|
Image segmentation
یکی از تکنیک های پردازش تصویر است که در آن سعی می شود تصویر به تعدادی ناحیه یا شی مشخص تقسیم شود و هر قسمت قابل تشخیص از سایر قسمت ها باشد
به عنوان یک مثال ساده در یک تصویر که هم دریا وجود دارد و هم ساحل بخواهیم این دو را از هم تفکیک کنیم. روش های خیلی زیادی مثل Thresholding، Region base و ... وجود دارد که در اینجا اگر وقت شد حتما توضیح خواهم داد. |
Edge detection
1(ها)ضميمه
یکی از روشهای Image segmentation می تواند Edge detection باشد.
در این روش سعی می شود که لبه های موجود در تصویر را پیدا کرد. چون اگر لبه های تصویر را داشته باشیم به راحتی می توان نواحی پیوسته را جدا کرد. اسلاید های خوبی درمورد Edge detection |
ببخشید شمایی که این اسلاید ها رو گذاشتید.میشه به من بگید کدوم edge detectionعملگرد بهتری داره و مزیت اون بهتره نسبت به سایرین چیه.
|
سلام دوست عزیز
نمی توان گفت که یک روش همیشه بهترین است. اینکه شما می خواهید چه نوع لبه های را پیدا کنید و پیچیدگی تصویر شما به چه صورت است و چندین عامل دیگر می تواند موثر باشد. مثلا اگر شما می خواهید لبه های عمودی را پیدا کنید ماسک sobel می تواند انتخاب خوبی باشد. |
آیا واسه حرفتون دلیلی هم دارید یا نه.چرا نگفتید Canny یا Shen گفتید Sobel .نمی دونم من سوالمو ساده بیان کردم یا شما خیلی سطح پایین جواب دادید.Sobel مگه به Threshold وابسته نیست یعنی اگه عددی خاصی به threshold بدیم ممکنه لبه ای از نظر ما مهم شناسایی نشه.در ضمن برای لبه های عمودی همه لبه های دیگر هم می تونه مورد استفاده قرار بگیره.من منظورم یه لبه Realtime بود و کارایش هم از Canny بالاتر باشه
|
با سلام مجدد به شما دوست خوب
در مورد این که ما سطحمون پایینه و اطلاعات شما خیلی زیاده هیچ شکی نیست. در ضمن ما که ادعایی نداشتیم :71: سوال شما فقط این بود که کدام روش بهتره من هم جواب اصلیم این بود که بستگی به پارامترهای زیادی داره مثلا در شرایط خاصی سوبل به دلیل سادگیش و سرعت بالاش می تونه بهترین انتخاب باشه حالا هم شما محبت بفرمایید ذکر کنید دقیقا می خواهید چه نوع لبه هایی را در چه تصاویری پیدا کنید تا تمام روشها را برایتان در مورد ان مقایسه کنم. :3: |
دوست عزیز ممکنه راهنمایی کنید که کدوم روش قطعه بندی برای تصاویر ویدوئویی مناسب هستش؟من میخوام در تصاویر شلوغ و در هنگام رخداد انسداد،کمترین مشکل رو در ردیابی افراد داشته باشم.
ممنون از راهنمایی. |
1(ها)ضميمه
Multi-view video based multiple objects segmentation using graph cut and spatiotemporal projections
|
1(ها)ضميمه
اسلایدهایی از Image segmentation برای تصاویر Gray scale
|
سلام دوستان
من دارم روی تشخیص هویت از طریق عنبیه(iris recognition) کار می کنم می خواستم بدونم چه لبه یاب هایی خوب هست؟ البته این رو بگم که تا حالا sobel و canny و برخی نقاب ها رو آزمایش کردم ولی می خوام جدید باشه. پیشاپیش ممنون |
سلام به دوستان
من اطلاعاتی در مورد روشهای جداسازی foreground از backgrond می خواستم ممنون میشم اگه کمک کنید |
مقاله فارسی
1(ها)ضميمه
ناحيه بندی تصوير با استفاده از ادغام ويژگی های لبه و بافت
تبديل حوضچه يک ابزار شناخته شده براي ناحيه بندي تصوير است. روش هاي مرسوم ناحيه بندي با استفاده از تبديل حوضچه، تصوير را به نواحي داراي توزيع شدت روشنايي يکنواخت افراز مي کنند. بنابراين در تصاوير شامل بافت که از نظر ادراکي يکنواخت هستند، استفاده از اين روش منجر به توليد نواحي اضافي و بي معني مي شود. در اين مقاله روش جديدي براي ناحيه بندي اينگونه تصاوير با استفاده از تبديل حوضچه پيشنهاد شده است. در اين روش ابتدا ويژگي هاي محلي لبه و بافت براي تمام پيکسل هاي تصوير استخراج مي شوند. در مرحلة بعد با ادغام اين ويژگي ها، تصويري بدست مي آيد که مرزهاي نواحي در آن برجسته شده اند. اعمال تبديل حوضچه روي تصوير حاصل، نواحيي را که از نظر ادراکي يکنواخت هستند از يکديگر تفکيک مي کند. ويژگي هاي محلي لبه با استفاده از مدل محاسباتي سلول سادة کورتکس بينايي محاسبه شده اند. پارامترهاي مدل محاسباتي سلول ساده به گونه اي محاسبه شده اند که عملگر حاصل از نظر آشکارسازي لبه، تعيين دقيق موقعيت لبه و پاسخ يگانه به يک لبه بهينه باشد. براي محاسبة ويژگي هاي بافت نيز روش جديدي ارائه شده که مستقل از چرخش بافت است. در اين روش از مدل محاسباتي سلول پيچيده استفاده شده است. در استخراج ويژگي هاي بافت يک آستانه گذاري موثر روي پاسخ مدل سلول پيچيده اعمال شده است. اين کار نتايج حاصل از ناحيه بندي را به ميزان زيادي بهبود بخشيده و باعث شده که روش ارائه شده براي تصاوير مختلف عملکرد خوبي داشته باشد. در انتها کارايي روش پيشنهادي در ناحيه بندي تعدادي تصوير از چشم اندازهاي طبيعت و تعدادي تصوير بافت نشان داده شده است. |
ببخشید شاید جای این سئوال اینجا نباشه
ولی من میخوام یه عکس 3 در 4 از صورت رو تبدیل کنم به خط یعنی در واقع blueprint صورت ها رو میخوام! با الگوریتم های لبه یابی زیاد نتونستم کاری پیش ببرم:106: کسی هست بتونه راهنمایی کنه؟ |
سلام من هم می خواستم روی این پروژه Iris recognition اگه چیزی دستگیرتون شد به ما هم بگید
|
لطفا در مورد این روش که با گراف کارمیکنه توضیح بدید. ممنون.
tutorial ضمنا بحثتون رو هم ادامه بدید در مورد بقیه روش ها. |
البته پردازش تصوير در زير آب ( underwater )
|
سلام دوستان.من پیاده سازیه یکی از الگوریتم های تقسیم بندی تصویر (Image Segmentation) رو در نرم افزار مطلب می خوام. البته پیاده سازی الگوریتم k-means رو دارم ولی اگه از الگوریتم های دیگش چیزی دارید برام بذارید. ممنون میشم.خدا خیرتون بده
|
سلام
در کل سه تا تکنیک برای image segmantation وجود داره امکان داره مقایسه ای بین این سه روش انجام بدید وتوضیح بدید که تفاوت اصلی این روش هابا همدیگه چیه؟ Thresholding Methods Boundary/Edge Based methods Region based methods __________________________________________________ ______ چطور میتونیم از image segmentation در منطق فازی استفاده کنیم؟وکلا محاسن استفاده از اون در منطق فازی چیه؟ |
سلام
من تحقیقم در مورد کنترل کیفیت خط تولید، به نظرتون از کجا شروع کنم؟ یعنی چطوری میتونم بهتر مطالبم جمع کنم. با تشکر |
نقل قول:
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 |
gender detection
سلام .
خسته نباشین می تونین یه برانامه در مورده gender detection توی matlab گیر بیارین؟ |
ای بابا این چه ربطی به پست من داشت؟ولی من هر کاری از دستم بربیاد براتون انجام میدم
|
نقل قول:
در کتاب گنزالس ممکنه که کل ناحیه بندی رو به 3دسته تقسیم کرده باشه ولی این اشتباهه. انواع بسیاری دیگه داریم.مثلا همین فازی که میگید یا روشهای خوشه بندی.البته خوشه بندی را اگه از یه دید دیگری نگاه کنیم می توان گفت که از نوع رشد ناحیه است. کلا یک نصیحت:اگر میخواهی که پردازش تصویر کار کنی اول مفهوم کلی روشهای پردازش تصویر رو یه نگاهی کن بعدش شروع به تقویت برنامه نویسی کن.یعنی شروع به mfile نوشتن کن یا لااقل برنامه شو از سایت متلب پیدا کن و تحلیل کن که استاد بشی.کتابهای موجود فقط تکنیک ها رو بهت یاد میده و مغز تو رو برای پردازش تصویر وابسته با تکنیک های خودش میکنه.البته از نظر من. برای استفاده از نوع فازی روش کار مثل همون روش غیر فازیشه ولی اکثرا در موقع تصمیم گیری باید قواعد فازی خود را به روش فازی بنویسی.یعنی کلا برای استفاده از سیستم فازی باید اول برنامه الگوریتم رو بفهمی و بعد روش کلی فازی کردن سیستم رو یاد بگیری و در آخر با تغییرات کوچک در برنامه قدیمی اون رو فازی کنی. به نظرم همینطوری هم از سیستم فازی برای هر مسئله استفاده نکن چون سیستمه تقریبا کیفی هست.هر وقت سر و کارت با انسان است یا شبیه آن و هدف ارزیابی انسان است از این سیستم استفاده کن.مثلا در لبه یابی اگر هدف لبه یابی از دید انسان است فازی خوب جواب میده.چون قوانین فازی رو خودت که یک انسانی تعریف میکنی و این قواعد براساس سیستم دید و فکر توست و سیستم خواسته تو رو انجام میده ولی اگر سیستم برای پردازش کامپیوتر استفاده میشه فازی خوب جواب نمیده. اینها همش بخاطر ضعف انسان در حواس پنج گانه اش هست که انسان رو مجبور به استفاده از قواعد فازی میکنه.البته سیستم فازی یک سیستم بسیار خوبی برای سیستم های ماست و اگر بتوان تمام سیستمهای موجود را چه مکانیکی چه غیرمکانیکی را فازی کرد بسیاری از مشکلات انسان رفع میشه. ولی شما حتما این نوع سیستم رو یاد بگیر.بسیار ساده است و فقط چندین تعریف و پیشفرض داره(البته برای کار ما).این بهت یه ابزار و تیپ فکری میده اینها نظر من است و ممکنه غلط باشه |
نقل قول:
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 |
سلام دوستان عزیز
من یه مقاله ای دارم با عنوان A New Parallel Segmentation Algorithm for Medical Image بنظر شما کدش رو چطور میتونم تهیه کنم؟؟؟ با متد svm و Region Grow Method |
| زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۰۷:۴۱ بعد از ظهر ميباشد. |
Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2025, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.