Großer Beleg Segmentierung von ATPase-gefärbten - Fakultät ...
Großer Beleg Segmentierung von ATPase-gefärbten - Fakultät ...
Großer Beleg Segmentierung von ATPase-gefärbten - Fakultät ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
3.2 Kantenbasierte <strong>Segmentierung</strong> 19<br />
3.2 Kantenbasierte <strong>Segmentierung</strong><br />
Ein kantenbasierter <strong>Segmentierung</strong>sansatz baut auf der Annahme auf, dass innerhalb<br />
eines Bildes die zu erkennenden Regionen durch mehr oder weniger deutliche Kanten<br />
beschrieben werden. Eine Kante wird als eine plötzliche Intensitätsänderung innerhalb<br />
einer gewissen Umgebung angenommen. Aus der Bildverarbeitung kann man auf einige<br />
Filter mit kantendetektorischen Eigenschaften zurückgreifen, wie u.a. den Laplace-<br />
Filter.<br />
Eine Kante kann algorithmisch durch die Berechnung des Gradienten an einer bestimmten<br />
Stelle erkannt werden. Der Gradient (ein Vektor) berechnet sich aus den partiellen<br />
Raumableitungen auf dem Beobachtungsraum. Generell kann ein Gradient für n-<br />
dimensionale Datensätze berechnet werden. Im Falle eines zweidimensionalen Bildes<br />
werden entsprechend die zwei Raumableitungen nach x und y verwendet. Diese Ableitungen<br />
bilden die x- und y-Komponenten des Gradienten-Vektors. In Gleichung (3.6)<br />
findet sich eine mathematische Beschreibung.<br />
grad(I(x, y)) = ∇I(x, y) =<br />
( ∂I(x,y)<br />
∂x<br />
∂I(x,y)<br />
∂y<br />
)<br />
(3.6)<br />
Der Gradient, in der Kurzschreibweise als ∇ notiert, zeigt immer in Richtung des stärksten<br />
Dichteanstiegs eines skalaren Feldes. Für ein Grauwertbild also in die Richtung, in<br />
der sich die Helligkeitswerte am stärksten erhöhen. Der Betrag des Gradienten-Vektors<br />
gibt Aufschluss über die Stärke einer Intensitätsänderung an einer Stelle und ist so besonders<br />
zur Kantenbestimmung in Bildern geeignet. Besonders hohe Gradientenbeträge<br />
sind Indikatoren für Kanten innerhalb des Bildes.<br />
Vorteil <strong>von</strong> kantenbasierten <strong>Segmentierung</strong>smethoden ist, dass sich durch Kantendetektoren<br />
Konturen für verschiedenste Bildbereiche extrahieren lassen. Nachteilig ist<br />
aber, dass es unter Umständen schwierig sein kann, zwischen den Kanten der zu segmentierenden<br />
Objekte und den Kanten <strong>von</strong> irrelevanten Bildregionen zu unterscheiden.<br />
Oftmals sind die aus Kantendetektoren extrahierten Objektkonturen nicht zusammenhängend<br />
und müssen durch weitere Verarbeitungsschritte zusammengefügt oder<br />
vervollständigt werden. Ein häufig verwendeter Ansatz zur Kantensegmentierung ist<br />
der Canny-Algorithmus [Can86].