4.2 Image SegmentationThis techniqu

4.2 Image Segmentation
This technique is used to identify the object of interest in image.
Or its purpose is to identify the object and discard remaining
pixels of image. After image acquisition each image is preprocessed
to clean the noise and to get more details form it. The
RGB image was separate into three channels and we enhances the
intensity or value channel as mention above, after enhancement
we combine the three channels and converted back to RGB image.
The enhanced RGB image was normalised by splitting the
channels and dividing each pixel value by the sum of pixel’s value
over all channels gives you the normalised channel, and merging
them back gives you the normalised RGB image. Further, the
normalised image was converted to HSV for the segmentation
purposes. From the HSV planes, the HSV values of the each pixel
are normalized be in range of (0 and 1).
In the current case it has been experimentally observed that color
of logs possesses a hue value that is in between 0.05 and 0.15
ranges. So for segmentation of the logs, all the pixels within this
range are kept and the rest of the pixels are discarded thereby
leaving the frame mainly with the logs on a binary image (see
Figure 6(e)). More recently good level of detail concerning color
differences in the HSV color space has been detailed in [9].
Once the object of interest has been segmented and displayed in
the other mask, the canny edges of original image are
superimposed against the segmented one to create a geometric
projection of logs on segmented image (see Figure 6(f)). The
edges will act as boundary between individual objects (logs), once
the boundary (edges) has been added to the segmented image, the
boundary pixels values are merged with the background of
segmented image, leaving only the individual logs separated from
each other. (see Figure (6(g))

ผลลัพธ์ (ไทย) 1:

4.2 แบ่งภาพเทคนิคนี้ถูกใช้เพื่อระบุวัตถุที่น่าสนใจในภาพหรือวัตถุประสงค์ระบุวัตถุยกเลิกที่เหลือพิกเซลของรูปภาพ หลังจากซื้อภาพ แต่ละภาพ preprocessedทำความสะอาดเสียง และ จะได้รับรายละเอียดเพิ่มเติมแบบฟอร์มมัน ที่RGB ภาพถูกแยกเป็นสามช่อง และเราช่วยเพิ่มการช่องความเข้มหรือมูลค่าตามที่กล่าวถึงข้างต้น หลังจากปรับปรุงเรารวมช่องสามและหลังแปลงภาพ RGBภาพ RGB พิเศษถูก normalised โดยแบ่งการช่องและแบ่งแต่ละค่าพิกเซล โดยผลรวมของค่าของ pixelผ่านทุกสถานีให้ช่อง normalised และการผสานพวกเขากลับให้ภาพ RGB normalised เพิ่มเติม การnormalised ภาพถูกแปลงเป็น HSV ในการแบ่งกลุ่มวัตถุประสงค์ จาก HSV เครื่องบิน ค่า HSV ของแต่ละพิกเซลตามปกติจะอยู่ในช่วง (0 และ 1)ในกรณีปัจจุบัน มันได้ถูก experimentally ตรวจสอบสีของบันทึกครบถ้วนค่าเว้ที่ระหว่าง 0.05 และ 0.15ช่วงนั้น ดังนั้นการแบ่งเซกเมนต์ของล็อก พิกเซลทั้งหมดภายในนี้ช่วงจะถูกเก็บไว้ และส่วนเหลือของพิกเซลจะละทิ้งจึงออกจากกรอบส่วนใหญ่ มีการบันทึกในรูปแบบไบนารี (ดูรูป 6(e)) เพิ่มเติมล่าสุดดีระดับของรายละเอียดเกี่ยวกับสีความแตกต่างในระบบพื้นที่สี HSV มีการรายละเอียดใน [9] เมื่อถูกแบ่งเป็นช่วง และแสดงวัตถุที่น่าสนใจหน้ากากอื่น ๆ มีขอบแหลมของภาพต้นฉบับวางซ้อนอยู่กับหนึ่งแบ่งเป็นส่วน ๆ เพื่อสร้างเป็นรูปทรงเรขาคณิตการณ์บันทึกภาพแบ่งส่วนบน (ดูรูป 6(f)) ที่ขอบจะทำเป็นเส้นขอบวัตถุแต่ละวัตถุ (บันทึก), ครั้งขอบ (ขอบ) ได้เพิ่มรูปภาพแบ่งส่วน การค่าพิกเซลขอบถูกผสานกับพื้นหลังของภาพแบ่งส่วน การออกเฉพาะแต่ละล็อกแยกออกจากกันและกัน (ดูรูป (6(g))

ผลลัพธ์ (ไทย) 2:

4.2
การแบ่งส่วนภาพเทคนิคนี้จะใช้ในการระบุวัตถุที่น่าสนใจในภาพ. หรือจุดประสงค์ของมันคือการระบุวัตถุและทิ้งเหลือพิกเซลของภาพ หลังจากการควบรวมภาพแต่ละภาพจะ preprocessed ในการทำความสะอาดและเสียงที่จะได้รับรายละเอียดเพิ่มเติมในรูปแบบมัน ภาพ RGB แยกออกเป็นสามช่องและเราจะช่วยเพิ่มช่องทางความเข้มหรือมูลค่าตามที่กล่าวข้างต้นหลังจากการเพิ่มประสิทธิภาพของเรารวมทั้งสามช่องทางและแปลงกลับไปเป็นภาพRGB. ภาพ RGB ที่เพิ่มขึ้นได้ปกติโดยแยกช่องทางและการหารค่าแต่ละพิกเซลโดยผลรวมของมูลค่าพิกเซลมากกว่าทุกช่องช่วยให้คุณมีช่องทางปกติและการรวมพวกเขากลับมาช่วยให้คุณมีภาพRGB ปกติ นอกจากนี้ภาพปกติถูกดัดแปลง HSV สำหรับการแบ่งส่วนวัตถุประสงค์ จากเครื่องบิน HSV ค่า HSV ของแต่ละพิกเซลเป็นปกติอยู่ในช่วง(0 และ 1). ในกรณีที่ในปัจจุบันจะได้รับการตั้งข้อสังเกตว่าการทดลองสีของบันทึกมีค่าสีที่อยู่ในระหว่าง 0.05 และ 0.15 ช่วง ดังนั้นสำหรับการแบ่งส่วนของบันทึกที่พิกเซลทั้งหมดภายในนี้ช่วงจะถูกเก็บไว้และส่วนที่เหลือของพิกเซลจะถูกยกเลิกจึงออกจากกรอบส่วนใหญ่มีการบันทึกในภาพไบนารี(ดูรูปที่ 6 (จ)) ระดับดีเมื่อเร็ว ๆ นี้รายละเอียดเกี่ยวกับสีที่แตกต่างในพื้นที่สีHSV ได้รับรายละเอียดใน [9]. เมื่อวัตถุที่น่าสนใจที่ได้รับการแบ่งและแสดงในหน้ากากอื่น ๆ ที่ขอบแสนรู้ของภาพต้นฉบับจะซ้อนทับกับคนที่จะแบ่งสร้างรูปทรงเรขาคณิตประมาณการของการบันทึกภาพที่แบ่งกลุ่ม (ดูรูปที่ 6 (ฉ)) ขอบจะทำหน้าที่เป็นเขตแดนระหว่างวัตถุที่บุคคล (บันทึก) เมื่อเขตแดน(ขอบ) ได้รับการเพิ่มภาพแบ่งกลุ่มที่ค่าพิกเซลเขตแดนจะถูกกลืนไปกับพื้นหลังของภาพแบ่งเหลือเพียงบันทึกบุคคลที่แยกออกมาจากแต่ละอื่นๆ (ดูรูปที่ (6 (ช))

ผลลัพธ์ (ไทย) 3:

4.2 ภาพตัด
เทคนิคนี้ใช้ในการระบุวัตถุที่สนใจในภาพ .
หรือจุดประสงค์เพื่อระบุวัตถุและทิ้งที่เหลือ
พิกเซลของภาพ หลังจากการซื้อภาพแต่ละภาพจะ preprocessed
ทำความสะอาดเสียงรบกวนและขอรายละเอียดเพิ่มเติมรูป .
ภาพ RGB ก็แยกเป็นสามช่อง และเราเพิ่มความเข้ม หรือค่า
ช่องทางตามที่กล่าวถึงข้างต้นหลังจากเพิ่ม
เรารวมสามช่องและหลังแปลง RGB ภาพ ภาพเป็น RGB
เพิ่มผลกำไรโดยการแยก
ช่องทางและแบ่งแต่ละพิกเซล ค่าโดยผลรวมของค่าของพิกเซล
กว่าทุกช่องจะช่วยให้คุณบันทึกช่อง , และการผสาน
พวกเขากลับมาให้คุณโดดเด่น RGB ภาพ เพิ่มเติม เนื่องจากภาพที่ถูกแปลงเป็น

) HSV สำหรับวัตถุประสงค์จากการติดเชื้อ HSV เครื่องบิน ค่าของแต่ละพิกเซล
เป็นปกติอยู่ในช่วง ( 0 และ 1 ) .
ในกรณีที่ปัจจุบันมีการทดลองพบว่าสี
บันทึกครบถ้วน เว้ มูลค่าที่ระหว่าง 0.05 และ 0.1
ช่วง ดังนั้นเพื่อการบันทึกทุกพิกเซลภายในช่วงนี้
จะถูกเก็บไว้และส่วนที่เหลือของพิกเซลที่ถูกทิ้งจึง
ออกจากกรอบส่วนใหญ่กับการบันทึกบนภาพไบนารี ( ดูรูปที่ 6
( e ) ) เมื่อเร็ว ๆ นี้ ดี ระดับของรายละเอียดเกี่ยวกับความแตกต่างในพื้นที่สี HSV สี
ได้รับรายละเอียดใน [ 9 ]
เมื่อวัตถุที่น่าสนใจที่ได้รับการแบ่งและแสดงใน
หน้ากากอื่น ขอบแหลมของภาพต้นฉบับ
ซ้อนทับกับแบ่งส่วนหนึ่งเพื่อสร้างเรขาคณิต
ฉายภาพบันทึกในส่วน ( ดูรูปที่ 6 ( f ) )
ขอบจะเป็นเขตแดนระหว่างวัตถุแต่ละ ( บันทึก ) , เมื่อ
ขอบ ( ขอบ ) ถูกเพิ่มไปยังรูปภาพแบ่งเขตแดนพิกเซลค่า

แบ่งผสานกับพื้นหลังของภาพออกเท่านั้นแต่ละบันทึกแยกออกจาก
แต่ละอื่น ๆ ( ดูรูปที่ 6 ( G )