Morfologi i Gråskala-Bilder II

Transkript

1 Morfologi i Gråskala-Bilder II Lars Vidar Magnusson April 4, 2017 Delkapittel 9.6 Gray-Scale Morphology

2 Top-Hat (Topphatt) Transformasjon Et eksempel på bruk av top-hat transformasjonen

3 Top-Hat (Topphatt) Transformasjon Top-hat (topphatt) transformasjonen kan brukes til å fjerne irrelevant informasjon fra et gråskala-bilde. T hat (f ) = f (f b) Fjerner alt bortsett fra objektene hvor SE får plass Sitter igjen med toppene Benyttes for lyse objekter på mørk bakgrunn

4 Et Reelt Eksempel Her et bilde av ris tatt i ujevne lysforhold. Kan vi skille ut alle riskornene?

5 Et Reelt Eksempel Vi utfører thresholding av bildet ved hjelp av Otsu s metode (Kapittel 10). ikke alle riskornene er funnet det er noe støy

6 Et Reelt Eksempel Vi vil behold riskornene, men fjerne bakgrunnen. Under er resultatet av å åpne med en sirkulær SE med radius på 40. Dette fanger opp ujevnheten i bakgrunnen

7 Et Reelt Eksempel Her er resultatet fra hele topphatt-operasjonen med en sirkulær SE med radius 40

8 Et Reelt Eksempel Her er resultatet fra thresholding ved hjelp av Otsu s metode på det topphatt-transformert bildet Alle problemene er løst :)

9 Bottom-Hat (Bunnhatt) Transformasjonen Her er et eksempel på bruk av bottom-hat (bunnhatt) transformasjonen

10 Bottom-Hat (Bunnhatt) Transformasjonen Bottom-hat (bunnhatt) transformasjonen er den samme operasjonen som top-hat, bare for mørke objekter. B hat (f ) = (f b) f Fjerner alt bortsett fra objektene hvor SE får plass Sitter igjen med de mørke toppene Benyttes for mørke objekter på lys bakgrunn Kallers også black top-hat.

11 Et Eksempel Her har vi et bilde med mørke stjerner på en lysere bakgrunn.

12 Et Eksempel Vi fjerner bakgrunnen ved å bruke et SE som er stort nok til at stjernene forsvinner under lukkingen.

13 Granulometry (Finne Størrelser) Granulometry handler om å finne objekter/partikler av en spesiell størrelse. Kompliseres av at partiklene sjeldent er separerte Morfologi kan brukes til å indirekte estimere distribusjonen av størrelser uten å måle de direkte. Utfør en sekvens av åpninger med økende størrelse på SE For hver åpning registrerer vi summen av pikselene Når summene plottes kan vi se de ulike størrelsene

14 Et Reelt Eksempel Bildet under er av treplugger av ulik størrelse. La oss se om vi kan finne ut hvor mange typer (og antall).

15 Et Reelt Eksempel Vi begynner med å utføre morphologisk smoothing for å fjerne støy.

16 Et Reelt Eksempel Under er resultatet fra å åpne med en disk med radius 10.

17 Et Reelt Eksempel Under er resultatet fra å åpne med en disk med radius 20. Nesten alle små plugger har blitt borte

18 Et Reelt Eksempel Under er resultatet fra å åpne med en disk med radius 30. Dette tok hånd om resten

19 Et Reelt Eksempel Hvis vi plotter summene direkte får vi følgende Dette er ikke nødvendigvis lett å tolke

20 Et Reelt Eksempel Hvis vi plotter differansen mellom summene får vi følgende Nå er det lett å se at vi har to klare topper som tilsvarer to størrelser av plugger. Vi kunne også regnet ut ca. antall utifra summene

21 Textural (Tekstur) Segmentering Eksempel Man kan bruke morfologi til å segmentere et bildet basert på tekstur. Vi har to ulike teksturer. Hvordan kan vi segmentere de?

22 Textural (Tekstur) Segmentering Eksempel Vi begynner med å fjerne de små hullene ved hjelp av lukking med en disk med radius 30 (flekkene til venstre er ca 50 piksler brede) Vi må nå finne et segment som dekker teksturen til høyre.

23 Textural (Tekstur) Segmentering Eksempel Vi fjerner skillene mellom flekkene ved å åpne med et SE som er større enn skillene. Dette segmenterer bildet i henhold til de to teksturene

24 Textural (Tekstur) Segmentering Eksempel Vi kan konvertere segmenteringen til en kant ved hjelp av morfologisk gradient Bildet til høyre har blitt superimposed med resultatet fra gradienten