O que é segmentação de imagens?
A segmentação de imagens divide uma imagem em regiões de pixels significativas, frequentemente atribuindo uma classe semântica a cada pixel. Seu resultado descreve os limites com mais precisão do que a classificação de imagens ou as caixas delimitadoras.
Como funciona a segmentação de imagens
A segmentação produz um campo de rótulos ou pontuações alinhado à grade da imagem, permitindo que o software analise regiões em vez de apenas quadros inteiros ou retângulos. Os métodos clássicos agrupam amostras por intensidade, cor, bordas ou conectividade, enquanto sistemas baseados em aprendizado preveem máscaras semânticas a partir de exemplos anotados. O pós-processamento pode remover regiões minúsculas, fechar lacunas ou refinar limites. A máscara então orienta a composição, a medição, a inspeção ou as etapas do modelo que exigem seleções espacialmente precisas.
Informações essenciais
- A segmentação semântica reúne todos os pixels de uma classe, enquanto uma saída que distingue instâncias mantém identidades de objetos separadas; nenhuma das duas equivale a estimar valores fracionários de alfa do primeiro plano.
- Mapas de rótulos categóricos devem ser redimensionados com amostragem por vizinho mais próximo ou outro método que leve os rótulos em conta, porque a interpolação comum cria valores de classe inexistentes.
- Pontuações de sobreposição de regiões podem ocultar erros estreitos nos limites, portanto aplicações como recortes ou contornos médicos frequentemente precisam de uma avaliação separada baseada em bordas ou distâncias.
Quando a segmentação de imagens é importante
Use segmentação quando a remoção de fundo, a medição ou a edição exigir limites no nível dos pixels em vez de localizações aproximadas. Máscaras detalhadas têm maior custo de anotação e processamento, e erros nos limites ficam evidentes durante a composição.