ГЛАВА 7. СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ

Часто изображение приставляется для наблюдателя в виде совокупности однородных участков, отличающихся друг от друга теми или иными характеристиками. Количество различных типов, или классов, участков обычно невелико, вся же картина разделена на непересекающиеся области, каждая из которых заполнена изображением одного из типов. При анализе таких изображений наблюдателем или автоматической системой целью является определение геометрических областей и указание для каждой из них номера типа (класса). Иногда такую совокупность сведений об исходном изображении называют ею картой. Обработка изображения, позволяющая получить карту, называется сегментацией.

Количество признаков, которыми могут отличаться друг от друга участки различных типов, очень велико. Встречается большое число задач, где участки имеют неодинаковую среднюю яркость. Иногда при одинаковой средней яркости различаются дисперсии флюктуации. Часто можно наблюдать картину, на которой различие областей проявляется в неодинаковости корреляционных свойств: медленные, плавные колебания яркости на одних участках сменяются существенно более быстрыми на других. Примером может служить аэрофотоснимок земной поверхности, на котором участки леса чередуются с участками поля или водной поверхности. Картина такого рода показана в конце данной главы на рис. 7.6, а. Во многих случаях участки разных типов различаются не по одной какой-либо характеристике, а по нескольким.

Встречаются изображения, в которых вся картина разбита на области, не отличающиеся друг от друга ни по каким своим характеристикам. Вся информация (карта)  в этих случаях представляет собой совокупность границ между отдельными участками. Типичным примером такого типа служит изображение кирпичной кладки. Очевидно, что для сегментации таких изображений непригодны методы, основанные на анализе моментно-корреляционных характеристик, о которых говорилось выше.

Большое разнообразие в задачу сегментации вносит обработка цветных изображений. Одним из важнейших признаков для сегментации в этом случае может служить цвет, который дополняет совокупность характеристик, применяемых при обработке черно-белых изображений. К этому же типу проблем относится и сегментация спектрозональных изображений. Отметим, что такие задачи значительно сложнее, а число публикаций в этой области сравнительно невелико.  По этим причинам в данном учебном пособии сегментация цветных и спектрозональных изображений не рассматривается. Вместе с тем подчеркнем, что такие задачи представляют очень большой научный и практический интерес и, вероятно, они составляют одни из перспективных направлений развития цифровой обработки изображений.

Методы, используемые при сегментации, еще более разнообразны, чем признаки, по которым различаются отдельные классы. Следует отметить, что единого общепризнанного, эффективного подхода, который бы лежал в основе всех или хотя бы большинства методов, не существует. Поэтому трудно в рамках учебного издания дать полную картину методов. Известны отдельные идеи, на основе которых решаются многие задачи сегментации. Некоторые подходы представляются авторам более перспективными, чем другие. Задача данного пособия – познакомить читателя с распространенными или перспективными идеями, что могло бы послужить импульсом для самостоятельного изучения других методов, а также составить основу для собственного исследования и разработок в данной области.