پیدا کردن قله ها و دره ها
تصاویر خاکستری را می توان در سه بعد تصور کرد: x-و y-axes موقعیت های پیکسل را نشان می دهند و z-axis شدت هر پیکسل را نشان می دهد. در این تفسیر ، مقادیر شدت نشان دهنده ارتفاع ، مانند یک نقشه توپوگرافی است. مناطق با شدت زیاد و شدت کم در یک تصویر ، قله ها و دره ها از نظر توپوگرافی ، می توانند از ویژگی های مهم مورفولوژیکی باشند زیرا اغلب اشیاء تصویر مربوطه را نشان می دهند.
به عنوان مثال ، در تصویری از چندین شیء کروی ، نقاط با شدت زیاد می توانند بالای اشیاء را نشان دهند. با استفاده از پردازش مورفولوژیکی ، از این حداکثر می توان برای شناسایی اشیاء در یک تصویر استفاده کرد.
این بخش این مباحث را در بر می گیرد:
واژه شناسی
در این بخش از اصطلاحات زیر استفاده می شود.
درک عملکردهای حداکثر و حداقل
یک تصویر می تواند دارای حداکثر یا حداقل منطقه ای منطقه ای باشد اما فقط یک حداکثر یا حداقل جهانی واحد است. تعیین قله ها یا دره های تصویر می تواند برای ایجاد تصاویر نشانگر استفاده شود که در بازسازی مورفولوژیکی استفاده می شود.
این شکل مفهوم را در 1-D نشان می دهد.
یافتن مناطقی با شدت زیاد یا کم
جعبه ابزار شامل توابعی است که می توانید برای یافتن مناطقی با شدت زیاد یا کم در یک تصویر استفاده کنید:
- توابع Imregionalmax و Imregionalmin تمام حداقل یا حداکثر منطقه را مشخص می کنند. توابع iMextendedMax و iMextendedMin تمام حداقل یا حداکثر منطقه ای را که بیشتر از یا کمتر از یک آستانه مشخص هستند ، شناسایی می کنند.
توابع یک تصویر خاکستری را به عنوان ورودی می پذیرند و یک تصویر باینری را به عنوان خروجی باز می گردانند. در تصویر باینری خروجی ، حداقل یا حداکثر منطقه بر روی 1 تنظیم شده است. تمام پیکسل های دیگر روی 0 تنظیم شده اند.
به عنوان مثال ، این تصویر ساده حاوی دو حداکثر منطقه اصلی ، بلوک های پیکسل حاوی مقدار 13 و 18 و چند حداکثر کوچکتر است که روی 11 قرار دارد.
تصویر باینری که توسط Imregionalmax برگشته است ، تمام این حداکثر منطقه ای را نشان می دهد.
شما ممکن است فقط بخواهید مناطقی از تصویر را شناسایی کنید که تغییر شدت آن شدید باشد. یعنی تفاوت بین پیکسل و پیکسل های همسایه بیشتر از (یا کمتر از) یک آستانه خاص است. به عنوان مثال ، برای یافتن فقط آن حداکثر منطقه در تصویر نمونه ، A ، که حداقل دو واحد بالاتر از همسایگان خود هستند ، از iMextendedMax استفاده کنید.
سرکوب حداقل و حداکثر
در یک تصویر ، هر نوسان کوچک در شدت نشان دهنده حداقل یا حداکثر منطقه ای است. شما فقط ممکن است به حداقل یا حداکثر قابل توجه علاقه مند باشید و نه در این حداقل و حداکثر کوچکتر ناشی از بافت پس زمینه.
برای از بین بردن حداقل و حداکثر قابل توجه اما حداقل و حداکثر قابل توجه ، از عملکرد IMHMAX یا IMHMIN استفاده کنید. با استفاده از این توابع ، می توانید معیارهای کنتراست یا سطح آستانه ، H را مشخص کنید که تمام حداکثر را سرکوب می کند که ارتفاع آنها کمتر از ساعت است یا حداقل آنها از H بیشتر است.
| توجه داشته باشید که توابع Imregionalmin ، Imregionalmax ، iMextendedMin و ImextendedMax تصویری باینری را باز می گردانند که مکان های حداقل و حداکثر منطقه را در یک تصویر نشان می دهد. توابع IMHMAX و IMHMIN یک تصویر تغییر یافته ایجاد می کنند. |
به عنوان مثال ، این تصویر ساده حاوی دو حداکثر منطقه ای اصلی ، بلوک های پیکسل حاوی مقدار 14 و 18 و چند حداکثر کوچکتر است که روی 11 قرار دارد.
برای از بین بردن همه حداکثر منطقه به جز دو حداکثر قابل توجه ، از IMHMAX استفاده کنید ، و مقدار آستانه 2 را مشخص کنید. توجه داشته باشید که IMHMAX فقط بر حداکثر تأثیر می گذارد. هیچ یک از مقادیر دیگر پیکسل تغییر نکرده است. دو حداکثر قابل توجه باقی مانده است ، اگرچه ارتفاع آنها کاهش می یابد.
این شکل ردیف دوم را از تصویر نمونه می گیرد تا در 1-D چگونه IMHMAX مشخصات تصویر را تغییر دهد.
تحمیل حداقل
شما می توانید با استفاده از عملکرد imimposemin بر حداقل (اشیاء تاریک) در یک تصویر تأکید کنید. عملکرد imimposemin از بازسازی مورفولوژیکی برای از بین بردن حداقل حداقل از تصویر به جز حداقل مشخصی که مشخص می کنید استفاده می کند.
برای نشان دادن روند تحمیل حداقل ، این کد یک تصویر ساده حاوی دو حداقل منطقه اصلی منطقه ای و چند حداقل منطقه دیگر ایجاد می کند.
ایجاد یک تصویر نشانگر
برای به دست آوردن تصویری که بر دو مینیما تأکید دارد و همه دیگران را حذف می کند ، یک تصویر نشانگر ایجاد کنید که دو حداقل مورد علاقه را نشان می دهد. شما می توانید با تنظیم صریح پیکسل های خاص در مقادیر خاص یا با استفاده از سایر توابع مورفولوژیکی ، تصویر نشانگر را ایجاد کنید تا ویژگی هایی را که می خواهید در تصویر ماسک تأکید کنید ، استخراج کنید.
این مثال از iMextendedMin برای گرفتن یک تصویر باینری استفاده می کند که مکان دو عمیق ترین حداقل را نشان می دهد.
استفاده از تصویر نشانگر روی ماسک
اکنون از imimposemin برای ایجاد حداقل جدید در تصویر ماسک در نقاط مشخص شده توسط تصویر نشانگر استفاده کنید. توجه داشته باشید که چگونه iMimposemin مقادیر پیکسل های مشخص شده توسط تصویر نشانگر را به پایین ترین مقدار پشتیبانی شده توسط Datatype (0 برای مقادیر UINT8) تنظیم می کند. iMimposemin همچنین مقادیر تمام پیکسل های دیگر موجود در تصویر را تغییر می دهد تا حداقل دیگر را از بین ببرد.
این شکل در 1-D نشان می دهد که چگونه imimposemin مشخصات ردیف 2 تصویر را تغییر می دهد.
تجارت گزینه های دودویی در ایران...
ما را در سایت تجارت گزینه های دودویی در ایران دنبال می کنید
برچسب :
نویسنده : زینالعابدین مراغهای
بازدید : <-PostHit->
تاريخ : دوشنبه
5 تير
1402 ساعت: 0:10