пространственную и яркостную дискретизацию непрерывного изображения f (x, y), т.е. переход к дискретной функции f (i, j), i =1,…, n, j= 1,…, m, где n и m – число строк и столбцов изображения с ограниченным числом разрядов для представления каждого отсчета функции.

Часто на реальных изображениях со сложным фоном, низким контрастом и наличием шумов качество сегментации оказывается недостаточно хорошим. Тем не менее, использование существующих алгоритмов сегментации и последующая обработка бинарного изображения позволяют решать большую часть практических задач.

Существуют два общих подхода к решению задачи сегментации. Первый подход основан на выделении точек изображения, однородных по своим локальным признакам, и объединении их в область, которой позже будет присвоено имя или метка. Второй подход, широко известный и хорошо освещенный в литературе, основан на “разрывности” свойств точек изображения при переходе от одной области к другой. Этот подход сводит задачу сегментации к задаче выделения границ областей. Успешное решение последней позволяет, вообще говоря, идентифицировать и сами области, и их границы. Первый подход называют сегментацией путем разметки точек области, а второй – сегментацией путем выделения границ областей. В рамках указанных подходов существуют конкретные методы и алгоритмы решения задачи сегментации изображений. К первому подходу можно отнести байесовский метод, метод центроидного связывания, метод выбора глобального порога и др. Ко второй группе относятся методы пространственного дифференцирования, функциональной аппроксимации, высокочастотной фильтрации [1].