Segmentation is a very commonly use

Segmentation is a very commonly used term in machine vision
and refers to several kinds of image classification techniques
(Pla, Juste, & Ferri, 1993; Slaughter and Harrell, 1989). For
example, segmentation has been used in the extraction of
contours and regions of an image (Falah, Bolon, & Cocquerez,
1994) and boundary detection (Ercal, Moganti, Stoecker, &
Moss, 1993). Features provide data reduction while preserving
the information required for segmentation. Once independent
objects of interest have been clearly segmented from an image,
the next step in the image analysis process is to measure the
individual features of each object. The simplest way to
segment an image is by a grey-level threshold or global
threshold (Annamalai, Lee, & Burks, 2004). Unfortunately, the
fruit portion, leaf portion, and background are not easily
differentiated using this method because the grey-level histo-
gram or colour histograms of these features are not unimodal.
Taking the characteristics of the AMP as well as citrus
colour into account, in this work, the operator selected the
colour of citrus from the image using the touch pen by clicking
the touch screen and then drawing a line on an individual
citrus. It must be noted that the line should not go outside the
selected object. After the line is confirmed, the FCA will auto-
matically perform a 3 by 3 median filter to reduce noise caused
by sunlight scatter, and then search the R (red), G (green), and B
(blue) value of the sampled pixels for statistical analysis. The
citrus colour is primarily determined by the score of R and B,
where G was a constraint value. It was found that the citrus
could be separated from the background according to the inequalities 1 and 2. If the value of N is modified, a different
segmented image could be obtained. The FCA then calculated
the pixels of the individual citrus (PsIC) for the selected single
fruit and estimated the number of clustered fruits.

ผลลัพธ์ (ไทย) 1:

การแบ่งส่วนเป็นคำที่ใช้บ่อยมากใน
เครื่องจักรวิสัยทัศน์และหมายถึงหลายชนิดของเทคนิคการจัดหมวดหมู่ภาพ
(ปลาตาสว่าง& Ferri, 1993; ฆ่าและ Harrell, 1989) ตัวอย่างเช่น
การแบ่งส่วนถูกนำมาใช้ในการสกัดรูปทรง
และภูมิภาคของภาพ (Falah, Bolon, & cocquerez
1994) และการตรวจสอบขอบเขต (ercal, Moganti, stoecker, &
มอส, 1993)คุณสมบัติให้ลดลงในขณะที่รักษาข้อมูล
ข้อมูลที่จำเป็นสำหรับการแบ่งส่วน อิสระครั้ง
วัตถุที่สนใจได้อย่างชัดเจนแบ่งจากภาพ
ขั้นตอนต่อไปในกระบวนการการวิเคราะห์ภาพคือการวัดคุณลักษณะบุคคล
ของแต่ละวัตถุ วิธีที่ง่ายที่สุดส่วน
ภาพโดยเกณฑ์ระดับเทาหรือเกณฑ์
ทั่วโลก (Annamalai ลี& Burks, 2004)โชคไม่ดีที่ส่วนผลไม้
ส่วนใบและพื้นหลังจะไม่ได้อย่างง่ายดาย
แตกต่างใช้วิธีนี้เพราะระดับเทา histograms Histo-
กรัมหรือสีของคุณสมบัติเหล่านี้จะไม่ unimodal.
การลักษณะของแอมป์เช่นเดียวกับส้ม สี
เข้าบัญชีในงานนี้ผู้ประกอบการเลือกสี
ของส้มจากภาพโดยใช้ปากกาสัมผัสได้โดยการคลิก
หน้าจอสัมผัสแล้ววาดเส้นบนส้ม
บุคคล จะต้องมีการตั้งข้อสังเกตว่าสายไม่ควรออกไปข้างนอกวัตถ​​ุที่เลือก
หลังจากบรรทัดได้รับการยืนยัน FCA จะอัตโนมัติ
matically ดำเนินการ 3 โดย 3 ตัวกรองมัธยฐานเพื่อลดเสียงรบกวนที่เกิดจากการ
กระจายแสงแดดแล้วค้นหา r (สีแดง), G (สีเขียว) และ B
มูลค่า (สีฟ้า) ของพิกเซลตัวอย่างสำหรับการวิเคราะห์ทางสถิติ
สีส้มเป็นหลักจะถูกกำหนดโดยการให้คะแนนของ r และ b,
ที่ g เป็นค่าข้อ จำกัด มันก็พบว่า
ส้มอาจจะแยกออกจากพื้นหลังให้เป็นไปตามความไม่เท่าเทียมกัน 1 และ 2 ถ้าค่าของ n มีการแก้ไขที่แตกต่างกัน
ภาพที่แบ่งกลุ่มจะได้รับ FCA คำนวณแล้วพิกเซล
ของส้มแต่ละ (psic) คนเดียวที่เลือก
ผลไม้และประเมินจำนวนของผลไม้คลัสเตอร์.

ผลลัพธ์ (ไทย) 2:

แบ่งเป็นคำที่ใช้บ่อยมากในวิสัยทัศน์เครื่อง
และอ้างอิงถึงรูป classification เทคนิคต่าง ๆ
(ปลา สว่าง & Ferri, 1993 ฆ่าและ Harrell, 1989) สำหรับ
ตัวอย่าง การแบ่งเซกเมนต์มีการใช้ในการสกัด
รูปทรงและพื้นที่ของรูป (Falah, Bolon & Cocquerez,
1994) และตรวจพบขอบเขต (Ercal, Moganti, Stoecker &
Moss, 1993) ลักษณะการทำให้ลดข้อมูลขณะรักษา
ข้อมูลที่จำเป็นสำหรับแบ่ง อิสระครั้ง
ถูกแบ่งเป็นวัตถุน่าสนใจมีการชัดเจนช่วงจากภาพ,
ขั้นตอนถัดไปในกระบวนการวิเคราะห์ภาพคือวัด
แต่ละคุณลักษณะของแต่ละวัตถุ วิธีง่ายที่สุดในการ
เซ็กภาพจะจำกัดระดับสีเทา หรือสากล
จำกัด (นามา Lee & Burks, 2004) อับ การ
ส่วนผลไม้ ส่วนใบ และพื้นหลังจะไม่ได้
แตกต่างกันโดยใช้วิธีนี้เนื่องจาก histo ระดับสีเทา-
กรัมหรือสีฮิสโตแกรมของคุณลักษณะเหล่านี้ได้ไม่ unimodal
ถ่ายลักษณะของแอมป์รวมทั้งส้ม
สีเข้าบัญชี ในงานนี้ ตัวเลือก
สีของส้มจากภาพโดยใช้ปากกาสัมผัส โดยการคลิก
หน้าจอสัมผัสและการวาดเส้นในแต่ละบุคคลแล้ว
ส้ม ต้องสังเกตว่า บรรทัดควรไม่ไป
วัตถุที่เลือก หลังจากบรรทัดนี้คือ confirmed, FCA จะอัตโนมัติ-
matically ทำ filter เป็นมัธยฐาน 3 โดย 3 เพื่อลดเสียงรบกวนที่เกิดจาก
โดยแสงอาทิตย์กระจาย และการค้นหาแล้ว R (สีแดง), G (สีเขียว), และ B
(blue) ค่าพิกเซลตัวอย่างสำหรับการวิเคราะห์ทางสถิติ ใน
สีส้มเป็นหลักกำหนด โดยคะแนนของ R และ B,
ที่ G มีค่าจำกัด ก็พบว่าส้ม
สามารถแยกออกจากพื้นหลังตามความเหลื่อมล้ำทาง 1 และ 2 ได้ ถ้าค่าของ N คือ modified แตกต่าง
สามารถดึงภาพที่แบ่งเป็นส่วน ๆ ได้ FCA ที่คำนวณแล้ว
พิกเซลของส้มแต่ละ (PsIC) ในการเลือก
ผลไม้ และประมาณการจำนวนกลุ่มผลไม้

ผลลัพธ์ (ไทย) 3:

การแบ่งสิทธิ์การเข้าถึงเป็นอย่างมากใช้กันโดยทั่วไปในวิสัยทัศน์เครื่อง
และหมายถึงหลายอย่างของเทคนิค classification ภาพ
(ปลาถ้อยคำอันเหมาะเจาะ&เหล็ก 1993 สังหารและ harrell 1989 ) ตัวอย่างเช่น
ซึ่งจะช่วยให้มีการแบ่งกลุ่มการใช้งานในการขุดได้ในเขตพื้นที่และ
ตามความโค้งมนของรูป( falah bolon & cocquerez
1994 )และการตรวจสอบแนวเขต( ercal moganti stoecker &
มอส 1993 )โดดเด่นไปด้วยให้ข้อมูลลดลงในขณะที่ยังคงรักษาข้อมูล
ที่จำเป็นสำหรับการแบ่งสิทธิ์การเข้าถึง เมื่อเป็นอิสระ
วัตถุของดอกเบี้ยได้รับการได้อย่างชัดเจนบริเวณส้นเท้าแบ่งส่วนจาก ภาพ ที่
ขั้นตอนถัดไปในขั้นตอนการวิเคราะห์ ภาพ ที่มีการวัดโดดเด่นไปด้วย
ซึ่งจะช่วยแบบเฉพาะรายได้จากวัตถุแต่ละตัว วิธีที่ง่ายที่สุดในการ
ซึ่งจะช่วยส่วน ภาพ ที่มีสีเทา - ระดับค่าขีดจำกัดหรือระดับโลก
เกณฑ์ขั้นต่ำ( annamalai Lee & burks 2004 )แต่เป็นที่น่าเสียดายที่
ผลไม้ส่วน,ใบส่วน,และ ภาพ พื้นหลังจะไม่ได้อย่างง่ายดาย
แตกต่างกันโดยใช้วิธีนี้เพราะสีเทา - ระดับ histo -
กรัมหรือสี histograms ของเหล่านี้โดดเด่นไปด้วยไม่ได้ unimodal .
การลักษณะของและเป็นเครื่องคั้นน้ำผลไม้
สีเข้ากับบัญชี,ในงานนี้,ที่ผู้ให้บริการที่เลือก
สีของเครื่องคั้นน้ำผลไม้จาก ภาพ การใช้ให้แตะที่ใช้ปากกาโดยการคลิก
หน้าจอแบบสัมผัสแล้วดึงสายที่ในแต่ละบุคคลที่
เครื่องคั้นน้ำผลไม้ จะต้องได้รับการบันทึกว่าสายที่ไม่ควรไปนอกวัตถุที่เลือก
หลังจากสายนี้จะ confirmed FCA จะทำ 3 โดย 3 filter อยู่ตรงกลางที่จะเกิดจาก
ซึ่งจะช่วยลดเสียงรบกวนจากแสงแดดโรยหน้าและการค้นหา R (สีแดง) G (สีเขียว)โดยอัตโนมัติ -

matically และ B (สีฟ้า)ของพิกเซลตัวอย่างสำหรับการวิเคราะห์ข้อมูลทางสถิติ ที่
ตามมาตรฐานเครื่องคั้นน้ำผลไม้สีจะถูกกำหนดโดยคะแนนของ B และ R
ที่ G มีมูลค่าบังคับให้เป็นหลัก พบว่าที่เครื่องคั้นน้ำผลไม้
ไม่สามารถแยกออกจากพื้นหลังตามความไม่เท่าเทียมกัน 1 และ 2 ที่ หากค่าของ n มี modified ภาพ แตกต่างกัน
แบบแบ่งส่วนที่เป็นไปได้ FCA แล้วคำนวณพิกเซล
ซึ่งจะช่วยให้ของแต่ละบุคคลที่เครื่องคั้นน้ำผลไม้( psic )สำหรับผู้ให้บริการที่ได้รับเลือกเพียงหนึ่งเดียวที่
ผลไม้และคาดว่าจำนวนของผลไม้คลัสเตอร์.