함수 > 이미지 처리 > 피쳐 추출 > 예제: 모양 피쳐
예제: 모양 피쳐
shape_featuresconcomp 함수를 사용하여 이미지의 모양 관련 피쳐를 계산하고 픽셀의 연결된 컴포넌트 레이블 지정을 수행합니다.
shape_features는 입력 이미지의 중앙값, 공간 분산 및 모멘트 같은 피쳐를 계산할 때 유용합니다. 이 함수는 이미지 형태론 및 연결된 컴포넌트 레이블 지정 기법과 함께 이미지에서 객체를 분류하는 데 사용됩니다. 이 함수는 이미지의 컴포넌트 레이블이 행에 해당하고 계산된 피쳐가 열에 해당하는 행렬을 구합니다. 모양 피쳐의 개략적인 형태를 확인하면 어떤 피쳐가 어떤 열에 해당하는지 확인할 수 있습니다.
concomp는 행렬 M에서 회색조 값 fg를 갖는 픽셀의 연결된 컴포넌트 레이블 지정을 수행합니다.
이 예제를 사용하는 것에 대한 자세한 내용은 이미지 처리 예제 정보를 참조하십시오.
1. 이미지를 읽습니다.
(part.gif)
2. 구성 요소 행렬(직교하는 네 개의 인접 요소)과 해당 행/열 좌표를 정의합니다.
3. 이진화를 통해 이미지를 연결된 간단한 컴포넌트 이미지로 변환합니다. 이미지를 단순화하기 위해 형태론 함수를 사용합니다.
침식은 이미지의 빛 객체를 서로 더 멀어지게 분산시킵니다. 팽창은 빛 객체를 확대하여 단절된 이미지를 다시 결합합니다. 침식 또는 팽창이 발생하는 광도 분계점은 1로 설정됩니다.
4. 연결된 8개 인접 요소를 사용하는 연결 컴포넌트 레이블 지정 함수를 단순화된 이미지에 적용합니다.
5. 단순화된 이미지와 컴포넌트가 연결된 이미지를 비교합니다.
(part_clean.bmp)
(part_color.bmp)
컴포넌트가 연결된 이미지는 연결된 컴포넌트 다섯 개를 쉽게 확인할 수 있도록 가색상을 사용하여 표시되어 있습니다.
6. shape_features 함수를 연결된 컴포넌트 이미지에 적용합니다.
출력은 5행(연결된 컴포넌트 당 행 하나), 51열(피쳐 당 열 하나)의 행렬입니다. 몇 가지 컴포넌트 피쳐를 선택합니다.
7. X 및 Y 중심궤적 좌표를 검토합니다.
8. X 및 Y 공간 분산을 검토합니다.
9. 면적을 검토합니다.
10. 불변 모멘트가 1인지 검토합니다.
shape_features 함수는 다른 함수에 대한 배열 시작 지수를 지정하는 기본 제공 ORIGIN 변수를 사용하지 않습니다.
이게 도움이 되었습니까?