는

Question

사진 유클리드 거리와 분할 (제곱 절대 없습니다, 단지 절대) 원래 질감 사진

나는 위의 결과를 얻고있다 (사진 1) 이후 matlab에에 결과 Kmeans 알고리즘 및 법칙 텍스처 에너지 필터 (클러스터 중심/그룹 = 6 포함)

결과를 향상시킬 수있는 방법은 무엇입니까? 결과에서 알 수 있듯이 텍스처의 명확한 경계가 없습니다. 팽창/침식이 어떻게 든 동일하게 구현 될 수 있습니까? 그렇다면 가이드하십시오.

Answer 1

k-means를 사용하여 텍스처를 분석하면 이웃하는 픽셀 간의 공간적 관계를 무시하게됩니다. i과 j이 서로 인접한 경우 동일한 텍스쳐를 공유 할 가능성이 큽니다.
이러한 공간 정보를 도입하는 한 가지 방법은 graph cuts 또는 belief-propagation (다른 것들 중에서도)을 사용하여 최적화 할 수있는 쌍방향 에너지를 사용하는 것입니다.

다음 D은 D(i,l)와 L -by- n 행렬 l 중심 i하는 화소의 거리이며, 당신 K-수단의 이미지에서 픽셀 n L 무게 중심을 가정한다. 당신이 그래프 컷을 사용하기로 선택한 경우

, 당신은 my wrapper을 매트랩, 다음과 (컴파일하는 것을 잊지 마세요) 다운로드 할 수 있습니다

>> sz = size(img); % n should be numel(img) 
>> [ii jj] = sparse_adj_matrix(sz, 1, 1); % define 4-connect neighbor grid 
>> grid = sparse(ii, jj, 1, n, n); 
>> gch = GraphCut('open', D, ones(L) - eye(L), grid); 
>> [gch ll] = GraphCut('expand', gch); 
>> gch = GraphCut('close', gch); 
>> ll = reshape(double(ll)+1, sz); 
>> figure; imagesc(ll);colormap (rand(L,3)); title('resulting clusters'); axis image; 

당신은 sparse_adj_matrixhere을 찾을 수 있습니다.

---

최근 최적화 알고리즘을 많이 구현 한 경우 opengm 패키지를 살펴보십시오.

Answer 2

형태학적인 필터링과 관련하여 나는이 참조를 제안합니다 : Texture Segmentation Using Area Morphology Local Granulometries. 이 신문은 기본적으로 주어진 영역 매개 변수 임계 값보다 작은 그레이 스케일 구성 요소를 제거하는 morphological area opening filter을 설명합니다. 2 진 화상에서, 국소 입자 크기 분포는 각각의 화상 화소 위치에 윈도우를 배치하고, 각각의 개방 조작 후, 그 안에 남아있는 화소의 수를 카운트함으로써 생성 될 수있다. 이 결과는 지역 크기 분포를 나타내며, 지역 pdf를 제공하기 위해 정규화 될 수 있습니다. 패턴 스펙트럼을 구별하면 각 픽셀 위치에 국부적으로 텍스처 정보를 포함하는 확률 밀도를 제공하여 픽셀에서 로컬 패턴 스펙트럼을 산출하는 밀도를 제공합니다.

Here은 이미지의 입자 크기를 사용하는 예입니다. 그것들은 기본적으로 그레이 스케일 구성 요소의 영역에서 작동하는 비선형 스케일 공간입니다. 기본 직감은 각각의 텍스처가 그레이 스케일 구성 요소의 영역 스펙트럼을 기반으로 특성화 될 수 있다는 것입니다. 간단한 이진 영역 여는 필터는 Matlab에서 사용할 수 있습니다.