परिचय

छवि विभाजन, कंप्यूटर दृष्टि में सबसे बुनियादी प्रक्रियाओं में से एक, एक प्रणाली को एक छवि के भीतर विभिन्न क्षेत्रों को विघटित और विश्लेषण करने की अनुमति देता है। चाहे आप वस्तु पहचान, चिकित्सा इमेजिंग, या स्वायत्त ड्राइविंग से निपट रहे हों, विभाजन ही छवियों को सार्थक भागों में तोड़ता है।

हालांकि इस कार्य में गहन शिक्षण मॉडल तेजी से लोकप्रिय हो रहे हैं, डिजिटल इमेज प्रोसेसिंग में पारंपरिक तकनीक अभी भी शक्तिशाली और व्यावहारिक हैं। इस पोस्ट में जिन दृष्टिकोणों की समीक्षा की जा रही है उनमें सेल छवियों के विश्लेषण के लिए एक अच्छी तरह से मान्यता प्राप्त डेटासेट, MIVIA HEp-2 इमेज डेटासेट को लागू करके थ्रेशोल्डिंग, एज डिटेक्शन, क्षेत्र-आधारित और क्लस्टरिंग शामिल है।

MIVIA HEp-2 छवि डेटासेट

MIVIA HEp-2 इमेज डेटासेट कोशिकाओं के चित्रों का एक सेट है जिसका उपयोग HEp-2 कोशिकाओं के माध्यम से एंटीन्यूक्लियर एंटीबॉडी (ANA) के पैटर्न का विश्लेषण करने के लिए किया जाता है। इसमें प्रतिदीप्ति माइक्रोस्कोपी के माध्यम से ली गई 2डी तस्वीरें शामिल हैं। यह इसे विभाजन कार्यों के लिए बहुत उपयुक्त बनाता है, सबसे महत्वपूर्ण रूप से चिकित्सा छवि विश्लेषण से संबंधित कार्यों के लिए, जहां सेलुलर क्षेत्र का पता लगाना सबसे महत्वपूर्ण है।

अब, आइए इन छवियों को संसाधित करने के लिए उपयोग की जाने वाली विभाजन तकनीकों पर आगे बढ़ें, एफ1 स्कोर के आधार पर उनके प्रदर्शन की तुलना करें।

1. दहलीज विभाजन

थ्रेसहोल्डिंग वह प्रक्रिया है जिसके तहत ग्रेस्केल छवियां पिक्सेल तीव्रता के आधार पर बाइनरी छवियों में परिवर्तित हो जाती हैं। MIVIA HEp-2 डेटासेट में, यह प्रक्रिया पृष्ठभूमि से सेल निष्कर्षण में उपयोगी है। यह अपेक्षाकृत बड़े स्तर पर सरल और प्रभावी है, विशेष रूप से ओत्सु की विधि के साथ, क्योंकि यह इष्टतम सीमा की स्व-गणना करता है।

ओत्सु की विधि एक स्वचालित थ्रेशोल्डिंग विधि है, जहां यह न्यूनतम इंट्रा-क्लास विचरण प्राप्त करने के लिए सर्वोत्तम थ्रेशोल्ड मान खोजने की कोशिश करती है, जिससे दो वर्गों को अलग किया जाता है: अग्रभूमि (कोशिकाएं) और पृष्ठभूमि। विधि छवि हिस्टोग्राम की जांच करती है और सही सीमा की गणना करती है, जहां प्रत्येक वर्ग में पिक्सेल तीव्रता भिन्नता का योग कम से कम किया जाता है।

# Thresholding Segmentation
def thresholding(img):
    # Convert image to grayscale
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

    # Apply Otsu's thresholding
    _, thresh = cv.threshold(gray, 0, 255, cv.THRESH_BINARY   cv.THRESH_OTSU)

    return thresh

2. एज डिटेक्शन सेगमेंटेशन

किनारे का पता लगाना वस्तुओं या क्षेत्रों की सीमाओं की पहचान करने से संबंधित है, जैसे कि MIVIA HEp-2 डेटासेट में सेल किनारे। अचानक तीव्रता में परिवर्तन का पता लगाने के लिए कई उपलब्ध तरीकों में से, कैनी एज डिटेक्टर सेलुलर सीमाओं का पता लगाने के लिए सबसे अच्छा और इसलिए सबसे उपयुक्त तरीका है।

कैनी एज डिटेक्टर एक मल्टी-स्टेज एल्गोरिदम है जो तीव्रता के मजबूत ग्रेडिएंट वाले क्षेत्रों का पता लगाकर किनारों का पता लगा सकता है। इस प्रक्रिया में गॉसियन फिल्टर के साथ स्मूथिंग, तीव्रता ग्रेडिएंट्स की गणना, नकली प्रतिक्रियाओं को खत्म करने के लिए गैर-अधिकतम दमन का अनुप्रयोग और केवल मुख्य किनारों को बनाए रखने के लिए अंतिम डबल थ्रेशोल्डिंग ऑपरेशन शामिल है।

# Edge Detection Segmentation
def edge_detection(img):
    # Convert image to grayscale
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

    # Apply Gaussian blur
    gray = cv.GaussianBlur(gray, (3, 3), 0)

    # Calculate lower and upper thresholds for Canny edge detection
    sigma = 0.33
    v = np.median(gray)
    lower = int(max(0, (1.0 - sigma) * v))
    upper = int(min(255, (1.0   sigma) * v))

    # Apply Canny edge detection
    edges = cv.Canny(gray, lower, upper)

    # Dilate the edges to fill gaps
    kernel = np.ones((5, 5), np.uint8)
    dilated_edges = cv.dilate(edges, kernel, iterations=2)

    # Clean the edges using morphological opening
    cleaned_edges = cv.morphologyEx(dilated_edges, cv.MORPH_OPEN, kernel, iterations=1)

    # Find connected components and filter out small components
    num_labels, labels, stats, _ = cv.connectedComponentsWithStats(
        cleaned_edges, connectivity=8
    )
    min_size = 500
    filtered_mask = np.zeros_like(cleaned_edges)
    for i in range(1, num_labels):
        if stats[i, cv.CC_STAT_AREA] >= min_size:
            filtered_mask[labels == i] = 255

    # Find contours of the filtered mask
    contours, _ = cv.findContours(
        filtered_mask, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE
    )

    # Create a filled mask using the contours
    filled_mask = np.zeros_like(gray)
    cv.drawContours(filled_mask, contours, -1, (255), thickness=cv.FILLED)

    # Perform morphological closing to fill holes
    final_filled_image = cv.morphologyEx(
        filled_mask, cv.MORPH_CLOSE, kernel, iterations=2
    )

    # Dilate the final filled image to smooth the edges
    final_filled_image = cv.dilate(final_filled_image, kernel, iterations=1)

    return final_filled_image

3. क्षेत्र-आधारित विभाजन

क्षेत्र-आधारित विभाजन समान पिक्सेल को क्षेत्रों में एक साथ समूहित करता है, जो तीव्रता या रंग जैसे कुछ मानदंडों पर निर्भर करता है। वाटरशेड विभाजन तकनीक का उपयोग एचईपी-2 सेल छवियों को विभाजित करने में मदद के लिए किया जा सकता है ताकि उन क्षेत्रों का पता लगाया जा सके जो कोशिकाओं का प्रतिनिधित्व करते हैं; यह पिक्सेल तीव्रता को एक स्थलाकृतिक सतह के रूप में मानता है और विशिष्ट क्षेत्रों की रूपरेखा तैयार करता है।

वाटरशेड विभाजन पिक्सेल की तीव्रता को स्थलाकृतिक सतह के रूप में मानता है। एल्गोरिदम "बेसिन" की पहचान करता है जिसमें यह स्थानीय मिनीमा की पहचान करता है और फिर अलग-अलग क्षेत्रों को बड़ा करने के लिए धीरे-धीरे इन बेसिनों में बाढ़ लाता है। यह तकनीक तब काफी उपयोगी होती है जब कोई छूने वाली वस्तुओं को अलग करना चाहता है, जैसे सूक्ष्म छवियों के भीतर कोशिकाओं के मामले में, लेकिन यह शोर के प्रति संवेदनशील हो सकती है। प्रक्रिया को मार्करों द्वारा निर्देशित किया जा सकता है और अति-विभाजन को अक्सर कम किया जा सकता है।

# Region-Based Segmentation
def region_based(img):
    # Convert image to grayscale
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

    # Apply Otsu's thresholding
    _, thresh = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV   cv.THRESH_OTSU)

    # Apply morphological opening to remove noise
    kernel = np.ones((3, 3), np.uint8)
    opening = cv.morphologyEx(thresh, cv.MORPH_OPEN, kernel, iterations=2)

    # Dilate the opening to get the background
    sure_bg = cv.dilate(opening, kernel, iterations=3)

    # Calculate the distance transform
    dist_transform = cv.distanceTransform(opening, cv.DIST_L2, 5)

    # Threshold the distance transform to get the foreground
    _, sure_fg = cv.threshold(dist_transform, 0.2 * dist_transform.max(), 255, 0)
    sure_fg = np.uint8(sure_fg)

    # Find the unknown region
    unknown = cv.subtract(sure_bg, sure_fg)

    # Label the markers for watershed algorithm
    _, markers = cv.connectedComponents(sure_fg)
    markers = markers   1
    markers[unknown == 255] = 0

    # Apply watershed algorithm
    markers = cv.watershed(img, markers)

    # Create a mask for the segmented region
    mask = np.zeros_like(gray, dtype=np.uint8)
    mask[markers == 1] = 255

    return mask

4. क्लस्टरिंग-आधारित विभाजन

क्लस्टरिंग तकनीकें जैसे कि K-Means पिक्सेल को समान समूहों में समूहित करती हैं, जो बहु-रंगीन या जटिल वातावरण में कोशिकाओं को विभाजित करने की इच्छा होने पर ठीक काम करती है, जैसा कि HEp-2 सेल छवियों में देखा जाता है। मौलिक रूप से, यह विभिन्न वर्गों का प्रतिनिधित्व कर सकता है, जैसे सेलुलर क्षेत्र बनाम पृष्ठभूमि।

K-means रंग या तीव्रता की पिक्सेल समानता के आधार पर छवियों को क्लस्टर करने के लिए एक अप्रशिक्षित शिक्षण एल्गोरिदम है। एल्गोरिथ्म बेतरतीब ढंग से K सेंट्रोइड का चयन करता है, प्रत्येक पिक्सेल को निकटतम सेंट्रोइड को निर्दिष्ट करता है, और सेंट्रोइड को तब तक अद्यतन करता है जब तक कि यह अभिसरण न हो जाए। यह ऐसी छवि को खंडित करने में विशेष रूप से प्रभावी है जिसमें रुचि के कई क्षेत्र होते हैं जो एक दूसरे से बहुत भिन्न होते हैं।

# Clustering Segmentation
def clustering(img):
    # Convert image to grayscale
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

    # Reshape the image
    Z = gray.reshape((-1, 3))
    Z = np.float32(Z)

    # Define the criteria for k-means clustering
    criteria = (cv.TERM_CRITERIA_EPS   cv.TERM_CRITERIA_MAX_ITER, 10, 1.0)

    # Set the number of clusters
    K = 2

    # Perform k-means clustering
    _, label, center = cv.kmeans(Z, K, None, criteria, 10, cv.KMEANS_RANDOM_CENTERS)

    # Convert the center values to uint8
    center = np.uint8(center)

    # Reshape the result
    res = center[label.flatten()]
    res = res.reshape((gray.shape))

    # Apply thresholding to the result
    _, res = cv.threshold(res, 0, 255, cv.THRESH_BINARY   cv.THRESH_OTSU)

    return res

F1 स्कोर का उपयोग करके तकनीकों का मूल्यांकन करना

F1 स्कोर एक माप है जो अनुमानित विभाजन छवि की जमीनी सच्चाई छवि के साथ तुलना करने के लिए सटीकता और रिकॉल को एक साथ जोड़ता है। यह परिशुद्धता और रिकॉल का हार्मोनिक माध्यम है, जो उच्च डेटा असंतुलन के मामलों में उपयोगी है, जैसे कि मेडिकल इमेजिंग डेटासेट में।

हमने जमीनी सच्चाई और खंडित छवि दोनों को समतल करके और भारित एफ1 स्कोर की गणना करके प्रत्येक विभाजन विधि के लिए एफ1 स्कोर की गणना की।

def calculate_f1_score(ground_image, segmented_image):
    ground_image = ground_image.flatten()
    segmented_image = segmented_image.flatten()
    return f1_score(ground_image, segmented_image, average="weighted")

फिर हमने एक साधारण बार चार्ट का उपयोग करके विभिन्न तरीकों के एफ1 स्कोर की कल्पना की:

निष्कर्ष

हालांकि छवि विभाजन के लिए कई हालिया दृष्टिकोण उभर रहे हैं, पारंपरिक विभाजन तकनीक जैसे थ्रेशोल्डिंग, एज डिटेक्शन, क्षेत्र-आधारित तरीके और क्लस्टरिंग MIVIA HEp-2 छवि डेटासेट जैसे डेटासेट पर लागू होने पर बहुत उपयोगी हो सकते हैं।

प्रत्येक विधि की अपनी ताकत होती है:

• थ्रेसहोल्डिंग सरल बाइनरी सेगमेंटेशन के लिए अच्छा है।
• एज डिटेक्शन सीमाओं का पता लगाने के लिए एक आदर्श तकनीक है।
• क्षेत्र-आधारित विभाजन जुड़े हुए घटकों को उनके पड़ोसियों से अलग करने में बहुत उपयोगी है।
• क्लस्टरिंग विधियां बहु-क्षेत्रीय विभाजन कार्यों के लिए उपयुक्त हैं।

एफ1 स्कोर का उपयोग करके इन तरीकों का मूल्यांकन करके, हम इनमें से प्रत्येक मॉडल के ट्रेड-ऑफ को समझते हैं। हो सकता है कि ये विधियाँ उतनी परिष्कृत न हों जितनी कि गहन शिक्षण के नवीनतम मॉडलों में विकसित की गई हैं, लेकिन वे अनुप्रयोगों की एक विस्तृत श्रृंखला में अभी भी तेज़, व्याख्या योग्य और सेवा योग्य हैं।

पढ़ने के लिए धन्यवाद! मुझे आशा है कि पारंपरिक छवि विभाजन तकनीकों की यह खोज आपके अगले प्रोजेक्ट को प्रेरित करेगी। नीचे टिप्पणी में अपने विचार और अनुभव बेझिझक साझा करें!