Färgsegmentering

Färgsegmentering är en teknik inom bildbehandling som syftar till att dela upp en bild i regioner baserade på färginformation. Målet är att varje segment består av pixlar som har liknande färger eller färgfördelningar, vilket gör det möjligt att skilja objekt eller strukturer från varandra med hjälp av färgen som huvudsaklig kännetecken. Färgsegmentering används ofta som förbehandling till vidare analys eller som självständig metod i till exempel kvalitetskontroll och marknadsföring.

Vanliga färgrum som används vid färgsegmentering är RGB, där färger representeras av tre kanterorna rött, grönt och blått, samt alternativ som HSV/HSL, Lab och YCbCr. Att arbeta i ett färgrum där färgskillnader är mer separerbara kan förenkla uppgiften jämfört med rå RGB.

Vanliga metoder inkluderar:

- Färgtröskling i ett lämpligt färgrum för att skapa binära eller flerkärniga masker baserade på färgintervall.

- Klustring som k-means eller mean shift för att gruppera pixlar i färgkluster och därefter skapa segment utifrån dessa kluster.

- Statistiska modeller som Gaussian Mixture Models för att beskriva färgdistributioner i olika regioner.

- Graf- eller regionbaserad segementering som inkluderar textur och kantinformation samt sammanfogning av översegmenterade regioner.

- Djupinlärning som semantic segmentation där färginformation används tillsammans med andra feature representationer.

Applikationer inkluderar industriell kvalitetskontroll, medicinska bilder, jordbruk och scenanalys i fotografi och videoproduktion. Viktiga utmaningar är variationer i ljusförhållanden, skuggor och kamera-sensordifferenser som påverkar färguppfattningar och därmed segmenteringen. Utvärdering sker ofta med markeringar (ground truth) och mått som IoU eller Dice-koefficient samt pixelprecison och recall.