Сегментация изображения на основе смешанных Гауссовых моделей: Новое в системе Wolfram Language 11

Сегментация изображения на основе смешанных Гауссовых моделей

Изображения представлены в виде массивов пикселей. Отдельно взятый пиксель представляет собой скаляр (или вектор), который показывает интенсивность (или цвет). Смешанная Гауссова модель может быть использована для разделения пикселей на аналогичные сегменты для дальнейшего анализа изображения.

In[1]:=

pic = ExampleData[{"TestImage", "Aerial"}]

Out[1]=

In[2]:=

pixels = Flatten[ImageData[pic]];

Визуализация распределения значений пикселей.

код на языке Wolfram Language целиком

In[3]:=

Histogram[pixels, ImageSize -> Medium, PlotTheme -> "Detailed"]

Out[3]=

Проанализируем значения пикселей с помошью трехкомпонентной смешанной Гауссовой модели.

In[4]:=

gmm = Quiet@
   EstimatedDistribution[pixels, 
    MixtureDistribution[{p1, p2, p3}, {NormalDistribution[a1, a2], 
      NormalDistribution[b1, b2], NormalDistribution[c1, c2]}]];

Добавим описание для каждого пикселя с максимальной оценкой апостериорной вероятности (MAP).

In[5]:=

pxi = Table[PDF[dist, pixels], {dist, Last[gmm]}];
pxi = Transpose[pxi]/Total[pxi First[gmm]];
labels = ArrayReshape[Ordering[#, -1] & /@ pxi, ImageDimensions[pic]];

Визуализируем сегментированное изображение, и сравним его с исходным изображением.

код на языке Wolfram Language целиком

In[6]:=