This media is not supported in your browser
VIEW IN TELEGRAM
http://sufra.ir/2018/03/06/%D9%BE%D8%B1%D8%AF%D8%A7%D8%B2%D8%B4-%D8%AA%D8%B5%D9%88%DB%8C%D8%B1-%D8%A8%D8%A7-%D9%BE%D8%A7%DB%8C%D8%AA%D9%88%D9%86-%D9%82%D8%B3%D9%85%D8%AA-%D8%A8%DB%8C%D8%B3%D8%AA%D9%85/
💥Otsu’s Binarization (تقسیم بندی Otsu)
پردازش تصویر با پایتون قسمت بیستم
💥Otsu’s Binarization (تقسیم بندی Otsu)
پردازش تصویر با پایتون قسمت بیستم
python_developer
Photo
💥ادامه:
👇🏻👇🏻👇🏻👇🏻👇🏻👇🏻
💢Structuring Elements(SE)
یک structuring element ، به سادگی یک تصویر باینری (ماسک) است که به ما امکان می دهد
ساختار همسایگی دلخواه را تعریف کنیم.
👇🏻👇🏻👇🏻👇🏻👇🏻👇🏻
💢Structuring Elements(SE)
یک structuring element ، به سادگی یک تصویر باینری (ماسک) است که به ما امکان می دهد
ساختار همسایگی دلخواه را تعریف کنیم.
💢1. Erosion
ایده اصلی فرسایش درست همانند فرسایش خاک است که مرزهای شیء را از بین
می برد .
این کار با قرار گرفتن کرنل بر روی تصویر انجام میگیرد.(2D convolution).
هر پیکسل در تصویر اصلی( یا مقدار 1 دارد یا0)، اگر همه پیکسلهای زیر کرنل 1 بود ، مقدار 1 میگیرد در غیر این صورت فرسوده میشود(مقدار 0 میگیرد).
پس آنچه اتفاق می افتد، تمام پیکسل ها در نزدیکی مرز بسته به اندازه هسته، حذف
می شود.
بنابراین ضخامت یا اندازه شیء کاهش می یابد و یا به سادگی منطقه سفید در تصویر کاهش می یابد. این برای حذف نویز های کوچک سفید (همانطور که در بخش رنگی دیده می شود) ، جدا کردن دو اشیا متصل و غیره مفید است.
ایده اصلی فرسایش درست همانند فرسایش خاک است که مرزهای شیء را از بین
می برد .
این کار با قرار گرفتن کرنل بر روی تصویر انجام میگیرد.(2D convolution).
هر پیکسل در تصویر اصلی( یا مقدار 1 دارد یا0)، اگر همه پیکسلهای زیر کرنل 1 بود ، مقدار 1 میگیرد در غیر این صورت فرسوده میشود(مقدار 0 میگیرد).
پس آنچه اتفاق می افتد، تمام پیکسل ها در نزدیکی مرز بسته به اندازه هسته، حذف
می شود.
بنابراین ضخامت یا اندازه شیء کاهش می یابد و یا به سادگی منطقه سفید در تصویر کاهش می یابد. این برای حذف نویز های کوچک سفید (همانطور که در بخش رنگی دیده می شود) ، جدا کردن دو اشیا متصل و غیره مفید است.