Автор: Илья Бакалец
В этой статье мы рассмотрим конкретную задачу, связанную с проектом по созданию автоматизированной системы анализа аэроснимков полей, на которых выращивается подсолнечник. Главная цель проекта — оценка эффективности процесса посева.
Давайте разберем решение задачи сегментации и инстанс сегментации подсолнечника с помощью классических алгоритмов!
Задача сегментации не всегда требует использования нейронных сетей, поскольку классические методы обработки изображений также могут приводить к хорошим результатам. Однако для достижения высокого качества нужно учитывать следующий ряд условий:
Рис.1. Исходное изображение
Начнем с задачи семантической сегментации, для решения которой нам нужно получить бинарную маску объектов на поле. Для начала давайте посмотрим на исходную картинку, представленную на рисунке 1. Мы видим, что поле и растения хорошо различимы по цвету, а значит можно попробовать их сегментировать по этому признаку. В таком случае цветовое пространство RGB будет не лучшим выбором для решения этой задачи, так как оно представляет цвет через три других (в отличие от HSV).
HSV — это цилиндрическое цветовое пространство, представляющее цвета на основе их оттенка, насыщенности и значения.
Рис.2. Представление цветового пространства HSV. Источник: Wikipedia
Преимущество использования цветового пространства HSV при сегментации объектов по цвету — наша возможность легко изолировать объекты определенного цвета независимо от их яркости и насыщенности. Например, для сегментации объектов зеленого цвета мы можем использовать диапазон значений оттенка, соответствующий этому цвету, вне зависимости от того, насколько ярким или насыщенным является зеленый цвет на изображении.
На рисунке 3 зеленый цвет представлен в диапазоне примерно от [40:80].
