kmeans を使った画像のセグメンテーション

背景

スカイツリーの写真を使って画像のセグメンテーションを行い，建物部分だけを抜き出します．

使用環境: MATLAB R2016b
使用したツールボックス: Image Processing Toolbox, Statistics and Machine Learning Toolbox

画像の表示

imread で画像を読み込みます．サイズが大きいので，imresize で0.2倍にしています．

img = 'skytree.jpg';
J = imread(img);
I = imresize(J, 0.2);

figure
imshow(I)

スーパーピクセルを用いた画像の分割

画像を，画素単位ではなく輝度や色が似ている領域単位に処理するスーパーピクセルに変換します．L*a*b* 色空間に変換した場合は，superpixels 関数のプロパティ IsInputLab を true に設定します．ここではスーパーピクセルの数を 1000 に設定しています。

Ilab = rgb2lab(I);     
[Ls, N] = superpixels(Ilab, 1000, 'IsInputLab', true); 
Bmask = boundarymask(Ls);  % セグメンテーションの領域境界を検出       
I1 = imoverlay(I, Bmask,'c');   % スーパーピクセルを画像に重ね書き   

figure;
imshow(I1);

スーパーピクセルごとの平均値を算出

N 個のそれぞれのスーパーピクセルに対して，L*, a*, b* の平均値を計算し，imshowpair で，元画像とスーパーピクセルごとに平均を取った画像を表示します．

pixIdxList = label2idx(Ls);    % 各ラベル領域の行列インデックスを取得
sz = numel(Ls);                % 画素数
superLab = zeros(N,3);
for  i = 1:N    
  superLab(i,1) = mean(Ilab(pixIdxList{i}      ));  % L* mean
  superLab(i,2) = mean(Ilab(pixIdxList{i}+   sz));  % a* mean
  superLab(i,3) = mean(Ilab(pixIdxList{i}+ 2*sz));  % b* mean
end
I2 = label2rgb(Ls, lab2rgb(superLab));

figure; 
imshowpair(I, imoverlay(I2, boundarymask(Ls),'w'), 'montage'); 

K-meansで色の類似度を用いたクラスタリング

今回はクラス数を2に設定します．クラスタリングは kmeans を使用します．

numColors = 2;       
[idx, cLab] = kmeans(superLab, numColors);
Lc = zeros(size(Ls));
for i = 1:N                        
    Lc(pixIdxList{i}) = idx(i);    
end

I3  = label2rgb(Lc, lab2rgb(cLab)); 
I3b = imoverlay(I3, boundarymask(Lc), 'm');      

figure;
imshow(I3b); 

建物の部分のみを抽出

ほら建物だけ取れた．
宮殿みたいになってしまいました．

maskA = (Lc == 1);
maskA_filled = imfill(maskA, 'holes');       % マスクの穴を埋める
Iout = imoverlay(I, maskA_filled, 'w');

figure; 
imshowpair(I, Iout);                  

Code on GitHub