www.infectology.ru
Новое:  Анизакидоз Актуально: Клещевые инфекции ISSN 1609-9877
  Главная/Новости
Поиск по сайту Поиск на сайте  
Вопросы:: Вы можете задать свой вопрос специалистам в области инфекцинных болезней и паразитологии.
Для всех:
Инфектология для всех
Новые книги
Советы путешественнику
Календарь прививок
Глистные инвазии человека New!
Мифы и легенды
Реестр специалистов
Последние новости: RSS 2.0

22.10.16 В США началась эпидемия венерических инфекций

22.10.16 В Москве количество ВИЧ-инфицированных выросло вдвое

24.10.15 В ВОЗ собираются провести пробные испытания первой вакцины от малярии на детях

28.04.14 Массовая вспышка дизентерии в Новоуткинске.

21.04.14 Обновлены требования по профилактике инфекционных и паразитарных болезней в России

Обучение:
Реклама:
Мультимедиа:
CD "Руководство и атлас по инфекционным и паразитарным болезням человека", 2008 год New!
Найди себе доктора!
Для студентов:
Симптомы и синдромы
Справочники и пособия
Вопросы и ответы
Для специалистов:
Компетентное мнение
Руководящие документы
Справочники и пособия
Статьи и обзоры
Авторефераты
Реестр специалистов
Визитные карточки
Синдромы и симптомы
Микроскоп от А до Я
Новые книги
Конференции
Общества
О "Вестнике..."
Сайты:

Платная скорая помощь, круглосуточный выезд, опытные врачи
mosmedsmp.ru

Микроскопия сегодня На основную страницу

Компьютерный анализ изображений: общие сведения, системы, примеры использования

Выделение объектов

< Назад Оглавление Дальше >

Для того, чтобы получать количественную информацию по объектам изображения с помощью анализатора, необходимым условием является их выделение относительно фона или посторонних элементов. Выделение, распознавание объектов изображения - наиболее критический этап обработки изображения, являющийся залогом выполнения анализатором своей задачи.

Стандартные методы выделения объектов включают:

  1. Выделение по яркости,
  2. Выделение по цвету,
  3. Выделение по текстурным признакам,
  4. Ручное выделение.

Наиболее простым и часто использующимся методом выделения объектов является выделение по яркостным характеристикам. При использовании этого метода выделения объектов или фаз производится выбор всех точек изображения, попадающих в определенный интервал яркости. Такой отбор осуществляется по гистограмме яркости для данного изображения. Оцифрованное изображение представляет собой набор точек, яркость которых (для 8ми битных изображений) лежит в интервале от 0 (абсолютно черный цвет) до 255 (абсолютно белый). Гистограмма яркости изображения показывает процентное содержание точек определенной яркости. Выделение объектов по яркости обычно производится методом установки пороговых значений яркости, и все точки изображения, лежащие в пределах данных значений, будут выделены на изображении как маски объектов, которые и будут затем измеряться.

Выделение объектов по цвету производится с использованием цветовых моделей, оно по характеру своему является более сложным, чем простое выделение по яркости, но позволяет добиться лучших результатов в тех случаях, когда объекты с одинаковыми яркостными характеристиками отличаются по цвету. В современных анализаторах изображений выделение объектов изображения по цвету реализуется с использованием метода обучения, когда пользователь системы указывает участки изображения, которые необходимо выделять. Обученная таким образом система на следующем изображении будет автоматически выделять объекты, соответствующие по цвету указанным участкам.

Выделение по текстурным особенностям наиболее близко по сути тем механизмам дискриминации объектов, которые использует человеческий мозг при их распознавании. Этот принцип состоит в опознании объекта или фазы не по яркости или цветовым характеристикам, а по внешним признакам или текстурным особенностям. Это относится к таким ситуациям, когда необходимо выделить слой (участок) с ориентированной структурой внутри однородной структуры, которая не отличается от слоя ни по яркости, ни по цвету, но отличается исключительно по внешнему виду. Этот способ выделения наиболее сложен для реализации, и далеко не все существующие в настоящее время анализаторы изображений способны решать задачу выделения по текстурным признакам.

И, наконец, ручное выделение объектов или фаз используется в тех случаях, когда их не удается выделить ни одним из описанных способов. При ручном выделении основным действующим лицом становится пользователь системы, который указывает ей, что считать объектом, а что - нет.


© Коллектив авторов, 1998-2013, Почтовый адрес: 195009, Санкт-Петербург, а/я 16


 

Высококачественный доступ в Интернет предоставлен ГНУ "Вузтелекомцентр" и его структурным подразделением UniTel.

  ВНИМАНИЕ:  Информация, представленная на данном сайте, не должна использоваться для самостоятельной диагностики и лечения, и не может служить заменой очной консультации врача!