Metody shlukování ve zpracování obrazu

Abstract

Cílem této práce bylo seznámit se s digitálním zpracováním obrazu s důrazem na metody shlukování. Zařadil jsem shlukovací metody do většího celku segmentace a rozepsal k čemu slouží, jak ji dělíme a které základní segmentační metody známe. V další části jsem se již dostal přímo k shlukovacím metodám. Ty jsem rozčlenil, podrobněji popsal jejich funkci a princip. Pro praktickou ukázku jsem zvolil shlukovací metodu mean-shift. Implementace, byla provedena pomocí knihovny OpenCV v programovacím jazyce C++. Následovala řada testů, které nám poskytly dostatek informací o funkčnosti algoritmu a jeho vlastnostech. Mean-shift dobře segmentuje i složitější obrazce (nemá problém s podlouhlými shluky) a výhodou je také, že není potřeba zadávat konečný počet shluků.

This bachelor thesis is focused on informing about digital image processing with lay emphasis on clustering methods. I inserted clustering methods to larger complex segmentation and specify how it serves, how we can divide it and which basic segmentation methods are known. I got down to clustering methods in another part. I divided them also described their functions and principles. I choose clustering method mean-shift for example. Implementation was made by support of library OpenCV in programming language C++. It followed set of tests which gave us enough information about algorithm functionality and his properties. Mean-shift segments even more difficult diagrams (doesn´t has any problem with long clusters) also there is one more advantage to set final quantity of clusters it is not necessary.