Quali sono le dimensioni di questo tumore renale? Dove si trova questa piccola struttura cerebrale, che desidero raggiungere con il mio intervento chirurgico? Lo stent che ho inserito nell’arteria è posizionato correttamente? Per rispondere a queste domande, e a molte altre, il medico deve disporre di uno strumento che gli consenta di localizzare un organo o un oggetto, misurarlo o quantificarne l’attività. I problemi alla base di queste operazioni rientrano nella segmentazione delle immagini, uno dei problemi più interessanti e più difficili da risolvere nel campo della visione artificiale.
Individuare le regioni ----------------------
La segmentazione consiste nell’individuare e definire gli oggetti presenti in un’immagine: questa non è più una raccolta di pixel (in 2D) o voxel (in 3D) affiancati, bensì un insieme di regioni disgiunte. Idealmente, le regioni hanno un significato (oggetto, struttura, segnale… oppure sfondo) che va oltre le loro caratteristiche visive (livelli di grigio, forma). Per individuare le regioni in un’immagine si distinguono due gruppi di metodi:
• L’approccio basato sulle regioni: si raggruppano i pixel che presentano una caratteristica comune, derivata per esempio dalla loro intensità; il criterio viene valutato in termini assoluti (ampiezze) o relativi (variazioni); si stabiliscono quindi regole decisionali, ossia soglie che definiscono intervalli di valori; i pixel con valori compresi fra le soglie e connessi tra loro (si parla di pixel connessi) formano una stessa regione;
• l’approccio basato sui contorni: si individuano frontiere nelle posizioni in cui la variazione di un criterio è localmente massima; un contorno è una curva o una superficie (nel caso delle immagini 3D) chiusa e spessa 1 pixel.