آموزش شدت نور تصاویر در متلب با تابع Imhist
ادامه مباحث کار با نرم افزار متلب بخش6
در این مبحث آشنا میشویم با :
1- تابع Imhist
2- نمودار تابع Imhist
3- تعریف هیستوگرام
4- تابع کمانی احتمال
حالا پارامترهای دیگر را بررسی میکنیم
%%Load Image Img 1 = imread (‘pout . tif ‘) ; Img 2 = imadjust (img 1) ; Img3 = imadjust (img 1 , stretchlim (img 1 ) , [0 1] ,0/5 ) ; Img 4 = imadjust ( img , stretchlim ( img 1 ) , [0 1] , 2 ) ;
تصویر (2) روشنتر و تصویر(3) تیره تر شد .
حالا معادله خطی آن
y شیب خط است
اگر بخواهیم منحتی اشباع شده را داشته باشیم
این را اگر به توان گاما برسانیم میشود همان فرمول متلب
گاما اگر یک باشد میشود همان حالت خط (تصویر نرمال )
بیشتر از یک باشد تصویر سیاه تر میشود (همان تصویر3)
کمتر از یک باشد تصویر سفیدتر میشود (همان تصویر 2)
گاما تقریبا همه حالتهای مد نظر شما را پوشش میدهد
اگر گاما به صفر میل کند میشود یک (یعنی تصویر سفید تر و سفیدتر میشود)
این بحث تابع imadjust , stretchlim است که کارش توسعه کنتراست تصویر است .
(در جایی که نور تنظیم نباشد یا تصویر به اندازه کافی واریانس وتنوع کافی را ندارد میتوانیم استفاده کنیم برای اینکه پراکندگی و واریانس را بیشتر بکنیم تا رزولوشن درکی ما از تصویر افزایش پیدا کند . )
>> A = magic (5)
یک ماتریس پنج در پنج ایجاد میکند که مجموع قطرها و سطر و ستون ها همه با هم برابر است حالا این را بخواهیم به بردار تبدیل کنیم چند راه وجود دارد
اول A را ریشه ای سرچ کن تبدیل به یک ماتریسی که یک سطر دارد و تعداد ستون هایش مهم نیست .
>> reshape (A , 1 , [ ] )
دوم تعداد سطرهایش مهم نیست و یک ستون فقط داشته باشد .
>>reshape (A , [ ] , 1 )
اما یک راه میانبر
A را همه اعضایش را به شکل یک بردار عمودی نشان بده
>> A ( : )
آموزش شدت نور تصاویر در متلب با تابع Imhistراحت ترین وساده ترین راه برای تبدیل عناصر یک ماتریس به بردار است .
برای این که ایمیج را تبدیل کنیم به یک آرایه عمودی و هیستو گرامش را ترسیم کنیم
در طول باکس آمار یک تابعی به نام هیست است که این کار را انجام میدهد
>>hist (img 1 ( : ) )
Error using
جواب نمیدهد به دابل تبدیل میکنیم .
>> hist (double (img ( : ) ) )
خودش در ده تا بین آن را ترسیم میکند .
>> hist (double ( img 1 ( : ) ) , 50 ) >> hist (double (img ( : ) ) , 100 ) >> hist (double ( img 1 ( : ) ) , 256 )
>> Xlim ( [ 0 255 ] )
همان طور که میبینید تمرکز بیشترروی وسط نمودار است درآموزش شدت نور تصاویر در متلب با تابع Imhist بحث ترسیم و محاسبه هیستوگرام را انجام میدهیم. Imag Histogramدرواقع فراوانی روشنائی های مختلف بین نقاط تشکیل دهنده تصویراست .
Imhist Display histogram of image data Syntax Imhist ( I ) Imhist ( I , n ) Imhist ( x , map ) [counts , x ] = imhist ( … )
اگر به سه حالت اول فرا خوانی کنید فقط ترسیم میکند اما اگر بخواهید تعداد اعضای قرار گیرنده در هر دسته و همین طور مرکز آن دسته ها را پیدا بکنید دو تا خروجی از این میگیرید دیگه ترسیم هم نمیکند .
از هوش مصنوعی در صنعت تجارت استفاده های زیادی میشود از جمله میتوان در تولید برنامه پلاک خوان در اتوماسیون پارکینگ هوشمند و ساخت دستگاه پارکینگ هوشمند جهت شناسایی پلاک خودرو استفاده نمود. همینطور از برنامه پلاک خوان علاوه بر اتوماسیون پارکینگ در کنترل تردد خودرو نیز استفاده میگردد.
درکنار فیگوری که داریم یک فیگور دیگه ایجاد میکنیم هیستوگرام های معادل با هر کدام از این هارا ترسیم میکنیم .
Figure ; Subplot ( 2 , 2 , 1 ) ; Imhist ( img 1 , 256 ) ; Title ( ‘ Original Image ‘ ) ; Subplot ( 2 , 2 ,2) ; Imhist ( img 2 , 256 ) ; Title ( ‘ Result of imadjust ‘ ) ; Subplot ( 2 , 2 ,3) ; Imhist ( img 3 , 256 ) ; Title ( ‘ Result of imadjust ( 2 ) ‘ ) ; Subplot ( 2 , 2 ,4 ) ; Imhist ( img 4 , 256 ) ; Title ( ‘ Result of imadjust ( 3 ) ‘ ) ;
تقریبا یک کاری کرده که از همه طیف رنگی دردسترس استفاده بکند این باعث شده که رزولوشن تفکیکی مابیشتر شود .
عملا یک کار آماری اینجا اتفاق می افتد ، باید در هیستوگرام به هدف آماری نزدیک بشیم صرفا یک اپراتور خطی و غیر خطی نباشه که به آن اصطلاحا آنالیز یا تحلیل هیستوگرام میگویند .
هیستوگرام را اگر به شکل پیوسته نگاه کنیم یک توزیع آماری میشود باعلامت اختصاری PDF نشان میدهیم ( تابع کمانی احتمال ) با این یک کمیت تصادفی را میتوانیم توصیف کنیم .
ادامه آموزش نرم افزار متلب در بخش7
