Detektering og klassificering af kimplanter ved brug af computer vision

7 Binary 7.2 Teori
, hvor:
T
Tk
∑
bn() b
b=
0
b= Tk+
1
k + 1 = T +
k
N
∑
2 nb ( )
b=
0
N
∑
∑
b= Tk+
1
bn() b
2 nb ( )
T k Thresholdværdien ved k’te iteration
N Antal pixelintensiteter (i gråtonebillede er N = 255 )
b Pixelintensitet ( 0 ≤b ≤ N)
nb () Antal forekomster af b
H. J. Trussels formel og Ridler og Calvards iterative thresholding-tekniks virkemåde kan beskrives
som (figur 7.2):
1. Den indledende thresholdværdi ( T 0 ) sættes til 127
2. Det undersøges for hver pixelintensitet i histogrammet, om denne ligger over eller under den
aktuelle thresholdværdi:
a. Under er baggrundspixel, og indgår i summering af arealerne af baggrundspixelene
(tæller i venstre led i ligning (7.1)), og summering af antallet af forekomster for den på
gældende pixelintensitet (nævner i venstre led i ligningen)
b. Over er forgrundspixel, og samme retorik for forgrundspixels gælder som beskrevet i
punkt a.
3. Efter endt summering findes der en gennemsnitsværdi for både baggrunds- og
forgrundsarealet (optræder som divisionen med tæller- og nævnersummeringerne)
4. Herefter findes gennemsnitsværdi for baggrunds- og forgrundsgennemsnitsværdierne.
Denne værdi er den nye thresholdværdi T k (optræder som den halve der er ganget på begge
led i ligningen)
5. Processen gentages fra trin 2 til og med 4 indtil thresholdværdien ikke ændrer sig mere
(7.1)
Side 25 af 131