Segmentation for MEDIA (3) Region growing & Wathershed algorithm

이전 포스팅: Segmentation for MEDIA (2) Morphological processing

이전 포스팅에서는 Threshold 이후 후처리에 사용되는 Morphological processing을 정리했습니다
이번 포스팅에서는 사용자의 도움을 받아 ROI 영역을 분리해내는 Region growing과 Wathershed 알고리즘을 정리해보고자 합니다.

Drawback of thresholding

먼저 이전에 정리했던 Thresholding, Morphological processing에서 출발합니다. 이 방법들은 ROI와 크기가 비슷한 노이즈들은 제거하지 못한다는 결함이 존재했습니다.

Region growing

Region growing에서는 특정 ROI만 추출할 수 있도록, 사용자의 도움을 받습니다. 즉, 사용자가 특정 영역을 선택하면, 그 영역과 인접한 Foreground만 골라내는 알고리즘입니다.

사용자가 특정 영역을 선택하면, 해당 영역을 시작으로 주변부를 스캔하면서 반복적으로 intensity를 비교하여 Foregrond 영역을 골라내면, 인접하지 않은 foreground (noise)들은 자동으로 탈락하게 됩니다.

Region growing in brain image

뇌 이미지에서는 이렇게 된다고 합니다.

Region growing in RGB image

흑백 이미지뿐 아니라, 컬러 이미지에도 Region growing 알고리즘이 활용됩니다.

Drawback of region growing

사용자의 도움을 받기 때문에, Region growing도 결함을 가집니다.

위와 같은 pathology 데이터의 경우, 모든 셀들을 클릭하기에는 너무 시간과 노동이 많이 든다는 단점이 있습니다.

Watershed algorithm

Watershed 알고리즘이 이 때 사용될 수 있습니다. Watershed 알고리즘을 간략하게 설명하면 아래와 같습니다.

(좌) Watershed 알고리즘은 위와 같이 Intensity 값을 바탕으로 지형을 그립니다. 그러면 여러 개의 웅덩이가 나오게 됩니다. 이제 이 지형에 물을 채운다고 생각할 때, 각 웅덩이의 경계점에 댐을 세우면, 웅덩이끼리 물이 섞이지 않습니다. 결과적으로 지형도의 맨 꼭대기까지 물이 차오르게 되면, 여러 개의 분리된 웅덩이가 형성이 됩니다 (segmentation)

(우) 이 경우 모든 웅덩이를 독립적으로 만들지만, 특정 웅덩이를 marker로 표시하면, marker가 표시된 웅덩이에만 댐을 설치합니다. 즉, marker가 없는 웅덩이들은 근처의 웅덩이로 통합됩니다.

2차원의 이미지의 경우, 위와 같이 지형도를 두 개 만든다고 생각하면 됩니다.

---

다음 포스팅에서는 Graph 모델을 이용한 segmentation 방법을 정리해보고자 합니다

다음 포스팅: Segmentation for MEDIA (4) Graph model-based segmentation