Bildverarbeitung und Objekterkennung

Abstract

Mit der Bildsegmentierung beginnt der Übergang von der rein numerischen Darstellung des Bildes in einer Grauwertmatrix zu einer symbolischen Darstellung. Im Unterschied zur Muster-erkennung (siehe Kapitel 16) werden bei der Bildsegmentierung nur einfache Objekte wie Linien, Flächen und Punkte ermittelt, aber nicht Linien oder Flächen mit symbolischen Namen wie "Umriss eines Hauses", "Silhouette eines Baumes" usw. versehen. Für die Segmentierung wird in der Regel kein explizit repräsentiertes Wissen oder nur wenig Information verwendet. Diese Informationen können Eigenschaften der zu segmentierenden Objekte wie der Grauwert, die Form, die Größe oder die Lage im Bild sein. Das Ziel der Bildsegmentierung, nämlich die Unterteilung des Bildes in Teilbereiche mit glei-chen Eigenschaften, wird meist mit Verfahren aus der Kanten-und Flächendetektion erreicht. Dadurch werden die für die Anwendung "interessanten Objekte" extrahiert, um sie leichter weiter-verarbeiten zu können. Als Beispiele seien hier die Trennung von Text und Graphik zur Dokumen-tenanalyse und die Separierung von Organen, Zellen, Chromosomen usw. bei der biomedizinischen Bildverarbeitung genannt. Damit erfolgt eine erste Bedeutungszuweisung zu einzelnen Gebieten im Bild. Die Bildsegmentierung gehört daher nicht mehr zur klassischen Bildvorverarbeitung sondern zählt schon zur Mustererkennung und Bildinterpretation. Die Unterteilung des Bildes in homogene Abschnitte geschieht nach verschiedenen Kriterien. Normalerweise werden die einzelnen Gebiete über Kantendetektoren oder Flächen-Wachstums-Algorithmen selektiert. Aber auch andere Kriterien wie "Lage im Bild" oder "Veränderung zum vorhergehenden Bild" sind denkbar. Falls es sich bei den Vorlagen um Farbbilder handelt, kann die zusätzliche Farb-Information ebenfalls zur Segmentierung verwendet werden.