Livewire Segmentasyon Tekniği - Livewire Segmentation Technique

Bir bebeğin fotoğrafındaki canlı tel segmentasyonu örneği

Livewire, kullanıcının basit fare tıklamaları kullanarak çıkarılacak ilgi alanlarını hızlı ve doğru bir şekilde seçmesini sağlayan bir segmentasyon tekniğidir.[1] Dayanmaktadır en düşük maliyetli yol algoritması, tarafından Edsger W. Dijkstra. Öncelikle görüntüyü bir Sobel filtresi kenarları çıkarmak için. Ortaya çıkan görüntünün her pikseli, grafiğin bir tepe noktasıdır ve etrafında yukarı, aşağı, sola, sağa olmak üzere 4 piksele kadar uzanan kenarlara sahiptir. Uç maliyetler, bir maliyet işlevine göre tanımlanır. 1995 yılında Eric N. Mortensen ve William A. Barrett, Intelligent Scissors olarak bilinen canlı tel segmentasyon aracı üzerinde bazı genişletme çalışmaları yaptı.[2]

Canlı tel segmentasyonu

Kullanıcı, çapa olarak bilinen görüntünün pikseline tıklayarak başlangıç ​​noktasını ayarlar. Daha sonra, fareyi diğer noktaların üzerinde hareket ettirmeye başladığında, en küçük maliyet yolu, kullanıcı fareyi hareket ettirdiğinde kendisini değiştirerek, çapadan farenin üzerinde olduğu piksele çizilir. Görüntülenmekte olan yolu seçmek isterse, sadece resme tekrar tıklar.

Sağdaki görüntüde, kullanıcının istenen ilgi bölgesinin ana hatlarını çizmek için tıkladığı yerlerin küçük bir kare ile işaretlendiği kolayca görülebilir. Canlı telin görüntünün sınırlarına takıldığını görmek de kolaydır.

Livewire algoritması

Kenarları çıkarmak için görüntüyü Sobel filtresiyle dönüştürün. Bu filtrelenmiş görüntüyü kullanarak, dört yönde (yukarı, aşağı, sol sağ) kenarları olan düğümler olarak pikseller kullanarak bir grafik oluşturun.[1] Kenarlar, Sobel filtresinden toplanan özelliklerle ağırlıklandırıldığından, kenarda kalmanın maliyeti daha düşüktür. Birkaç farklı maliyet yöntemi mümkündür, ancak en önemlisi gradyan büyüklüğüdür[1]

Sözde kodda Live-Wire 2-D DP grafik arama algoritması [2]

algoritma Livewire dır-dir    giriş:        s                       {Başlangıç ​​(veya çekirdek) piksel.} L (q, r) {Q ve r pikselleri arasındaki bağlantı için yerel maliyet işlevi.} veri yapıları:        L {Toplam maliyete göre sıralanmış etkin pikseller listesi (başlangıçta boş).} N (q) {Komşuluk kümesi q (pikselin 8 komşusu içerir).} E (q) {Q'nun genişletilmiş / işlenmiş olup olmadığını gösteren Boole işlevi.} G (q) {Çekirdek noktasından q'ya kadar toplam maliyet fonksiyonu.} çıktı:        p                       {Her pikselden minimum maliyet yolunu gösteren işaretçiler.} G (s) ← 0; L ← s; {Sıfır maliyetli başlangıç ​​pikseliyle etkin listeyi başlatın.} süre L ≠ ∅ başla      {Yine de genişletmeyi işaret ediyor.} q ← min (L); {Minimum maliyetli q pikseli etkin listeden kaldırın.} E (q) ← DOĞRU; {Q'yu genişletilmiş olarak işaretleyin (yani, işlendi).} her biri için r∈N (q) öyle ki Not(r) başla            gtmp ← g (q) + l (q, r); {Komşunun toplam maliyetini hesaplayın.} Eğer r∈L ve gtmp r) sonra  {Daha yüksek maliyetli komşuları listeden kaldırın.}                r ← L; Eğer r∉L sonra başla            {Komşu listede değilse} g (r) ← gtmp; {komşunun toplam maliyetini ata,} p (r) ← q; {geri işaretçiyi ayarla (veya sıfırla),} L ← r; {ve aktif listeye yerleştirin (veya geri dönün).} son                                        son    son

3D'ye Uzantı

2010 yılında Leo Grady, Livewire algoritmasını 3 boyutlu olarak genişletti.[3] Bu uzantı, 2D Livewire algoritmasını, bir kullanıcının 0 boyutlu bir sınır (iki nokta) belirlemesine ve minimumun görüntü özellikleri açısından tanımlandığı bu noktaları birbirine bağlayan en az 1 boyutlu ortak sınırı (eğri) bulmasına olanak tanıdı. Algoritmayı 3B'ye genişletmek için, kullanıcıdan bir veya daha fazla 1 boyutlu sınır (kapalı eğriler) belirtmesi istenir ve algoritma, 1 boyutlu eğrilerle sınırlanan minimum 2 boyutlu ortak sınırı (yüzey) bulur. minimum yüzey, görüntü özellikleri açısından tanımlanır. Livewire'ın bu 3B uzantısı, büyük ölçüde şu kavramlara dayanır: ayrık dış hesap 2D Livewire algoritmasını sınır / ortak sınır operatörleri açısından yeniden yorumlamak ve sonra bu kavramları 3D olarak uygulamak. 3D minimal yüzeyi hesaplamak için verimli bir algoritma da Grady belgesinde sağlanmıştır.

Ayrıca bakınız

Referanslar

  1. ^ a b c BAGGIO, Daniel L'elis. GPGPU Tabanlı Görüntü Segmentasyonu Livewire Algoritması Uygulaması. 2007. 108f. Bilimde Yüksek Lisans Tezi - Havacılık Teknolojik Enstitüsü, S˜ao Jos´e dos Campos. http://gpuwire.googlecode.com/files/Master%20Thesis%20-%20Updated%20February%2015th.pdf Arşivlendi 2010-12-17'de Wayback Makinesi
  2. ^ a b MORTENSEN, E. N .; BARRETT, W. A. ​​Görüntü kompozisyonu için akıllı makas. In: SIGGRAPH ’95: Bilgisayar grafikleri ve interaktif teknikler üzerine 22. yıllık konferansın bildirileri. New York, NY, ABD: ACM Press, 1995. s. 191–198. ISBN  0-89791-701-4.
  3. ^ Leo Grady, "Minimal Yüzeyler En Kısa Yol Bölümleme Yöntemlerini 3B'ye Uzatır ", Örüntü Analizi ve Makine Zekası üzerine IEEE İşlemleri, Cilt. 32, No. 2, s. 321-334, Şubat 2010

Dış bağlantılar