යෙදීම්(Applications)
විශේෂයෙන් Medical Imaging වලදී ලබා ගන්නා ප්‍රතිබිම්බ මෙලෙස segment කිරීමෙන් බොහෝ තොරතුරු අනාවරණය කරගනු ලබනවා.ඒවගේම interpolation alogarithms යොදාගෙන ත්‍රිමාන ප්‍රතිබිම්බ ප්‍රතිනිර්මාණය කිරීමටත් මෙමගින් හැකියාව ලැබෙනවා.මීට අමතරව Image Segmentation යන්න භාවිතා වන තවත් අවස්තාවක් වන්නේ Object Detection සදහා.එනම් රේගුවේ හා වෙනත් පරීක්ෂා ස්ථානවල ගමන් මලු පරික්ෂා කර ලබා ගන්න පරිලෝකන ප්‍රතිබිම්බ වලින් වස්තු හදුනාගැනීම එම ඉමේජ් , segment කිරීමෙන් පසුවයි කෙරෙන්නේ. ඒවගේම Face Detection,Pedestrian Detection,Break light Detection වැනි හදුනාගැනීම් බොහොමයක ඉමේජ් සේග්මන්ටෙෂන් භාවිත වෙනවා.තවද Face recognition,Fingerprint recognition,Iris recognition වැනි රෙකග්නිෂන් ටාස්ක්ස් වලදීත් මෙය භාවිතා වෙනවා.
Image segmentation අලෝගරිත්ම
මෙම සැම අලෝගරිතමයක්ම සාමාන්‍යයෙන් intensity values වල ප්‍රධාන ලක්ෂණ දෙකක් මත රදා පවතිනවා.
එනම්,
discontinuity-edges වල intensity වෙනස්කම් සලකා ඉමේජ් කොටස් වෙන්කිරීම මෙහිදී සිදුකෙරේ.
Similarity-එක සමානකම් සලකා සිදු කරනු ලබන වෙන්කිරීම්
- Thresholding
imege segmentation වලදී භාවිතා වන සරලම ක්‍රමය මෙයයි.threshold value නමින් තෝරා ගන්න ලබන අගයක් සලකා greyscale ඉමේජය binary imageයක් බවට පත්කරනවා.එවිට එම ත්රෙශෝල්ඩ් අගයට ඉහල හා පහල කළු හා සුදු වශයෙන් වෙන්වෙනවා
මෙලෙස ත්රෙශෝල්ඩ් අගය සලකා බලා points,lines වැනි දේ detect කරන්න පුළුවන්.
- Histogram-based Methods
අනෙකුත් segmentation methods හා සංසන්දනය කර බැලීමේදී මෙය වඩා කාර්යක්ෂම ක්‍රමය වෙයි.මෙහිදී ඉමේජ්යේ සියලු පික්සල් සලකා අදිනු ලබන histogram එකක් භාවිතා කරයි.එහි ශීර්ෂ හා නිම්න මගින් clusters වෙන් කිරීම සිදුවෙයි.මෙම උපක්‍රමය නැවත නැවත යෙදීමෙන් තව දුරටත් වෙන් කල නොහැකි clusters කිහිපයක් බවට පත් කර ගත හැකිය.මෙම සේග්මන්ටෙෂන් ක්‍රමය නිශ්චල ප්‍රතිබිම්බ වෙන්කිරීම සදහා මෙන්ම චල ප්‍රතිබිම්බ වෙන්කිරීම් සදහාද භාවිතා වෙයි.
- Edge Detection
ඉමේජ් ප්‍රොසෙසින්ග් වලදී වඩා දියුණු ක්ෂේත්‍රයක් ලෙසින් මෙය හදුනාගන්න පුළුවන්.region boundaries වල intensity values වල විශාල වෙනස්වීම edges හදුනාගන්න භාවිත කරනවා.
මීට අමතරව segmentation සදහා තවත් techniques බොහොමයක් තිබෙනවා.එයින් කිහිපයක් මා සදහන් කරත් ඒවා පිළිබද විස්තර වශයෙන් කතා කිරීමට බලාපොරොත්තු වෙන්නේ නැහැ.
- Compression-based methods
- Region-growing methods
- Partial differential equation-based methods
- Graph partitioning methods
- Model based segmentation
- Multi-scale segmentation
- Semi-automatic segmentation
- Trainable segmentation
