Использование точки перегиба в качестве порога для сегментации - PullRequest
Новая
       27

Использование точки перегиба в качестве порога для сегментации

1 голос
/ 30 мая 2019

После этого урока по обработке изображений, я думаю, что целью урока является достижение традиционного порога сегментация, чтобы отделить фон и передний план изображения, путем подгонки полиномиальной кривой к распределению интенсивности изображения и найти точку перегиба на кривой для использования в качестве порога.

Вот код: 

img = imread('rice.tif');
degree = 6;

%fitting intensity distribution
[frequency, intensity] = imhist(img);
[polynome, ~, mu] = polyfit(intensity, frequency, degree);
eval_fit = polyval(polynome, intensity, [], mu);

Однако в следующем блоке кода: 

%locate inflection point
[values, indices] = sort(abs(diff(eval_fit)));
[m, i] = min(diff(values))

thresh = indices(i)/255;
img_seg = imbinarize(img, thresh);

В частности, первые две строки, я не понимаю, зачем использовать abs, sort, если вы собираетесь получить производную во второй раз?

Во-вторых, я искал в Google и не нашел аналогичного подхода, поэтому я хочу спросить, хорош ли этот подход? Сталкивались ли вы с этим?

1 Ответ

2 голосов
/ 30 мая 2019

Я не видел этого раньше.

Я не могу обернуться вокруг метода. Он не ищет точку перегиба полиномиальной посадки. Я думаю, что это ищет точку, где производная наиболее часто. Минимум производной отсортированных производных значений - это производное значение, которое встречается как минимум дважды (сортировка такова, что ее производная всегда неотрицательна). Что означает этот пункт, я не знаю. Вероятно, это один из максимумов или минимумов полиномиальной подгонки?

Человек на видео утверждает, что это их метод, то есть они его придумали. На их странице Google Scholar , похоже, нет списка статей об этом методе.

В любом случае, поскольку человек на видео утверждает, что его метод дает результат, аналогичный Оцу, я не вижу смысла в использовании недоказанного метода, когда Оцу так прост и хорошо известен.

Я также рекомендую вам научиться обрабатывать изображения из хорошей книги, а не из случайных руководств на YouTube. На YouTube много дерьма, и часто трудно отличить хорошее от плохого. Производственные значения не обязательно соотносятся с правильностью.

...