(19 خرداد 1395 07:51 ب.ظ)mina001 نوشته شده توسط: [ -> ]با سلامتصاویر شما چه نوعی هستند؟ باینری(فقط سیاه و سفید)
من یه پروژه دارم که تو اون باید چند تا عکس بگیرم و تعداد پیکسل های سفید هر یک را شمرده و در یک ماتریس ذخیره کنم می خواستم بدونم این کارو چطوری می تونم تو متلب انجام بدم. خیلی ضروری
با تشکر
خواهش می کنم یک نفر جواب بده
img = imread('ximagepixel140141_765.bmp');
[m n] = size(img);
count0 = 0;
count1 = 0;
for i = 1 : m
for j = 1 : n
if(img(i,j) == 0)
count0 = count0 + 1;
else
count1 = count1 + 1;
end
end
end
fileID = fopen('out.txt','w');
fprintf(fileID, '%d\n', count0);
fprintf(fileID, '%d\n', count1);
fclose(fileID);img = imread('ximagepixel140141_765.bmp');
fileID = fopen('out.txt','w');
fprintf(fileID, '%d\n', sum(sum(img == 0)));
fprintf(fileID, '%d\n', numel(img) - sum(sum(img == 0)));
fclose(fileID);img = imread('ximagepixel140141_765.bmp');
[m n] = size(img);
count0 = 0;
count1 = 0;
for i = 1 : m
for j = 1 : n
if(img(i,j) == 0)
count0 = count0 + 1;
else
count1 = count1 + 1;
end
end
end
fileID = fopen('out.txt','w');
fprintf(fileID, '%d\n', count0);
fprintf(fileID, '%d\n', count1);
fclose(fileID);(19 خرداد 1395 10:55 ب.ظ)mina001 نوشته شده توسط: [ -> ]این مقاله من ۳ تا متد داره
Method 1) Based on Foreground Pixels
Method 2) Based on Closed Foreground Pixels
Method 3) Based on Closed Foreground Pixels and Ratio of
Erosed Pixels over Foreground Pixels
اگه بتونین برای مراحل ۲و ۳ هم راهنمایی کنین ممنون میشم
برای ۱۵۵ تصویر که من دارم باید دونه دونه آدرسشون رو بدم و تعداد پیکسل های سفید رو به دست بیارم و تو یه فایل اکسل ذخیره کنم و بعد به عنوان ورودی به شبکه عصبی بدم؟
strPicture='scans\s';%\Documents\MATLAB
for i=1:10
if(i<10)
str1Picture='0';
else
str1Picture='';
end
str2Picture=num2str(i);
str3Picture='.jpg';
AddressFinalPicture=[strPicture str1Picture str2Picture str3Picture];
Picture = imread(AddressFinalPicture);
end(19 خرداد 1395 11:52 ب.ظ)gunnersregister نوشته شده توسط: [ -> ]توضیحات بیشتری بدید که مراحل ۱ تا ۳ ازتون چی میخوان؟
P=imread('C:\Users\mina\Documents\MATLAB\Dataset\ximagepixels\ximagepixel140141_765.BMP');
P=im2bw(P);
X=strel('diamond',4);
T=imclose(P,X);
subplot(1,2,1), imshow(P);
subplot(1,2,2), imshow(T);clear all
close all
clc
P=imread('C:\Users\mina\Documents\MATLAB\Dataset\ximagepixels\ximagepixel140141_765.BMP');
P=im2bw(P);
X=strel('diamond',4);
T=imclose(P,X);
P=im2bw(T);
X=strel('diamond',4);
A=imopen(T,X);
[m n] = size(A);
count0 = 0;
count1 = 0;
for i = 1 : m
for j = 1 : n
if(A(i,j) == 0)
count0 = count0 + 1;
else
count1 = count1 + 1;
end
end
end
fileID = fopen('out.txt','w');
fprintf(fileID, '%d\n', count0);
fprintf(fileID, '%d\n', count1);
fclose(fileID);(20 خرداد 1395 01:06 ق.ظ)mina001 نوشته شده توسط: [ -> ]متد اول که تعداد پیکسل های سفید رو می شمره و به عنوان ورودی به شبکه عصبی داده میشه و با dataset groundtruth مقایسه میشه
متد دوم بعد از اینکه تصاویر رو close میکنیم تعداد پیکسل های سفید رو به دست می آوریم و مثل مرحله قبل مقایسه می کنیم
در متد سوم بعد از close کردن و بعد هم erosed کردن میاد تعداد پیکسل های سفید رو به دست میاره.
erosed کردن همون دستور open کردن هست؟؟
مقاله رو پیوست میکنم ممنون میشم کمکم کنید خیلی به کمکتون نیاز دارمم
یه دنیا ممنون
(20 خرداد 1395 02:58 ب.ظ)gunnersregister نوشته شده توسط: [ -> ]در کل روشهایی که ازش اسم بردید برای Morphology تو تصاویر به کار میره.میتو نیم برای closing کردن همون imclose رو بنویسیم به جای اینکه یک مرحله erosion و بعد dilation کنیم؟
مثلا
dilation برای پهنتر کردن
erosion برای نازک تر کردن.
opening که شامل یک مرحله dilation و بعد erosion هست و کاری که میکنه اینه که شکاف بین تصاویر رو باز میکنه.
closing که شامل یک مرحله erosion و بعد dilation هست و کاری که میکنه اینه که شکاف بین تصاویر رو کم میکنه.
هر کدومشون دستور خودشون رو تو متلب دارن.
imclose-imerode-imdilate-imopen
(20 خرداد 1395 04:09 ب.ظ)mina001 نوشته شده توسط: [ -> ]بله پاسخ یکی هست.(20 خرداد 1395 02:58 ب.ظ)gunnersregister نوشته شده توسط: [ -> ]در کل روشهایی که ازش اسم بردید برای Morphology تو تصاویر به کار میره.میتو نیم برای closing کردن همون imclose رو بنویسیم به جای اینکه یک مرحله erosion و بعد dilation کنیم؟
مثلا
dilation برای پهنتر کردن
erosion برای نازک تر کردن.
opening که شامل یک مرحله dilation و بعد erosion هست و کاری که میکنه اینه که شکاف بین تصاویر رو باز میکنه.
closing که شامل یک مرحله erosion و بعد dilation هست و کاری که میکنه اینه که شکاف بین تصاویر رو کم میکنه.
هر کدومشون دستور خودشون رو تو متلب دارن.
imclose-imerode-imdilate-imopen
منظورم اینه که پاسخ هر دو تاشون یکی هست؟
imclose =erosion +dilation
B=[1 1 1;1 1 1; 1 1 1];
B=[0 1 0; 1 1 1 ; 0 1 0];NewImage=imerode(image,B);(19 خرداد 1395 08:40 ب.ظ)gunnersregister نوشته شده توسط: [ -> ](19 خرداد 1395 07:51 ب.ظ)mina001 نوشته شده توسط: [ -> ]با سلامتصاویر شما چه نوعی هستند؟ باینری(فقط سیاه و سفید)
من یه پروژه دارم که تو اون باید چند تا عکس بگیرم و تعداد پیکسل های سفید هر یک را شمرده و در یک ماتریس ذخیره کنم می خواستم بدونم این کارو چطوری می تونم تو متلب انجام بدم. خیلی ضروری
با تشکر
خواهش می کنم یک نفر جواب بده
خاکستری(طیف ۲۵۶ تایی بین سفید و سیاه)
رنگی
اگه فرض کنیم تصاویر شما خاکستری هستند، اون موقع کافیه حد خاصی(مثلا ۲۰۰) برای سفید تعیین کنید و هر جا که ماتریس اون تصویر تون بیشتر از شد رو سفید فرض کنید.
اگه تصویرتون هم باینریه: سفید مقدار ۱ رو میگیره و کافیه با دستور ساده متلب پیکسلهایی که مقدار ۱ رو دارن پیدا کنید.