Image segmentation is a critical process in image analysis, enabling the partitioning of an image into meaningful regions for further interpretation. This thesis presents the de- velopment of an interface/tool designed to enhance the exploration and optimization of parameters for image segmentation algorithms. The primary goal is to provide researchers and practitioners with an intuitive and efficient means to fine-tune segmentation param- eters to the desired use-case for the segmented images. The proposed tool integrates the image segmentation model Segment Anything and employs a graphical interface to facili- tate interactive parameter adjustment. Visualization techniques such as image annotation are incorporated to provide immediate feedback on the effects of parameter changes, en- abling users to rapidly identify optimal settings for the desired use-case. Additionally, the tool deploys supplementary filtering methods to allow further optimization.
Bildsegmentering är en kritisk process inom bildanalys som möjliggör uppdelningen av en bild i meningsfulla regioner för vidare tolkning. Denna avhandling presenterar utvecklingen av ett gränssnitt/verktyg utformat för att förbättra utforskningen och optimeringen av parametrar för bildsegmenteringsalgoritmer. Huvudmålet är att förse forskare och praktiker med ett intuitivt och effektivt sätt att finjustera segmenteringsparametrar för det önskade användningsfallet för de segmenterade bilderna. Det föreslagna verktyget integrerar bildsegmenteringsmodellen Segment Anything och använder ett grafiskt gränssnitt för att underlätta interaktiv parameterjustering. Visualiseringstekniker som bildannotering införs för att ge omedelbar feedback på effekterna av parameterändringar, vilket gör det möjligt för användare att snabbt identifiera optimala inställningar för det önskade användningsfallet. Dessutom implementerar verktyget kompletterande filtreringsmetoder för att möjliggöra ytterligare optimering.