O que é segmentação por agrupamento?
A segmentação por agrupamento reúne pixels ou regiões conforme semelhanças de cor, intensidade, textura ou características aprendidas. Cada grupo resultante é tratado como uma região candidata da imagem, e não como um objeto semântico conhecido.
Como funciona a segmentação por agrupamento
Cada pixel é representado por um vetor de características que pode incluir valores dos canais, medidas de textura, coordenadas espaciais ou uma representação vetorial incorporada. Um algoritmo como k-means atribui então vetores semelhantes a grupos, às vezes seguido de ajustes em componentes conexos ou limites. Os rótulos dos grupos descrevem semelhança estatística, não a identidade dos objetos, portanto uma classe pode ocupar várias áreas desconectadas. Essa costuma ser uma etapa não supervisionada antes da medição, do mascaramento ou de um modelo semântico.
Informações essenciais
- O k-means exige a escolha de uma quantidade de grupos e tende a favorecer grupos aproximadamente compactos no espaço de características; a inicialização pode alterar a partição final, a menos que as sementes e as configurações sejam controladas.
- Adicionar as coordenadas dos pixels ao vetor de características favorece regiões espacialmente coerentes, mas a escala dessas coordenadas em relação às características de cor determina se predominam pixels próximos ou visualmente semelhantes.
- Agrupar valores RGB brutos pode separar mudanças de iluminação em vez de materiais; espaços perceptuais ou de luminância e crominância podem tornar a métrica de distância selecionada mais significativa.
Quando a segmentação por agrupamento é importante
Aplique a segmentação por agrupamento para separar fundos, descobrir regiões ou realizar pré-processamento quando não houver dados de treinamento rotulados disponíveis. Os resultados dependem da escolha das características e da quantidade de grupos, e objetos visualmente semelhantes podem ser unidos.