Konsep dasar Pengenalan pola Edges & Lines

Contour finding

Berikut ini menggunakan metode marching squares untuk menemukan kontur bernilai konstan dalam sebuah gambar. Dalam skimage.measure.find_contours, nilai larik diinterpolasi secara linier untuk memberikan presisi kontur keluaran yang lebih baik. Kontur yang memotong tepi gambar terbuka; semua yang lain ditutup.

import numpy as np import matplotlib.pyplot as plt  from skimage import measure    # Construct some test data x, y = np.ogrid[-np.pi:np.pi:100j, -np.pi:np.pi:100j] r = np.sin(np.exp((np.sin(x)**3 + np.cos(y)**2)))   # Find contours at a constant value of 0.8 contours = measure.find_contours(r, 0.8)   # Display the image and plot all contours found fig, ax = plt.subplots() ax.imshow(r, cmap=plt.cm.gray)   for contour in contours:     ax.plot(contour[:, 1], contour[:, 0], linewidth=2)   ax.axis('image') ax.set_xticks([]) ax.set_yticks([]) plt.show()

Convex Hull

Convex hull dari citra biner adalah kumpulan piksel yang termasuk dalam poligon cembung terkecil yang mengelilingi semua piksel putih di input.

import matplotlib.pyplot as plt   from skimage.morphology import convex_hull_image from skimage import data, img_as_float from skimage.util import invert   # The original image is inverted as the object must be white. image = invert(data.horse())   chull = convex_hull_image(image)   fig, axes = plt.subplots(1, 2, figsize=(8, 4)) ax = axes.ravel()   ax[0].set_title('Original picture') ax[0].imshow(image, cmap=plt.cm.gray) ax[0].set_axis_off()   ax[1].set_title('Transformed picture') ax[1].imshow(chull, cmap=plt.cm.gray) ax[1].set_axis_off()   plt.tight_layout() plt.show()

Detektor tepi Canny

Filter Canny adalah detektor tepi multi-tahap yang menggunakan filter berdasarkan turunan Gaussian untuk menghitung intensitas gradien. Gaussian mengurangi efek noise yang ada pada gambar. Kemudian, tepi potensial ditipiskan menjadi kurva 1-piksel dengan menghilangkan piksel non-maksimum dari besaran gradien. Akhirnya, piksel tepi disimpan atau dihapus menggunakan ambang batas histeresis pada besaran gradien.

Canny memiliki tiga parameter yang dapat disesuaikan: lebar Gaussian , dan ambang batas rendah dan tinggi untuk ambang batas histeresis.

import numpy as np import matplotlib.pyplot as plt from scipy import ndimage as ndi   from skimage import feature     # Generate noisy image of a square im = np.zeros((128, 128)) im[32:-32, 32:-32] = 1   im = ndi.rotate(im, 15, mode='constant') im = ndi.gaussian_filter(im, 4) im += 0.2 * np.random.random(im.shape)   # Compute the Canny filter for two values of sigma edges1 = feature.canny(im) edges2 = feature.canny(im, sigma=3)   # display results fig, (ax1, ax2, ax3) = plt.subplots(nrows=1, ncols=3, figsize=(8, 3),                                     sharex=True, sharey=True)   ax1.imshow(im, cmap=plt.cm.gray) ax1.axis('off') ax1.set_title('noisy image', fontsize=20)   ax2.imshow(edges1, cmap=plt.cm.gray) ax2.axis('off') ax2.set_title(r'Canny filter, $\sigma=1$', fontsize=20)   ax3.imshow(edges2, cmap=plt.cm.gray) ax3.axis('off') ax3.set_title(r'Canny filter, $\sigma=3$', fontsize=20)   fig.tight_layout()   plt.show()

Silabus Pengenalan pola dan analisis citra

Share on :

Tweet