2. Definieren Sie den Kernbereich und die Funktion.
3. Werten Sie die 5x5-Kernmatrix aus.
Dieser Kern ist symmetrisch, sodass der Effekt dem einer Faltung entspricht – äquivalent zu der Korrelation mit umgekehrtem Kern.
4. Berechnen Sie die Korrelation, und skalieren Sie das Ergebnis auf einer 8-Bit-Grauskala von 0 bis 255.
5. Plotten Sie das ursprüngliche Bild und die Korrelation des Bildes mit dem Kern.
(greyscale_dog.bmp)
(dog_cross.bmp)
Zuordnen von Prototypen
1. Lesen Sie ein neues Bild ein.
(peas_carrots.bmp)
Diese Auswahl verwendet eine repräsentative Karotte als Vorlage.
2. Definieren Sie die Höhe und Breite der Schablone.
3. Definieren Sie die Funktion val, und verwenden Sie die in der Matrixfunktion, um die Schablone zu erzeugen.
4. Plotten Sie die Schablone und die Karottenbilder.
(template.bmp)
(carrot.bmp)
5. Definieren Sie den Korrelationsschwellenwert.
6. Verwenden Sie die uniforme Schablone derselben Größe wie die ausgewählte Karotte, oder verwenden Sie das ausgewählte repräsentative Karottenbild selbst, um die Anzahl der Übereinstimmungen zu berechnen:
(carrot_vect.bmp)
Die meisten Erbsen werden von den unkorrelierten Schwellenwerten ausgeblendet, während die meisten Karotten nach wie vor sichtbar sind. Die Zuordnung wird zwischen dem ursprünglichen Bild und der rechteckigen Schablone uniformer Dichte vorgenommen, die in diesem Beispiel einer Packung Tiefkühlgemüse grob die Karotte heraushebt.
7. Berechnen Sie den ungefähren Prozentsatz von Karotten im ursprünglichen Bild.
Diese Technik ist auch nützlich zum Zählen von Bakterien und anderen prozentualen Abschätzungen auf der Grundlage von Bildern.
