(1994) Region Growing

이미지 분할의 방식이다.

이미지 상의 점(들)을 정하고, 이웃한 점들을 확인 한 후, 비슷한 조건의 점이면 영역을 확장해나가는 알고리즘이다.

 

[알고리즘]

1. 시드 고르기(seed selection)

알고리즘의 시작점을 골라야한다.

2. 영역 확장(region growing)

인접한 픽셀(8방향)에 대하여 특정 조건에 대하여 가장 차이가 적은(비슷한) 픽셀을 결정한다.

여기서 인접한 픽셀은 특정 스탭 A에 대해 이미 선택된 영역과 한 면이라도 인접한 픽셀(8방향 중 한 곳에 위치한 픽셀)을 의미한다.

delta(x)는 이미 선택된 영역의 평균과 자기 자신의 값 사이의 차이를 말한다.

이미 선택된 영역이 가운데라고 가정하면 가운데 픽셀에 대한 인접 픽셀들 중 색 강도의 차이가 가장 적은 오른쪽 인접 픽셀이 선택된다.

 

3. 우선 순위 큐

인접한 픽셀을 처리할때는 우선 순위 큐를 활용하여 분할 정확도와 알고리즘의 강건성을 갖추었다.

예를 들어 delta(x)가 두 개 혹은 그 이상의 Ai에 대하여 존재한다면 우선 순위 큐에 넣고 조건을 만족하는 delta(x)값 중 가장 작은 값을 취한다.

4. 멈추는 조건

인접한 픽셀 중 조건을 만족하는 픽셀이 존재하지 않거나 모든 픽셀이 영역안으로 정의가 되면 끝난다.

 

[장점]

알고리즘의 정확도가 높다.

이미지 그레이디언트(변화량)이 높거나 차이가 명확한 요소가 있는 이미지에서 잘 수행된다.

 

[단점]

시작점의 위치나 개수에 따라 결과가 의존적이다.

이미지 노이즈에 약하다.

비슷하다고 정의하는 조건 혹은 기준을 고를 때 고려해야할 점이 많다.

 

[응용 분야]

의학 촬영(medical imaging): MRI나 CT스캔에서 인체 기관을 구분할 때 쓰인다.

원격 탐사(remote sensing): 위성 이미지 상에서 숲이나 물이 있는 곳을 탐지 할 때 쓰인다.

객체 탐지(object detection): 이미지 상에서 특정한 객체를 인식할 때 쓰인다.