بخشبندی تصویر
در تصاویر کامپیوتری، واژه " بخش بندی تصویر " یا " بخش بندی" به تقسیم تصویر به گروهی از پیکسل براساس برخی معیارها اشاره دارد .
یک الگوریتم بخشبندی تصویر به عنوان ورودی و خروجی مجموعهای از مناطق ( یا بخشها ) را میگیرد که می توان آنها را به صورت زیر نشان داد :
-
مجموعهای از contours که در شکل ۱ نشانداده شدهاست .
-
ماسک ( سفید و یا رنگی ) که هر بخش یک رنگ خاص و یا رنگ سیاه به آبجکت ها برای شناسایی آنها اختصاص میدهد . یک مثال در شکل ۲ نشانداده شده است .
مشکل بخشبندی تصویر به یک میلیون روش مختلف نزدیک شدهاست . گاهی اوقات، این مساله به عنوان یک مساله پارتیشن بندی گراف شناخته میشود . در زمانهای دیگر ، این مساله به عنوان یک مشکل کمینهسازی انرژی در یک چارچوب متغیر مطرح میشود ، و هنوز هم به عنوان راه حلی برای معادلات دیفرانسیل جزیی فرموله میشود . اگر خط آخر برای شما نامفهوم است ، نگران نباشید . اینها تنها چند سطری است که در این پست وجود دارد که این طور به نظر میرسد !
در این مقاله ، ما به تکنیکهای خاص نخواهیم رفت . ما بر روی چند تعریف اصلی در بخش تقسیمبندی تصویر تمرکز خواهیم کرد که میتواند برای مبتدیان کمی گیجکننده باشد .
superpixels چیست ؟
هنگامی که ما پیکسل براساس رنگ ، بافت و یا دیگر سطوح پایین پیکسل را گروهبندی میکنیم ، این گروههای ادراکی را superpixels مینامیم .
شکل ۱ : بخش بندی تصویر
خروجی یک الگوریتم superpixel با استفاده از یک انیمیشن در شکل ۱ نشانداده شدهاست . توجه داشته باشید که الگوریتم تقسیمبندی به سادگی pixels رنگ و بافت مشابه را گروهبندی میکند . این به معنی تلاش برای گروهی از یک شی مشابه با هم نیست .
بخشبندی معنایی چیست؟
هدف از بخشبندی معنایی تعیین یک برچسب ( خودرو ، ساختمان ، فرد ، جاده ، پیادهرو ، درختان و غیره ) به هر پیکسل در تصویر است .
شکل ۲ : بخشبندی معنایی
شکل ۲ نتیجه بخشبندی معنایی را نشان میدهد . مردم در ماسک با استفاده از پیکسل های قرمز نشان داده میشوند ، چمن به رنگ سبز روشن است ، درختها سبز شده و آسمان آبی شدهاست .
میتوانیم بگوییم که اگر رنگ ماسک در آن پیکسل رنگ قرمز باشد ، ما نمیتوانیم بگوییم که آیا این رنگ در آن پیکسل قرمز است یا نه ، اما ما نمیتوانیم بگوییم که آیا دو پیکسل ماسک قرمز رنگی متعلق به یک شخص یا افراد مختلف هستند .