Detektering og klassificering af kimplanter ved brug af computer vision
Detektering og klassificering af kimplanter ved brug af computer vision
Detektering og klassificering af kimplanter ved brug af computer vision
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
7 Binary 7.4 Sammenfatning<br />
Det ses på figur 7.3, at som der<br />
itereres placeres thresholdværdien<br />
længere <strong>og</strong> længere mod venstre <strong>og</strong><br />
konvergerer til en threshold på 87 i<br />
pixelintensitet.<br />
Testresultater for alle 11 billeder<br />
findes i Appendiks 18.10 Test <strong>af</strong> Binary<br />
s. 124.<br />
7.4 Sammenfatning<br />
Det kan overordnet konkluderes, at<br />
det har været muligt at skabe en<br />
klasse, der med succes kan thresholde<br />
et billede.<br />
Klassen indeholder en funktion, der<br />
kan skabe et hist<strong>og</strong>ram over et givent<br />
billede, hefter en funktion der kan<br />
anvende hist<strong>og</strong>rammet <strong>og</strong> evaluere en<br />
thresholdværdi, der passer til billedet.<br />
Til sidst er der lavet en funktion, der<br />
kan anvende thresholdværdien på det<br />
oprindelige billede, <strong>og</strong> skabe et nyt<br />
binært billede der er thresholdet med<br />
thresholdværdien.<br />
Figur 7.3<br />
Demonstration <strong>af</strong> algoritme med billedet ”blandet1” som eksempel<br />
Testen viser, at implementeringen <strong>af</strong> koden virker som den skal. Thresholdværdien lægger sig<br />
imellem de to peaks i hist<strong>og</strong>rammet som ønsket, <strong>og</strong> <strong>ved</strong> visuel inspektion <strong>af</strong> de thresholdede billeder,<br />
er det klart at mindre mængder genskin <strong>og</strong> andet ”støj” bliver sorteret fra som ønsket.<br />
Det vurderes, at det ikke har n<strong>og</strong>en væsentlig effekt, hvad det indledende gæt på thresholdværdien<br />
T 0 er ud fra gruppens forsøg. Dvs. det betyder ikke n<strong>og</strong>et, om det vælges at starte yderst fra højre<br />
( 0 T = 255) eller om 0 T = 127. Det eneste sted hvor der kan findes en forskel, er når T 0 = 0. Denne<br />
forskel er d<strong>og</strong> sjældent mere end 1 pixel i pixelintensitet. Derfor findes det mest l<strong>og</strong>isk <strong>og</strong> effektivt at<br />
vælge T 0 = 127, da dette er midten <strong>af</strong> skalaen, <strong>og</strong> samtidigt i nærheden <strong>af</strong> den resulterende thresholdværdi<br />
i langt det fleste tilfælde, hvilket vil give en potentielt kortere iterationsproces.<br />
Samlet kan det konkluderes, at klassen korrekt identificerer thresholdværdien, <strong>og</strong> anvender denne til<br />
at skabe et thresholdet billede fra det oprindelige gråtonebillede.<br />
Side 27 <strong>af</strong> 131