領域成長法とは?
領域成長法は、一つ以上のシード画素を起点とする画像セグメンテーション手法です。色、輝度、テクスチャ、その他の測定特性が類似性の規則を満たす隣接画素を、繰り返し追加します。
領域成長法の仕組み
領域成長法では、取り込んだ画素の近傍を評価するため、領域への所属判定はフレーム全体で独立に行われるのではなく、各シードから外側へと伝播します。通常、連結性は画素グリッド上で定義され、均質性の判定には単一の値や、領域の拡大に応じて更新される統計量を使用できます。空間的な連続性を保つ点で、見た目が似ていても連結していない画素をまとめられるクラスタリング手法とは異なります。画像処理パイプラインでは、測定、抽出、後段での精緻化に使うマスクの生成によく用いられます。
要点
- 四近傍連結では水平方向と垂直方向の隣接のみを考慮しますが、八近傍連結では斜め方向も含めるため、角で接する領域も連結できます。
- 画素を取り込むたびに領域の平均や分散を更新すると、判定基準が適応的になります。ただし、複数の領域が競合する場合、生成されるマスクがシードの処理順序に依存することがあります。
- ノイズや緩やかな輝度勾配によって、領域が漏れ出す細い経路が生じることがあります。一般的な対策として、平滑化、境界の制約、穴埋めなどの後処理があります。
領域成長法が重要になる場面
対象が連結した領域を形成し、代表的なシードを確実に選べる場合は、領域成長法を選びます。シードが不適切だったり、類似性のしきい値が緩すぎたりすると、別々の領域が結合したり、不明瞭な境界を越えて領域が漏れ出したりすることがあります。