8. Detection, Segmentation, Tracking

Vysvětlete rozdíl mezi detekcí a segmentací objektů.

Detekce objektů: Snaha najít a klasifikovat v obrazu objekty.
Segmentace objektů: Hledání oblastí obrazu, které odpovídají objektům.

Implementujte v Matlabu vlastní funkci realizující hysterézní prahování: [vystup] = function hystThreshold(vstup, nizkyPrah, vysokyPrah)

% dipimage required
[vystup] = function hystThreshold(vstup, nizkyPrah, vysokyPrah)
    low = vstup>nizkyPrah;
    high = vstup>vysokyPrah;
    vystup = reconstruction(nizkyPrah, vysokyPrah);
end

Nadefinujte morfologickou operaci "black top-hat" a uveďte příklad jejího použití.

Black Top-Hat: Rozdíl vstupního obrazu a jeho uzavření. Používá se k extrahování černých detailů, srovnání bílého pozadí, atd.
Uzavření: Snaha o obnovu po dilataci. Takže eroze po dilataci.

$ϕ_{B} (x) = ϵ_{\overline{B}} (δ_{B} (x))$

Uveďte příklad alespoň 3 texturových deskriptorů, které lze použít při předzpracování obrazu tak, aby následná segmentace byla realizovatelná jen s pomocí standardního globálního prahování.

Barva: To dává smysl, ne?
Rosenfeld et al.: Textura je "změřena" v okolí daného pixelu a převedena na amplitudu.
Thompson: Detekce přechodů mezi texturami. Převádí na problém segmentace podle hran.

Vysvětlete pojem značka (marker) a význam značek například v algoritmu watershed. Uveďte příklad, jak lze značky najít pro dotýkající se kávová zrnka.

Marker: Pixel nebo malá skupina pixelů, která spadá do oblasti, jejíž segment chceme. V případě watershedu jsou markery místa odkud voda stoupá.

U kávových zrnek se markery nejspíš dají najít pomocí prahovaní a eroze.