Havza Bölütleme
Watershed Algorithm for Image Segmentation · Ayrıca şöyle bilinir: Watershed transform, Water shedding segmentation
Havza bölütleme, görüntü yoğunluğunu topografik bir manzara olarak ele alıp her nesnenin bir vadiye karşılık geldiği, bir görüntüyü ayrı bölgelere otomatik olarak bölen morfolojik bir görüntü işleme tekniğidir. Beucher ve Lantuéjoul tarafından 1979'da tanıtılan ve Meyer tarafından geliştirilen havza algoritması, birbirine dokunan veya üst üste binen nesneleri ayırmada özellikle etkilidir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Görüntülerde hücre çekirdekleri gibi mikroskopi, üst üste binen madeni paralar veya haplar veya kümelenmiş parçacıklar gibi dokunan veya üst üste binen nesnelerin ayrılması gerektiğinde havza bölütlemesini kullanın. Havza, bölgeleri doğal olarak sınırladığı için, bir mesafe dönüşümü veya gradyanı hesapladıktan sonra özellikle yararlıdır. Net bir yapıya sahip olmayan gürültülü, düşük kontrastlı görüntülerle uğraşırken veya aşırı bölütleme (çok fazla küçük bölge) önemli bir sorun olduğunda havzadan kaçının; genellikle son işleme (morfolojik işlemler veya bölge birleştirme) gereklidir.
Güçlü yönler & sınırlılıklar
- Dokunan veya üst üste binen nesneleri nesne şeklini varsaymadan ayırmada mükemmeldir
- Bağlantılı, kapalı bölge sınırları üretir (tam bölütleme)
- Büyük görüntülere ölçeklenebilir; daldırma simülasyonu kullanılarak verimli bir şekilde hesaplanabilir
- İşaretleyici yerleşimi yoluyla ön bilgiyi doğal olarak içerir
- Bölgelerin net bir yapıya sahip olduğu gradyan veya mesafe dönüşümü görüntülerinde iyi çalışır
- Gürültüye duyarlıdır; küçük yoğunluk dalgalanmaları sahte bölgeler oluşturarak aşırı bölütlemeye neden olabilir
- Anlamlı bölgeleri tanımlamak için ön işleme gerektirir; kötü gradyan hesaplaması kötü bölütlemeye yol açar
- İşaretleyici seçimi kritiktir ancak genellikle manueldir; otomatik işaretleyici tespiti önemsizdir
- Çok sayıda küçük, parçalanmış bölge üretir; pratik sonuçlar için genellikle son işleme (bölge birleştirme) gereklidir
SSS
Gradyan görüntüleri üzerinde havza kullanmak ile mesafe dönüşümleri üzerinde havza kullanmak arasındaki fark nedir?
Gradyanlar üzerindeki havza (kenar büyüklüğü), nesne sınırlarının net olduğu durumlarda faydalı olan yüksek yoğunluklu kenarlarda sınırlar üretir. Mesafe dönüşümleri üzerindeki havza (yoğunluğun sınırdan uzaklığı temsil ettiği yer), nesne merkezliğine dayalı bölgeler üretir; her bölge en yakın merkezine veya işaretleyicisine atanır. Seçim, görüntü türüne ve hangi bölge özelliklerinin önemli olduğuna bağlıdır.
Havza neden sıklıkla aşırı bölütleme üretir?
Aşırı bölütleme, gradyan veya mesafe dönüşümünde birçok yerel minimum olduğunda meydana gelir ve her biri ayrı bir havza bölgesi üretir. Gürültü bu sorunu artırır. Aşırı bölütlemeyi azaltmak için, yakındaki minimumları birleştirmek üzere morfolojik işlemler (açma, kapama) kullanarak görüntüyü ön işleyin veya otomatik minimum tespiti yerine dikkatlice seçilmiş tohum noktalarıyla işaretleyici kontrollü havzayı kullanın.
İşaretleyiciler havza algoritmasını nasıl kontrol eder?
İşaretleyiciler, nesneleri veya arka planı temsil eden önceden tanımlanmış tohum noktalarıdır (piksel veya bölgeler). İşaretleyici kontrollü havza, her pikseli en yakın işaretleyiciye su akışını simüle ederek atar. Bu yaklaşım, otomatik minimum tespitinden ve ilişkili aşırı bölütlemesinden kaçınır. İşaretleyiciler manuel olarak yerleştirilebilir veya morfolojik işlemler (örneğin, işaretleyici olarak aşınmış nesneler) kullanılarak otomatik olarak tespit edilebilir.
Havza bölütlemesinden sonra tipik olarak ne tür bir son işleme gereklidir?
Havza, tipik olarak birçok küçük bölge üretir ve anlamsal olarak benzer bölgeleri birleştirmek veya gürültüyü gidermek için son işleme gerektirir. Yaygın son işleme adımları arasında yakındaki bölgeleri birleştirmek için morfolojik kapama (dilatasyon ardından erozyon), benzerliğe dayalı bölge birleştirme veya bölgeleri boyut veya şekle göre filtreleme yer alır. Belirli son işleme, uygulamaya bağlıdır.
Kaynaklar
- Meyer, F. (1994). Topographic distance and watershed lines. Signal Processing, 38(1), 113–125. DOI: 10.1016/0165-1684(94)90060-4 ↗
- Beucher, S., & Lantuéjoul, C. (1979). Use of watersheds in contour detection. International Workshop on Image Processing, Real-Time Edge and Motion Detection/Estimation, 2.1–2.12. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Watershed Algorithm for Image Segmentation. ScholarGate. https://scholargate.app/tr/computer-vision/watershed-segmentation
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Blob TespitiBilgisayarlı görü↔ karşılaştır
- Canny Kenar AlgılayıcısıBilgisayarlı görü↔ karşılaştır
- Kontur AnaliziBilgisayarlı görü↔ karşılaştır
- Histogram EşitlemeBilgisayarlı görü↔ karşılaştır
- Morfolojik Görüntü İşlemleriBilgisayarlı görü↔ karşılaştır