نقل قول:
نوشته اصلي بوسيله NiTrO
اگه مقایسه و توضیح مناسبی از این سه دسته پیدا کردی به منم خبر بدی ممنون میشم. به نظر میاد منابع فارسی مناسبی با توضیح جامع تو این زمینه (مقایسه دسته های مختلف قطعه بندی تصاویر) نداشته باشیم
|
**********************************************
روش اول بر اساس هیستوگرام است.یعنی اگر تصویر مورد نظر هیستوگرامی داشته باشه که از لحاظ پخش داده ها یه واریانس خوبی داشته باشه این روش خوبیه.این روش بسیار ضعیفیه و قدیمیه و بیشتر برای جداکردن پیش زمینه از پس زمینه استفاده میشه.عیب این روش اینه اگر تعداد اشیا در تصویر زیاد باشه نمیتونه خوب جواب بده.روش دوم که یه روش خوبیه برای دید انسان لبه یابیه.لبه یابی اشیا را بر اساس مرزهایش معنی میکنه.یعنی با استفاده از یک تریشولدی میاد تفاوت پیکسل ها (مشتق گرفتن)را از نظر مقدار در یه همسایگی بر اساس الگوریتم مربوطه پیدا میکنه و میگه اگر تفاوت این پیکسلها با هم از اون مقدار تریشلد بیشتر باشه این نشان میده که ما از شیئی به شیئ دیگری رفتیم و این یک لبه بین دو شیئ است. وقتی این لبه ها پیدا شد میتوان ناحیه بندی خوبی کرد.یعنی به طور کلی لبه یابی یک پیش پردازش بسیار عالی برای ناحیه بندی است و برای اتمام کار باید این روش را با روشهای دیگر مکمل کرد تا پروسه ناحیه بندی کامل شود.یعنی الگوریتمی استفاده کنی که به اشیا یک شماره گذاری بگذاری و بتونی تعداد اشیا رو هم پیدا کنی.
روش سوم سیستم رشد ناحیه است. این روش بجای تفاوت پیکسل ها در روش لبه یابی میاد بر اساس شباهت اونا کار میکنه. یعنی میگه اگر پیکسل ها تقریبا هم اندازه باشند در یک مجموعه هستند. کلا روش کار این به این صورت است که مثل بیماری سرطان کار میکنه. اول به وسیله غده های کوچک در کل بدن پخش میشه که به اونا (seed) میگند و شروع به رشد میکنند تا کل اون ناحیه مربوطه را برا اساس سلول های مورد نظر(مثل کبد) اشغال کنند. این روش هم روش نسبتا خوبیه
در کل در ناحیه بندی بر اساس تجربه این روشها زیاد خوب نیست و باید مکملهایی به اونا اضافه کنید.اگر کلا میخواهید در درس پردازش تصویر موفق باشید باید درس patern رو یاد بگیرید. درس بسیار خوبیه.ابزار زیادی به شما میده
اینها نظر منه و ممکنه غلط باشه