Files
digitale-bildverarbeitung-l…/5_Bildanalyse/ü13/README.md

50 lines
1.7 KiB
Markdown

# Übung 13: Instanzsegmentierung
In dieser Aufgabe sollen verschiedene Instanzen von Objekten in einem binär segmentierten Bild gefunden werden.
## a) Zeilenkoinzidenzverfahren
Betrachten Sie das folgende Bild und die dazugehörige Instanzsegmentierung:
| Binärbild | Instanz-segmentiertes Bild |
| --- | --- |
| ![](data/bild.png) | ![](data/result.jpg)|
Finden Sie in dem Binärbild zusammenhängende bzw. getrennte Objekte nach dem Zeilenkoinzidenzverfahren nach der foldengen
Anleitung:
![](data/verfahren.png)
Geben Sie dabei jedem neuen Objekt eine eigene ID und visualisieren Sie das Ergebnis.
Bitte führen Sie für die Bearbeitung der Aufgabe das Skript [a.py](a.py) fort.
Eine Lösung befindet sich in Datei [l_a.py](l_a.py).
## b) Watershed Algorithmus
Betrachten Sie das folgende Bild und die dazugehörige Instanzsegmentierung:
| RGB-Bild | Instanz-segmentiertes Bild |
| --- | --- |
| ![](data/students_checklist.jpg) | ![](data/students_checklist_result.jpg)|
Führen Sie nun die Instanzsegmentierung mit der folgenden
Anleitung selbst durch:
- Binarisieren Sie das Bild, sodass der Hintergrund das Label 0 und die Sticker das Label 1 haben
- Füllen Sie im Binärbild kleine Löcher und entfernen Sie kleine Regionen (Rauschen)
- Erstellen Sie Seed-Punkte/Regionen, indem Sie das Binärbild stark erodieren und das Zeilenkoinzidenzverfahren (siehe oben) anwenden
- "Füllen" Sie iterativ die Pixel mit dem Label 1 zu den Seedpunkten hinzu
Geben Sie am Ende jedem Objekt eine eigene ID und visualisieren Sie das Ergebnis.
Bitte führen Sie für die Bearbeitung der Aufgabe das Skript [b.py](b.py) fort.
Eine Lösung befindet sich in Datei [l_b.py](l_b.py).