Bildsegmentierung mithilfe von Histogrammen

WICHTIG: Der Betrieb von goMatlab.de wird privat finanziert fortgesetzt. - Mehr Infos...

Partner:

Forum

Option

[Erweitert]

• Diese Seite per Mail weiterempfehlen

Gehe zu:

clustering_n00b

Forum-Century


	Beiträge: 129

	Anmeldedatum: 05.09.11

	Wohnort: ---

	Version: R2011a, R2012b

Verfasst am: 07.12.2012, 17:20 Titel: Bildsegmentierung mithilfe von Histogrammen

Hallo zusammen! Smile

Kniffle gerade an einem hartnäckigen Problem, und zwar möchte ich mehrere Bilder segmentieren.
Das Problem ist unter diesem Link beschrieben (speziell Slides 25 - 30).

Mein Algorithmus beinhaltet die folgenden Gedankenschritte:

1) Threshold für jeden Farbenkanal bestimmen
Ich kann mit imhist() ein Histogram erstellen, aber wie finde ich nun den optimal Threshold?

2) Anzahl Clusters bestimmen
Für jede Farbe habe ich nun 2 Gruppen (über und unter Threshold). Insgesamt also 6. Aber man sieht doch (z.B. auf Slide 29), dass es mehr oder weniger Gruppen geben kann.

3) Sementierung mithilfe von Clusteringalgorithmen durchführen
k-Means gibt mir an welche Pixel zu welcher Gruppe gehören.
Aber wie bestimme ich denn die eigentliche FARBE des Pixels und zeige die Segmentierung an (Slide 29)?

Ähnliche Implementierung (in C): Link

Vorschläge? Smile

clustering_n00b

Themenstarter

Forum-Century


	Beiträge: 129

	Anmeldedatum: 05.09.11

	Wohnort: ---

	Version: R2011a, R2012b

Verfasst am: 08.12.2012, 10:37 Titel:

Hallo nochmals!

Jetzt bin ich gerade auf ein sehr interessantes Skript gestossen, das sich mit meinem Problem befasst.

Input:

Code:

sImgPath: Bildpfad
iBinNum: Anzahl Histograms in jeder Dimension

Funktion ohne Link?

Output:

Code:

mSegmentImg: Labels für jeden Bildpixel

Funktion ohne Link?

Es funktioniert folgendermassen:

1) RGB in Lab Raum umwandeln - siehe Link

2) 3D Histogramm für die 3 Lab Farbenkanäle erstellen

Code:

[LabHist,histCenters] = Build3DColorHistogram(L(:),a(:),b(:),iBinNum);

function [vColorHist, histCenters] = Build3DColorHistogram(vChannel1, vChannel2, vChannel3, iBinNum)
% Generate 3D color histogram from 3 channels

[Chist1,Cbin1] = hist(vChannel1(:),iBinNum);
[Cdist1,Cidx1] = min(abs(repmat(vChannel1(:),[1,iBinNum])-repmat(Cbin1,[length(vChannel1(:)),1])),[],2);
[Chist2,Cbin2] = hist(vChannel2(:),iBinNum);
[Cdist2,Cidx2] = min(abs(repmat(vChannel2(:),[1,iBinNum])-repmat(Cbin2,[length(vChannel2(:)),1])),[],2);
[Chist3,Cbin3] = hist(vChannel3(:),iBinNum);
[Cdist3,Cidx3] = min(abs(repmat(vChannel3(:),[1,iBinNum])-repmat(Cbin3,[length(vChannel3(:)),1])),[],2);

ind = sub2ind([iBinNum,iBinNum,iBinNum],Cidx1,Cidx2,Cidx3);
vColorHist = zeros(iBinNum,iBinNum,iBinNum);
for i = 1:iBinNum^3
vColorHist(i) = sum(ind==i);
end

histCenters = [repmat(Cbin1(:),[size(vColorHist,2)*size(vColorHist,3),1]),...
repmat(Cbin2(:),[size(vColorHist,1)*size(vColorHist,3),1]),...
repmat(Cbin3(:),[size(vColorHist,1)*size(vColorHist,2),1])];

return;

Funktion ohne Link?

3) Histogramm-Peaks suchen --> finde Anzahl Clusters vSeed

Code:

vSeed = SearchLocalMaximum(LabHist);

function vSeed = SearchLocalMaximum(dataHist)
%

iBinNum = 1;
for i = 1:length(size(dataHist))
iBinNum = iBinNum*size(dataHist,i);
end

vSeed = [];
for i = 1:iBinNum
vNBins = CalcNeighborBins(size(dataHist),i);
if (sum((dataHist(i)-dataHist(vNBins))>0)==length(vNBins))
vSeed = [vSeed;i];
end
end

return;

function vNBins = CalcNeighborBins(HistSize,iBin)
%

[I1,I2,I3] = ind2sub(HistSize,iBin);

vBin1 = []; vBin2 = []; vBin3 = [];
for k = I3-1:I3+1
for i = I1-1:I1+1
for j = I2-1:I2+1
if ((i~=I1 | j~=I2 | k~=I3) & ...
((i>0&i<=HistSize(1)) & (j>0&j<=HistSize(2)) & (k>0&k<=HistSize(3))))
vBin1 = [vBin1;i];
vBin2 = [vBin2;j];
vBin3 = [vBin3;k];
end
end % end for j
end % end for i
end % end for k

vNBins = sub2ind(HistSize,vBin1,vBin2,vBin3);

return;

Funktion ohne Link?

4) k-Means Clustering mit vSeed

Code:

[IDX,C] = kmeans(data,length(vSeed),'start',histCenters(vSeed,:),'emptyaction','drop';

Funktion ohne Link?

5) Segmentierung bestimmen und plotten

Code:

mSegmentImg = reshape(IDX,[size(img,1),size(img,2)]);
imshow(label2rgb(mSegmentImg));

Funktion ohne Link?

Es ist klar, dass die Segmentierung von dem Inputparameter iBinNum abhängt. Diese Abhängigkeit möchte ich reduzieren (oder sogar eliminieren).
Auch wenn iBinNum = 10 oder = 100 ist, die Anzahl Segmentierungen sollem im Bild nicht allzu stark variieren.

Die Frage ist also:

Zitat:

Wie finde ich die optimal Anzahl von Histograms?

Hier habe ich ein interessantes Tutorial gefunden, frage mich aber wie das genau in MATLAB zu implementiere ist?


Einstellungen und Berechtigungen
Beiträge der letzten Zeit anzeigen:	Du kannst Beiträge in dieses Forum schreiben. Du kannst auf Beiträge in diesem Forum antworten. Du kannst deine Beiträge in diesem Forum nicht bearbeiten. Du kannst deine Beiträge in diesem Forum nicht löschen. Du kannst an Umfragen in diesem Forum nicht mitmachen. Du kannst Dateien in diesem Forum posten Du kannst Dateien in diesem Forum herunterladen

Impressum | Nutzungsbedingungen | Datenschutz | FAQ |

RSS

Hosted by:

Copyright © 2007 - 2024 goMatlab.de | Dies ist keine offizielle Website der Firma The Mathworks

MATLAB, Simulink, Stateflow, Handle Graphics, Real-Time Workshop, SimBiology, SimHydraulics, SimEvents, and xPC TargetBox are registered trademarks and The MathWorks, the L-shaped membrane logo, and Embedded MATLAB are trademarks of The MathWorks, Inc.