1. Verwenden Sie die Funktion READ_IMAGE, um ein Bild einzulesen.
2. Verwenden Sie die Funktion WRITEBMP, um das Bild in einer Datei zu speichern.
3. Definieren Sie den Kernbereich und die Funktion.
4. Werten Sie die 5x5-Kernmatrix aus.
Dieser Kern ist symmetrisch, sodass der Effekt dem einer Faltung entspricht – äquivalent zu der Korrelation mit umgekehrtem Kern.
5. Definieren Sie einen Skalierungsfaktor mcscale.
6. Berechnen Sie die Kreuzkorrelation, und skalieren Sie das Ergebnis auf einer 8-Bit-Grauskala von 0 bis 255.
7. Verwenden Sie die Funktion WRITEBMP, um die Ergebnisse in einer Datei zu speichern.
8. Plotten Sie das ursprüngliche Bild und die Korrelation des Bildes mit dem Kern.
(greyscale_dog.bmp)
(dog_cross.bmp)
Zuordnen von Prototypen
1. Verwenden Sie die Funktion READ_IMAGE, um in einem neuen Bild zu lesen.
2. Verwenden Sie die Funktion WRITEBMP, um die Ergebnisse in einer Datei zu speichern.
(peas_carrots.bmp)
Diese Auswahl verwendet eine repräsentative Karotte als Vorlage.
3. Definieren Sie die Höhe und Breite der Schablone.
4. Definieren Sie die Funktion val und verwenden Sie sie in einer matrix-Funktion, um die Schablone zu erzeugen.
5. Plotten Sie die Schablone und die Karottenbilder.
(template.bmp)
(carrot.bmp)
6. Definieren Sie den Korrelationsschwellenwert.
7. 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.
8. 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.