[Computer Vision] Segmentation

👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다.

 

Segmentation은 영상에서 특정 영역만 추출하는 기능이다. 

예를 들어 의료 영상에서 종양을 식별하거나, 자율주행차가 도로와 보행자를 구분하는 데 사용된다.

 

OpenCV에서는 K-Means 또는 Watershed 알고리즘을 통해 Segmentation을 할 수 있다.

 

K-Means

K-Means 클러스터링은 머신러닝 중 하나로 비지도 학습 알고리즘이다.

데이터를 K개의 클러스터로 나누는 기법으로 이를 통해 이미지를 색상 기반으로 분할 할 수 있다.

import cv2
import numpy as np
import random

if __name__ == "__main__":
    img = cv2.imread("cat.png")
    # Resize
    h,w,c = img.shape
    img = cv2.resize(img,(int(w//2),int(h//2)))
    cv2.imshow("original",img)

    # BGR to RGB
    img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
    # 이미지를 2D 배열로 변환
    pixel_values = img.reshape((-1,3))
    pixel_values = np.float32(pixel_values)
    # k-means
    k = 2
    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100,0.2)
    # Radom으로 중앙 설정
    _,labels,centers = cv2.kmeans(pixel_values,k,None,criteria,10,cv2.KMEANS_RANDOM_CENTERS)

    # 각 클러스터에 대해 랜덤 색상 생성
    colors = []
    for _ in range(k):
        colors.append([random.randint(0, 255) for _ in range(3)])

    # 세그멘테이션된 이미지를 색상으로 채우기
    segmented_img = np.zeros_like(img)
    for i in range(len(labels)):
        segmented_img[i // img.shape[1], i % img.shape[1]] = colors[labels[i][0]]

    cv2.imshow("segmentation",segmented_img)

    cv2.waitKey(0)
    cv2.destroyAllWindows()

 

 

Watershed

Watershed는 이미지 내 경계선을 찾고 이를 기반으로 객체를 분할하는 방법이다.

이 방법은 복잡한 배경 속에서 객체를 식별하는 데 유용하다.

import cv2
import numpy as np
import random

if __name__ == "__main__":
    image = cv2.imread("coin.jpg")
    # Resize
    cv2.imshow("original",image)

    # 이미지 전처리
    gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)

    ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

    # noise removal
    kernel = np.ones((3,3),np.uint8)
    opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2)
    
    # sure background area
    sure_bg = cv2.dilate(opening,kernel,iterations=3)
    
    # Finding sure foreground area
    dist_transform = cv2.distanceTransform(opening,cv2.DIST_L2,5)
    ret, sure_fg = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0)
    
    # Finding unknown region
    sure_fg = np.uint8(sure_fg)
    unknown = cv2.subtract(sure_bg,sure_fg)
    cv2.imshow("Dist",dist_transform)
    cv2.imshow("watershed",sure_fg)

    # Marker labelling
    ret, markers = cv2.connectedComponents(sure_fg)
    
    # Add one to all labels so that sure background is not 0, but 1
    markers = markers+1
    
    # Now, mark the region of unknown with zero
    markers[unknown==255] = 0

    markers = cv2.watershed(image,markers)
    image[markers == -1] = [255,0,0]
    cv2.imshow("segmentation",image)

    cv2.waitKey(0)
    cv2.destroyAllWindows()

 

 

이러한 방법 말고도 딥러닝을 사용한 Segmentation(UNet)도 있다.

이 방법이 학습만 충분히 된다면 더 섬세하다.

SAM2 Image Predictor - a Hugging Face Space by fffiloni