کاربرد خوشه بندی k-means در پردازش تصویر

پردازش تصاویر دارای دو شاخه عمده بهبود تصاویر و بینایی ماشین است. بهبود تصاویر دربرگیرنده روشهایی چون استفاده از فیلتر محوکننده و افزایش تضاد برای بهتر کردن کیفیت دیداری تصاویر و اطمینان از نمایش درست آنها در محیط مقصد)مانند چاپگر یا نمایشگر رایانه(است، در حالی که بینایی ماشین به روشهایی میپردازد که به کمک آنها میتوان معنی و محتوای تصاویر را درک کرد تا از آنها در کارهایی چون رباتیک و محور تصاویر استفاده شود. در معنای خاص آن پردازش تصویر عبارتست از هر نوع پردازش سیگنال که ورودی یک تصویر است مثل عکس یا صحنهای از یک فیلم.خروجی پردازشگر تصویر میتواند یک تصویر یا یک مجموعه از نشانهای ویژه یا متغیرهای مربوط به تصویر باشد.اغلب تکنیکهای پردازش تصویر شامل برخورد با تصویر به عنوان یک سیگنال دو بعدی و بکاربستن تکنیکهای استاندارد پردازش سیگنال روی آنها میشود. پردازش تصویر اغلب به پردازش دیجیتالی تصویر اشاره میکند ولی پردازش نوری و آنالوگ تصویر هم وجود دارند.

امروزه با پیشرفت های متعددی که در روش های اخذ اطلاعات گسسته مانند اسکنرها و دوربین های دیجیتالی به وجود آمده است، پردازش تصویر کاربرد فراوانی یافته است. تصاویر حاصل از این اطلاعات همواره در حد قابل توجهی دارای نویز و یا تیرگی محسوس بوده است و در مواردی نیز دارای مشکل محو شدگی مرزهای نمونه های داخل تصویر می باشد، که باعث کاهش وضوح تصویر دریافتی می گردد. به مجموعه عملیات و پردازش هایی که در راستای آنالیز تصویر در زمینه های مختلف انجام شده است،علم پردازش تصویر گویند. کاربردهای پردازش تصویر در زمینه های مختلف آورده شده است. کاربردهای صنعتی مانند کنترل کیفیت بسته بندی دارو در یک کارخانه، کاربردهای امنیتی مانند تشخیص حرکت، تشخیص اثر انگشت، تشخیص چهره و تشخیص دست خط یا امضا،  کاربردهای پزشکی مانند ارتقای ویژگی های تصاویر اشعه x، تولید تصاویر MRI از مغز و یا تصاویرمربوطه به  CTScan ، کاربردهای نظامی مانند تشخیص و هدف یابی خودکار اهداف متحرک یا ثابت توسط موشک های هوا به زمین.

در چندین پست قبل در موردالگوریتم خوشه بندی k-means  به طور کامل بحث شد. اصطلاح k-means  برای اولین بار توسط جیمز مک کوئین در سال 1967 مورد استفاده قرار گرفت، هرچند این ایده به هوگو در سال 1957 برمیگردد. الگوریتم استاندارد ابتدا توسط استوارت لوئید در سال 1957 به عنوان یک تکنیک برای مدل کد-پالس پیشنهاد شد.

خوشه بندی k-means  یک خوشه سازی آسان است حتی برای مجموعه داده های بزرگ. در برنامه ها و علوم زیادی از این خوشه بندی استفاده می شود از جمله یادگیری بی نظیر شبکه عصبی، تشخیص الگو، تجزیه و تحلیل، طبقه بندی، هوش مصنوعی، پردازش تصویر، چشم انداز ماشین، طبقه بندی اشیا بر اساس ویژگی ها، آمار زمین شناسی، پزشکی، نجوم و کشاورزی.

در زیر چند نمونه از کاربردها در پزشکی و کشاورزی را شرح می دهیم:

فلورسنس (خاصیتی فیزیکی است که برخی مواد شیمیایی آنرا دارند) چندگانه یا چندرنگی در محل هیبریداسیون (M-FISH) یک تکنیک جدید برای برچسب زدن سیتوژنیک است که می تواند برای تشخیص اختلالات کروموزومی برای سرطان و اختلالات ژنتیکی استفاده شود.

برای شناسایی ناهنجاری های کروموزومی الگوریتم خوشه بندی بهبود یافته c-means برای تقسیم بندی و طبقه بندی تصاویر M-FISH توسعه یافته است. اما الگوریتم مورد بحث در این مثال الگوریتم k-means  است که سریعتر از c-means عمل می کند.

اخیرا یک تکنیک برچسب زنی ترکیبی( M-FISH ) ایجاد شده است که در آن هر کلاس از کروموزوم ها با ترکیب متفاوتی از فلوروفورها که برای تجزیه و تحلیل کوروموزوم های انسان استفاده می شود، جذب می شود.

ایده ی مرکزی M-FISH  این است که هر کروموزوم با ترکیبی منحصر به فرد از 5 فلوراید برچسب گذاری شود. همچنین با استفاده از خوشه بندی k-means  برای انهدام می توان از یک فیلتر استفاده کرد. کارآیی و خروجی ساده از ویژگی های اساسی روش خوشه بندی k-means است.بسیاری از رویکردهای تقسیم بندی تصویر در طول سالها پیشنهاد شده است از این روش های مختلف خوشه بندی یکی از ساده ترین هاست و به طور گسترده ای در تقسیم بندی تصاویر خاکستری استفاده شده است.

جداسازی تصویر M-FISH با استفاده از الگوریتم خوشه بندی k-means نتیجه های بهتر تقسیم بندی را نسبت به سایر روش های مبتنی بر فازی ارائه می دهد. خروجی تقسیم بندی با استفاده از الگوریتم خوشه بندی k-means در شکل زیر نشان داده شده است.

تمرکز اصلی در این مثال بیشتر روی کاربرد پردازش تصویر در کشاورزی، در زمینه ی تشخیص آفات و بیماری های گیاهی میباشد. پردازش تصویر در کشاورزی بیشتر به منظور تسهیل در کار کشاورزی و افزایش مقدار تولید با استفاده از شناسایی و از بین بردن آفات قبل از مرحله ی تکثیر و آسیب زیاد به محصول انجام میشود. برای تشخیص آفات گیاهی با استفاده از پردازش تصویر از الگوریتم هایی مانند: خوشه بندی K-Means، فیلتر کردن تصویر، جمع و تفریق تصویر استفاده میشود که در ادامه به طور کامل شرح داده خواه شد. روش مورد استفاده ی ما برای عملی کردن این کار به این صورت است که کشاورز طی دوره های زمانی مشخص تصاویری از قسمت های مختلف مزرعه گرفته و آن را برای متخصص ارسال میکند. متخصص تصاویر را با استفاده از روش های ارائه شده در این مقاله بررسی کرده و نتیجه را به کشاورز برمیگرداند. روش دیگری که ممکن است برای این منظور استفاده شود کار گذاری دوربین هایی در همه جای مزرعه است تادر دوره های زمانی مشخص تصاویری تهیه کرده و برای مرکز تحیقیقات ارسال کند، هرچند این کار ممکن است دقیق تر از روش قبل باشد اما هزینه های آن به مراتب بیشتر از روش اول است و از نظر اقتصادی به صرفه نخواهد بود.

در این مثال مثل همه ی مثال  ها  در ابتدا وارد کردن تصویر و ایجاد فضای رنگی را داریم و سپس از الگوریتم خوشه بندی استفاده می کنیم.

 دو مرحله برای انجام خوشه بندی به روش K-MEANS وجود دارد، فاز با ایجاد دستگاه های مستقل تحول ساختار رنگ شروع میشود. در یک دستگاه مستقل فضای رنگی، برای تعیین رنگ بدون در نظر گرفتن دستگاهی که ان را رسم کرده از مختصات استفاده میشود. بنابراین ما ساختار تبدیل رنگی ایجاد میکنیم که فضای رنگی را تعریف کند. سپس دستگاه مستقل تبدیل رنگ که ارزش رنگ مشخص شده در تصویر را به فضای رنگی مشخص شده در ساختار تبدیل تغییر میدهد را اجرا میکنیم.
ساختار تبدیل رنگ مشخص میکند پارامتر های مختلف تبدیل را .فضای رنگ وابسته به دستگاه که در ان رنگ حاصل به تجهیزات مورد استفاده برای تولید ان بستگی دارد. برای مثال: رنگ تولید شده با استفاده از پیکسل با مقادیر RGB تغییر میکند با روشنایی و کنتراست دستگاهی که از ان استفاده میکنیم. الگوریتم خوشه بندی K-MEANS برای طبقه بندی اشیا ) پیکسل در این مورد( استفاده میشود، بر اساس مجموعه ای از ویژگی ها و تعداد طبقه ها ، طبقه بندی با به حد اقل رساندن مجموعه ی مربعات فواصل بین اشیاء و خوشه ی مربوطه یا مرکز جسم انجام شده است.  تصویر خوشه ی الوده با تاول زدن زود هنگام و خوشه ی اول ان  در شکل زیر نشان داده شده است.

نمونه ای از خوشه بندی K-MEANS برای یک برگ الوده ی مبتلا به بیماری تاول زدن  در شکل زیر نشان داده شده است.

تصاویر دیگری در مورد خوشه بندی k-means در پردازش تصویر را در زیر مشاهده می کنید.

منبع:

دانلود مفاهیم خوشه بندی

دانلود مقاله قطعه بندی کروموزوم

دانلود مقاله پردازش تصویر در آفت شناسی

دانلود مقاله Image Segmentation using K-Means