Пример. 2D-корреляция и согласование прототипа

Функции > Векторы и матрицы > Другие функции для работы с массивами > Пример. 2D-корреляция и согласование прототипа

Иллюстрирует корреляцию 2D-ядра с изображением в области пространства.

Одним из ядер является гауссово ядро, которое создает эффект сглаживания.

Сведения об использовании этого примера см. в разделе Сведения о примерах обработки изображений.

2D-корреляция

1. Используйте функцию READ_IMAGE для считывания изображения.

2. Используйте функцию WRITEBMP, чтобы сохранить изображение в файл.

3. Задайте диапазон ядра и функцию.

4. Вычислите матрицу ядра 5 x 5.

Данное ядро симметрично, поэтому эффект будет тем же, что и для свертки: равносильным корреляции реверсированного ядра.

5. Определите коэффициент масштабирования mcscale.

<region id="ID0E5LBNB" top="552" left="24" xml:lang="ru" height="41.154" width="210.04" xmlns="http://schemas.mathsoft.com/worksheet50">
  <math xml:lang="ru">
    <define xml:lang="ru" xmlns="http://schemas.mathsoft.com/math50">
      <function xml:lang="ru">
        <id xml:lang="ru" label="None">mcscale</id>
        <boundVars xml:lang="ru">
          <id xml:lang="ru" label="None">x</id>
        </boundVars>
      </function>
      <parens xml:lang="ru">
        <apply xml:lang="ru">
          <mult xml:lang="ru" />
          <apply xml:lang="ru">
            <div xml:lang="ru" />
            <apply xml:lang="ru">
              <minus xml:lang="ru" />
              <id xml:lang="ru">x</id>
              <apply xml:lang="ru">
                <id xml:lang="ru">min</id>
                <id xml:lang="ru">x</id>
              </apply>
            </apply>
            <apply xml:lang="ru">
              <minus xml:lang="ru" />
              <apply xml:lang="ru">
                <id xml:lang="ru">max</id>
                <id xml:lang="ru">x</id>
              </apply>
              <apply xml:lang="ru">
                <id xml:lang="ru">min</id>
                <id xml:lang="ru">x</id>
              </apply>
            </apply>
          </apply>
          <real xml:lang="ru">255</real>
        </apply>
      </parens>
    </define>
    <resultFormat xml:lang="ru">
      <matrix size="12,12" offset="0,0" xml:lang="ru" />
    </resultFormat>
  </math>
</region>

6. Вычислите кросс-корреляцию, а затем переведите результат в 8-битовую шкалу оттенков серого со значениями от 0 до 255.

7. Используйте функцию WRITEBMP для сохранения результатов в файл.

8. Нарисуйте исходное изображение и корреляцию изображения с ядром.

(greyscale_dog.bmp)

(dog_cross.bmp)

Сравнение прототипа

1. Используйте функцию READ_IMAGE для чтения нового изображения.

2. Используйте функцию WRITEBMP для сохранения результатов в файл.

(peas_carrots.bmp)

Выделением выбирается характерное изображение моркови в качестве шаблона.

3. Задайте высоту и ширину шаблона.

4. Определите функцию val и используйте ее в функции matrix, чтобы создать шаблон.

5. Нарисуйте изображения шаблона и моркови.

(template.bmp)

(carrot.bmp)

6. Задайте порог корреляции.

7. Используйте однородный шаблон того же размера, что и выделенная морковь, или само изображение моркови для подсчета количества повторений:

(carrot_vect.bmp)

Большинство изображений горошка будет закрашено некоррелированными, пороговыми значениями, а большинство изображений моркови останутся видимыми. Сравнение происходит между исходным изображением и прямоугольным шаблоном однородной плотности, который неточно различает морковь в этой случайной упаковке замороженных овощей.

8. Рассчитайте примерное процентное соотношение моркови в исходном изображении.

<region id="ID0EUMCNB" top="2424" left="24" xml:lang="ru" height="57.3180002059937" width="260.138333333333" xmlns="http://schemas.mathsoft.com/worksheet50">
  <math xml:lang="ru">
    <eval xml:lang="ru" xmlns="http://schemas.mathsoft.com/math50">
      <apply xml:lang="ru">
        <div xml:lang="ru" />
        <apply xml:lang="ru">
          <summation xml:lang="ru" />
          <lambda xml:lang="ru">
            <boundVars xml:lang="ru">
              <id xml:lang="ru">i</id>
            </boundVars>
            <apply xml:lang="ru">
              <summation xml:lang="ru" />
              <lambda xml:lang="ru">
                <boundVars xml:lang="ru">
                  <id xml:lang="ru">j</id>
                </boundVars>
                <apply xml:lang="ru">
                  <indexer xml:lang="ru" />
                  <id xml:lang="ru">CORRt</id>
                  <sequence xml:lang="ru">
                    <id xml:lang="ru">i</id>
                    <id xml:lang="ru">j</id>
                  </sequence>
                </apply>
              </lambda>
              <lowerBound xml:lang="ru">
                <real xml:lang="ru">0</real>
              </lowerBound>
              <upperBound xml:lang="ru">
                <parens xml:lang="ru">
                  <apply xml:lang="ru">
                    <minus xml:lang="ru" />
                    <apply xml:lang="ru">
                      <id xml:lang="ru">cols</id>
                      <id xml:lang="ru">CORRt</id>
                    </apply>
                    <real xml:lang="ru">1</real>
                  </apply>
                </parens>
              </upperBound>
            </apply>
          </lambda>
          <lowerBound xml:lang="ru">
            <real xml:lang="ru">0</real>
          </lowerBound>
          <upperBound xml:lang="ru">
            <parens xml:lang="ru">
              <apply xml:lang="ru">
                <minus xml:lang="ru" />
                <apply xml:lang="ru">
                  <id xml:lang="ru">rows</id>
                  <id xml:lang="ru">CORRt</id>
                </apply>
                <real xml:lang="ru">1</real>
              </apply>
            </parens>
          </upperBound>
        </apply>
        <id xml:lang="ru">size</id>
      </apply>
      <result xml:lang="ru">
        <real xml:lang="ru">0.455</real>
      </result>
    </eval>
    <resultFormat xml:lang="ru">
      <matrix size="12,12" offset="0,0" xml:lang="ru" />
    </resultFormat>
  </math>
</region>

Данный метод также полезен при подсчете бактерий и в других оценках изображений.