3.2.2. Region segmentationTo extrac

3.2.2. Region segmentation
To extract the features of beef marbling, the
beef rib-eye image is divided into lean and fat regions.
Fig. 4 shows gray-level histograms of beef
rib-eye images with BMS No. 6 and No. 12, respectively.
As can be seen in these ®gures, there are
¯at and broad valleys in the histograms. The evidence
indicates that the boundary between lean
and fat regions on the surface of cross-sectional
beef rib-eye is not clear. Beef carcass rib-eyes do
not have the column structure of beef marbling.
Therefore, in identifying each region in terms of
the characteristic of gray-level of the beef rib-eye
image, it is con®rmed by experiment that it is
better to consider the ambiguous region between
the lean and fat regions. The experimental results,
which will be shown in Section 3.2.3 are appreciated
by grading experts. Owing to that, ®rst, the
gray-level histogram of the beef rib-eye image is
divided into three classes at the threshold K1 and
K2 (06K1 < K2 6255). Next, the gray-level histogram
is divided into the two regions at the
threshold K1 only, which are according to the lean
and fat regions. That is to say, let the two classes
obtained by dividing the gray-level histogram of
the beef rib-eye image at the threshold K1 be denoted
by S1 ˆ ‰0; K1 ÿ 1Š and S2 ˆ ‰K1; K2 ÿ 1Š,
respectively, their classes S1 and S2 correspond to
the lean region and the fat region, respectively.
Let xm be the rate of number of pixels in class
Sm with respect to the total number of pixels in the
two classes, lm
…m ˆ 1; 2† be the gray-level mean
of class Sm in the gray-level histogram, and r2
m be
the gray-level variance in class Sm. Let lT be
the gray-level mean of the image, then r2
T be thegray-level variance of the image, r2
T is given by the
following equation derived by Otsu (1979).
r2
T
ˆ
X3
mˆ1
xmr2
m
‡
X3
mˆ1
xm…lm
ÿ lT
†2: …1†
The ®rst term on the right-hand side of Eq. (1)
represents within-class variance, the second term
represents between-class variance. Each of these
terms is dependent on the thresholds K1 and K2.
The left-hand side of Eq. (1) is constant independent
of any gray-level threshold.
Let r2
B
…K1; K2† denote the between-class variance
and let g2…K1;K2† denote the degree of separation
of classes. g2…K1; K2† is de®ned by
normalizing the between-class variance by the
gray-level variance according to the following
equation.
g2…K1; K2†,r2
B
…K1; K2†=r2
T: …2†As the left-hand side of Eq. (1) is constant independent
of any gray-level threshold, the degree of
separation of classes is maximal when the withinclass
variation is minimal, or when the betweenclass
variation is maximal. The gray-level threshold
which makes the separation degree maximal is the
optical threshold, selected to divide a beef rib-eye
image into lean and fat regions. Let K
1 and K
2 be
the optimal thresholds which maximize the separation
degree, K
1 is the optical gray-level at which
the beef rib-eye image is appropriately divided into
class ^S1 according to the lean regions and class ^S2
according to the fat regions. After the process of
region segmentation, the values bi;j at each pixel
…xi; yj† on an original image are de®ned according
to the following equation.
bi;j ˆ 0 for gi;j 2 ^S1; …3†
bi;j ˆ 1; for gi;j 2 ^S2: …4†

ผลลัพธ์ (ไทย) 1:

3.2.2. ภูมิภาคแบ่งขยายคุณลักษณะของเนื้อ marbling การเนื้อซี่โครงตาภาพถูกแบ่งออกเป็นแบบ lean และไขมันFig. 4 แสดงระดับสีเทาฮิสโตแกรมของเนื้อกระดูกซี่โครงตาภาพกับ BMS หมายเลข 6 และหมายเลข 12 ตามลำดับสามารถเห็นในนี้ ® gures มี¯at และหุบเขากว้างในฮิสโตแกรม หลักฐานที่บ่งชี้ว่า ขอบเขตระหว่างเอนและไขมันบนพื้นผิวของเหลวเนื้อซี่โครงตาไม่ชัดเจน ทำซากเนื้อซี่โครงตาโครงสร้างคอลัมน์ของ marbling เนื้อได้ดังนั้น ในแต่ละภูมิภาคในแง่ของการระบุลักษณะของระดับสีเทาของเนื้อซี่โครงตาภาพ เป็นคอน ® rmed โดยทดลองที่เป็นให้พิจารณาพื้นที่ที่ชัดเจนระหว่างภูมิภาคแบบ lean และไขมัน ผลการทดลองซึ่งจะแสดงในส่วน 3.2.3 กำลังนิยมโดยการจัดเกรดผู้เชี่ยวชาญ เพราะที่, ® rst การฮิสโตแกรมของระดับสีเทาของภาพเนื้อซี่โครงตาอยู่แบ่งออกเป็นสามชั้นที่ขีดจำกัด K1 และK2 (06K 1 < K2 6255) ถัดไป ฮิสโตแกรมระดับสีเทาแบ่งออกเป็นภูมิภาคสองที่ขีดจำกัด K1 เท่านั้น ซึ่งเป็นไปแบบ lean ตามและภูมิภาคไขมัน กล่าวคือ ให้ 2 ชั้นได้ โดยการหารฮิสโตแกรมระดับสีเทาของแทนรูปตาซี่โครงเนื้อที่ขีดจำกัด K1โดย S1 0 K1 ÿ 1 และ S2 K1 Ÿ K2 1ตามลำดับ ประเภทของ S1 และ S2 กับภูมิภาคแบบ lean และภูมิภาคไขมัน ตามลำดับให้ xm มีอัตราจำนวนของพิกเซลในชั้นเรียนSm กับจำนวนรวมของพิกเซลในตัวสองชั้น lm…m; 1 2 มีค่าเฉลี่ยของระดับสีเทาคลาสเอสเอ็มในฮิสโตแกรมระดับสีเทา และ r2m ได้ผลต่างของระดับสีเทาในคลาสเอสเอ็ม ให้เป็นลายหมายความว่าระดับสีเทาของภาพ r2 แล้วT จะต่าง thegray ระดับของภาพ r2ทีถูกกำหนดโดยการสมการต่อไปนี้มา ด้วยโอสึ (1979)r2TˆX 3ม. 1xmr2m‡X 3ม. 1xm lmÿ lT2:1การ ® rst ระยะทางด้านขวามือของ Eq. (1)ความแปรปรวนภายในคลาสแสดง ระยะที่สองแสดงระหว่างชั้นต่างกัน แต่ละเหล่านี้เงื่อนไขจะขึ้นอยู่กับขีดจำกัด K1 และ K2อิสระคงเป็นด้านซ้ายของ Eq. (1)ของขีดจำกัดใด ๆ ของระดับสีเทาให้ r2บี…K1 K2 แสดงผลต่างระหว่างชั้นให้ g2 K1 K2 แสดงระดับของการแยกของห้องเรียน g2 K1 K2 เป็นเด ® เน็ดโดยผลต่างระหว่างชั้นโดย normalizingผลต่างของระดับสีเทาตามสมการg2 K1 K2, r2บี…K1 K2 = r2อิสระคงคือ t:กำลัง 2 เป็นทางด้านซ้ายของ Eq. (1)ของใด ๆ ขีดจำกัดระดับสีเทา ระดับของการแบ่งแยกชนชั้นได้สูงสุดเมื่อ withinclassการเปลี่ยนแปลงมีน้อย หรือเมื่อ betweenclassเปลี่ยนแปลงสูงสุดได้ ขีดจำกัดระดับสีเทาซึ่งทำให้แยกระดับสูงสุดคือการออพติคอลจำกัด เลือกที่จะแบ่งเป็นเนื้อซี่โครงตาภาพเป็นแบบ lean และไขมัน ให้ K1 และ K2 อย่างขีดจำกัดสูงสุดที่ขยายแยกปริญญา K1 คือ สีเทาระดับแสงที่รูปตาซี่โครงเนื้ออย่างเหมาะสมแบ่งออกเป็นชั้น ^ S1 ตามภูมิภาคแบบ lean และคลา ^ S2ตามภูมิภาคไขมัน หลังจากกระบวนการแบ่งภูมิภาค bi ค่า j ที่แต่ละพิกเซล…ซีอานซีกวน yj กับรูปต้นฉบับมีเด ® บริษัทฯ ตามการสมการต่อไปนี้bi; j 0 สำหรับจิ j 2 ^ S1 …3bi; 1; j สำหรับจิ j 2 ^ S2: 4

ผลลัพธ์ (ไทย) 2:

3.2.2 การแบ่งส่วนภาคเพื่อดึงคุณสมบัติของเนื้อหินอ่อนที่ภาพซี่โครงตาเนื้อแบ่งออกเป็นลีนและภูมิภาคไขมัน. รูป 4 แสดง histograms สีเทาระดับของเนื้อภาพซี่โครงตากับBMS ฉบับที่ 6 และฉบับที่ 12 ตามลำดับ. ที่สามารถเห็นได้ใน®guresเหล่านี้มีหุบเขาที่และกว้างใน histograms หลักฐานที่แสดงให้เห็นว่าเขตแดนระหว่างยันภูมิภาคและไขมันบนพื้นผิวของตัดขวางเนื้อซี่โครงตาไม่ชัดเจน ซากเนื้อซี่โครงตาไม่ได้มีโครงสร้างคอลัมน์หินอ่อนเนื้อ. ดังนั้นในการระบุแต่ละภูมิภาคในแง่ของลักษณะของสีเทาระดับของกระดูกซี่โครงตาเนื้อภาพก็จะcon®rmedโดยการทดลองว่ามันเป็นเรื่องดีกว่าที่จะพิจารณาพื้นที่ที่ไม่ชัดเจนระหว่างภูมิภาคลีนและไขมัน ผลการทดลอง, ซึ่งจะแสดงในมาตรา 3.2.3 มีความนิยมโดยผู้เชี่ยวชาญด้านการจัดลำดับ เนื่องจากว่า®rstที่กราฟสีเทาระดับของภาพซี่โครงตาเนื้อถูกแบ่งออกเป็นสามชั้นเรียนที่เกณฑ์K1 และK2 (06K1 <K2 6255) ถัดไป histogram สีเทาระดับแบ่งออกเป็นสองภูมิภาคที่เกณฑ์K1 เท่านั้นซึ่งเป็นไปตามยันภูมิภาคและไขมัน กล่าวคือให้สองชั้นได้รับโดยการหารกราฟสีเทาระดับของภาพซี่โครงเนื้อตาที่เกณฑ์K1 จะแสดงโดยS1 ?? ?? 0; K1 1 ÿ ?? และ S2 ?? ?? K1; K2 ÿ 1 ??, ตามลำดับชั้นเรียนของพวกเขา S1 และ S2 สอดคล้องกับภูมิภาคยันและภูมิภาคไขมันตามลำดับ. ให้ XM เป็นอัตราจำนวนพิกเซลในชั้นเรียนเอสเอ็มที่เกี่ยวกับจำนวนของพิกเซลในสองชั้นLM ?? ม ?? 1; 2 ?? เป็นสีเทาหมายถึงระดับของการเรียนเอสเอ็มในกราฟสีเทาระดับและ r2 เมตรจะมีความแปรปรวนในระดับสีเทาในระดับเอสเอ็ม ให้ LT จะหมายถึงสีเทาระดับของภาพแล้วr2 T จะแปรปรวน thegray ระดับของภาพ r2 T จะได้รับจากสมการต่อไปได้ที่ผู้Otsu (1979). r2 T ?? X3 ม ?? 1 xmr2 เมตร?? X3 ม ?? 1 XM ?? LM ÿ LT ?? 2: ?? ?? 1 คำ®rstอยู่ทางด้านขวามือของสมการ (1) แสดงให้เห็นถึงความแตกต่างที่อยู่ในระดับระยะที่สองแสดงให้เห็นถึงความแตกต่างระหว่างระดับ แต่ละเหล่านี้เงื่อนไขขึ้นอยู่กับเกณฑ์ K1 และ K2. ด้านซ้ายมือของสมการ (1) มีความเป็นอิสระอย่างต่อเนื่องของเกณฑ์ใดๆ สีเทาระดับ. ให้ r2 B ?? K1; K2 ?? แสดงระหว่างระดับความแปรปรวนและให้ g2 ?? K1; K2 ?? แสดงถึงระดับของการแยกของชั้นเรียน g2 ?? K1; K2 ?? เป็นde®nedโดยnormalizing ระหว่างระดับความแปรปรวนโดยแปรปรวนระดับสีเทาตามต่อไปนี้สม. g2 ?? K1; K2 ??, r2 B ?? K1; K2 ?? = r2 T: ?? ?? 2 ขณะที่ด้านซ้ายมือของสมการ (1) มีความเป็นอิสระอย่างต่อเนื่องของเกณฑ์ใดๆ สีเทาระดับระดับของการแยกของชั้นเรียนเป็นสูงสุดเมื่อwithinclass การเปลี่ยนแปลงน้อยที่สุดหรือเมื่อ betweenclass เปลี่ยนแปลงเป็นสูงสุด เกณฑ์ระดับสีเทาซึ่งจะทำให้การแยกระดับสูงสุดเป็นเกณฑ์แสงที่เลือกที่จะแบ่งซี่โครงตาเนื้อภาพที่ลงในพื้นที่ติดมันและไขมัน ให้ K? ที่ 1 และ K? 2 เป็นเกณฑ์ที่ดีที่สุดที่เพิ่มการแยกองศาK? 1 เป็นสีเทาระดับแสงที่ภาพซี่โครงตาเนื้อแบ่งเหมาะสมลงในระดับ^ S1 ตามภูมิภาคลีนและระดับ ^ S2 ตามภูมิภาคไขมัน หลังจากขั้นตอนของการแบ่งส่วนภาคสองค่านั้นเจในแต่ละพิกเซล?? จิน; yj ?? ในภาพต้นฉบับจะde®nedตามสมการต่อไป. สอง; ญ ?? 0 สำหรับกูเกิล; ญ 2 ^ S1; 3 ?? ?? สอง; ญ ?? 1; สำหรับกูเกิล; ญ 2 ^ S2: ?? ?? 4

ผลลัพธ์ (ไทย) 3:

3.2.2 . เขตแบ่ง
สกัดคุณลักษณะ marbling เนื้อ , เนื้อซี่โครง
ภาพแบ่งเป็นภูมิภาค ผอม และอ้วน รูปที่ 4 แสดงระดับสีเทา

ปีเนื้อซี่โครงภาพ หรือ หมายเลข 6 และหมายเลข 12 ตามลำดับ ดังจะเห็นได้ใน gures

¯®เหล่านี้ มี ที่ หุบเขากว้างในฮิสโตแกรม . หลักฐานบ่งชี้ว่า ขอบเขตระหว่างปอด

และภูมิภาคไขมันบนพื้นผิวของภาคตัดขวาง
เนื้อซี่โครงที่ไม่ชัดเจน เนื้อซี่โครงทำซาก
ไม่มีเสาโครงสร้างของ marbling เนื้อ .
ดังนั้นในการระบุแต่ละภูมิภาคในแง่ของ
ลักษณะของระดับสีเทาของเนื้อริบอาย
ภาพมันหลอก® rmed โดยทดลองว่ามัน
ดีกว่าที่จะพิจารณาพื้นที่คลุมเครือระหว่าง
ภูมิภาคผอม และอ้วน ผลการทดลอง
ซึ่งจะแสดงในส่วน 3.2.3 ชื่นชม
โดยระดับผู้เชี่ยวชาญ เนื่องจากว่า ® RST ,
สีเทาระดับความถี่ของเนื้อซี่โครงภาพ
แบ่งออกเป็นสามคลาสที่ธรณีประตูและ K1 K2
( 06k1 < K2 6255 ) ถัดไป , ระดับสีเทาภาพ
แบ่งเป็นสองภูมิภาคที่
( K1 เท่านั้น ซึ่งเป็นไปตามยัน
และไขมันภูมิภาค จะบอกว่า ให้พวกเรียน
ที่ได้จากการหารสีเทาระดับความถี่ของ
เนื้อซี่โครงภาพที่ธรณีประตู K1 ถูกเขียนโดย S1
ˆจง 0 ; K1 ÿ 1 Šและ S2 ˆจง K1 ; K2 ÿ 1 Š
, S1 และ S2 ตามลำดับชั้นของพวกเขาสอดคล้องกับ
ภูมิภาคยันและไขมันเขตตามลำดับ
ปล่อยให้ XM เป็นคะแนนของจำนวนพิกเซลในคลาส
SM ส่วนจำนวนพิกเซลใน

. . . . . . . 2 ชั้น ม. ˆ LM 1 2 †เป็นระดับสีเทาหมายถึง
ห้อง SM ในกราฟระดับสีเทาและ R2

M จะแปรปรวนระดับสีเทาในชั้นเรียน SM ปล่อยให้มันเป็นระดับสีเทา
ค่าเฉลี่ยของภาพ แล้ว R2
T thegray ระดับความแปรปรวนของภาพ R2

t จะได้รับโดยสมการต่อไปนี้ได้มาโดย โอ๊ต ( 1979 )
2
t

ˆ X3
m

m
ˆ 1 xmr2 ‡
3
M ˆ 1 . . . . . . .

ÿ XM LM มัน
† 2 : . . . . . . . 1 †
®ในระยะแรกทางขวามือของอีคิว ( 1 ) แสดงถึงความแปรปรวน

ภายในชั้นเรียน ระยะที่สองหมายถึงผลต่างระหว่างชั้นเรียน แต่ละคำเหล่านี้
ขึ้นอยู่กับเกณฑ์ K1 และ K2 .
ซ้ายมือของอีคิว ( 1 )
อิสระคงที่ค่าระดับสีเทา ปล่อย R2
B

. . . . . . . K1 ; K2 †แสดงระหว่างชั้นเรียนและความแปรปรวน
ให้ G2 . . . . . . . K1 ; K2 †แสดงระดับของการแยก
ของชั้นเรียน G2 . . . . . . . K1 ; K2 †คือ เดอ ®เน็ดโดย normalizing ระหว่างความแปรปรวน

เรียนโดยสีเทาระดับความแปรปรวนไปตามสมการต่อไปนี้ . . . . . . .

. g2 K1 ; K2 † , R2
B
. . . . . . . K1 ; K2 † = R2
t : . . . . . . . 2 †เป็นด้านซ้ายมือของอีคิว ( 1 )
อิสระคงที่ค่าระดับสีเทา , ระดับของ
แยกชั้นเรียนคือสูงสุดเมื่อ การ withinclass
การเปลี่ยนแปลงน้อยที่สุด หรือเมื่อ betweenclass
รูปแบบคือสูงสุด สีเทาระดับเกณฑ์
ซึ่งทำให้แยกขึ้นไปสูงสุดคือ
เพดานแสง เลือกแบ่งเนื้อริบอาย
ภาพในภูมิภาคผอม และอ้วน ให้ k 
1 k 
2
เหมาะสมซึ่งขยายเกณฑ์แยก
-
1 k  แสงระดับสีเทาที่
เนื้อซี่โครงภาพอย่างเหมาะสม แบ่งออกเป็นชั้น

S1 ตามภูมิภาคและระดับเอน S2

ตามพื้นที่ไขมัน หลังจากกระบวนการ
แบ่งภูมิภาค