Hysteresis thresholding
Histeresis adalah efek lagging — semacam inersia. Dalam konteks thresholding, itu berarti bahwa area di atas beberapa ambang rendah dianggap di atas ambang batas jika mereka juga terhubung ke area di atas ambang batas yang lebih tinggi, lebih ketat. Dengan demikian mereka dapat dilihat sebagai kelanjutan dari daerah-daerah kepercayaan tinggi ini.
Di bawah ini, kita membandingkan ambang normal dengan ambang batas histeresis. Perhatikan bagaimana histeresis memungkinkan seseorang untuk mengabaikan "noise" di luar tepi koin
Berikut source code python yang mempresentasikan image yang menggunakan Histeresis thresholding
Total running time of the script: ( 0 menit 0.223 detik )
Di bawah ini, kita membandingkan ambang normal dengan ambang batas histeresis. Perhatikan bagaimana histeresis memungkinkan seseorang untuk mengabaikan "noise" di luar tepi koin
Berikut source code python yang mempresentasikan image yang menggunakan Histeresis thresholding
Hasil Running program dengan menggunakan scikit-image dengan bahasa python 2.7import matplotlib.pyplot as plt from skimage import data, filters fig, ax = plt.subplots(nrows=2, ncols=2) image = data.coins() edges = filters.sobel(image) low = 0.1 high = 0.35 lowt = (edges > low).astype(int) hight = (edges > high).astype(int) hyst = filters.apply_hysteresis_threshold(edges, low, high) ax[0, 0].imshow(image, cmap='gray') ax[0, 0].set_title('Original image') ax[0, 1].imshow(edges, cmap='magma') ax[0, 1].set_title('Sobel edges') ax[1, 0].imshow(lowt, cmap='magma') ax[1, 0].set_title('Low threshold') ax[1, 1].imshow(hight + hyst, cmap='magma') ax[1, 1].set_title('Hysteresis threshold') for a in ax.ravel(): a.axis('off') plt.tight_layout() plt.show()
Total running time of the script: ( 0 menit 0.223 detik )
Tidak ada komentar: