whose goal is to separate individua

whose goal is to separate individual objects in the perception of the scene. A common problem
in segmentation of monochrome image occurs when an image has a background of varying
gray levels such as gradually changing shades [4]. This problem is inherent, since intensity is
the only available information from monochrome images. It has long been recognized that the
human eye can sense only in the neighborhood of one or two dozen intensity levels at any one
point in a complex image due to its brightness adaptation but can discern thousands of color
shades and intensities [5]. Color image segmentation techniques can be roughly classified into
four types such as histogram based approaches, neighborhood based approaches, clustering
based approaches and hybrid based approaches. Gray-level thresholding is one of the oldest
techniques for image segmentation [6]. Threshold may be chosen based onhistogram [7] or on
gray-level co-occurrence matrix [8], or by analyzing intra-region and inter-region homogeneity
[9]. Histogram thresholding is a popular technique that looks for the peaks and valleys in
histogram [10] [11]. It assumes that images are composed of regions with different gray level
ranges. The histogram of an image can be separated into a number of peaks (modes), each
corresponds to one region, and there exists a threshold value corresponding to the valley
between two adjacent peaks. The most important advantage of this technique deceit is its
simple computation [11]. In this experiment, our idea is only to develop the process of
recognition of seeds using the techniques of image processing and computer vision. By using
this technique we can visualize the above processes using camera and the computer. The idea
surrounds near the execution of a well-known technique, “mathematical morphology” used in
image processing and computer vision [12] [13] [14]. In this, the shape oriented approach treats
the image as one set and the kernel of operation, commonly known as structuring element (SE),
as another set. Different standard morphological operations namely dilation, erosion, opening,
closing etc. are basically set-theoretic operations between these two sets. The shape and the size
of the SE plays an important role in detecting or extracting features of given shape and size
from the image. Applications of mathematical morphology in gray-level image segmentation
can be found in [15] [16] [17].

ผลลัพธ์ (ไทย) 1:

ที่มีเป้าหมายคือการ แยกวัตถุต่าง ๆ ในการรับรู้ของฉาก ปัญหาพบบ่อยในการแบ่งส่วนของภาพขาวดำเกิดขึ้นเมื่อมีภาพพื้นหลังที่แตกต่างระดับสีเทาเช่นค่อย ๆ เปลี่ยนเฉดสี [4] ปัญหานี้มีอยู่ เนื่องจากความเข้มข้อมูลเฉพาะจากภาพขาวดำ มันได้รับการยอมรับที่การสายตามนุษย์สามารถสัมผัสเพียงในย่านของระดับความเข้มของหนึ่ง หรือสองโหลที่หนึ่งจุดในภาพซับซ้อนเนื่องจากการปรับความสว่าง แต่สามารถแยกแยะพันสีเฉดสีและความเข้ม [5] เทคนิคการแบ่งส่วนภาพสีสามารถถูกจัดเป็นหมวดหมู่สี่ประเภทเช่นวิธีใช้ฮิสโตแกรม ย่านคะแนนวิธี คลัสเตอร์ตามแนวทางและไฮบริดตามวิธี Thresholding ระดับสีเทาเป็นหนึ่งเทคนิคการแบ่งส่วนรูปภาพ [6] เกณฑ์อาจจะเลือกโดย onhistogram [7] หรือบนเกิดร่วมกันระดับสีเทาเมทริกซ์ [8], หรือ โดยการวิเคราะห์เนื้อเดียวกันภายในภูมิภาคและระหว่างภูมิภาค[9] . thresholding ฮิสโตแกรมเป็นเทคนิคนิยมที่มีลักษณะยอดเขาและหุบเขาในฮิสโตแกรม [10] [11] เป็นสันนิษฐานว่า ภาพจะประกอบด้วยพื้นที่ที่มีระดับสีเทาที่แตกต่างกันช่วงนี้ สามารถแบ่งออกเป็นจำนวนยอด (โหมด), histogram ของภาพแต่ละสอดคล้องกับภูมิภาคหนึ่ง และมีค่าเกณฑ์ที่สอดคล้องกับหุบเขาระหว่างสองยอดติดกัน ประโยชน์สำคัญที่สุดของหลอกลวงของเทคนิคนี้คือการคำนวณง่าย ๆ [11] ในนี้ทดลอง ความคิดของเราเป็นเฉพาะในการ พัฒนากระบวนการการรับรู้ของเมล็ดที่ใช้เทคนิคการมองเห็นภาพการประมวลผลและคอมพิวเตอร์ โดยใช้เทคนิคนี้เราสามารถเห็นภาพโดยใช้กล้องและคอมพิวเตอร์กระบวนการข้างต้น ความคิดล้อมรอบใกล้เทคนิครู้จัก "คณิตศาสตร์สัณฐาน" ใช้ในการดำเนินการภาพวิสัยทัศน์การประมวลผลและคอมพิวเตอร์ [12] [13] [14] นี้ วิธีรูปร่างแปลกถือว่ารูปเป็นหนึ่งชุดและเคอร์เนลของการดำเนินการ เรียกกันว่าการจัดโครงสร้างองค์ประกอบ (SE),เป็นอีกชุด การดำเนินงานสัณฐานมาตรฐานแตกต่างกันคือการขยาย การกัดเซาะ การ เปิดปิดฯลฯ มีการดำเนินงานโดยทั่วไปชุดสดระหว่างเหล่านี้สองชุด รูปร่างและขนาดของ SE มีบทบาทสำคัญในการตรวจจับ หรือดึงข้อมูลคุณสมบัติของรูปร่างและขนาดจากรูป การใช้งานของสัณฐานวิทยาทางคณิตศาสตร์ในการแบ่งส่วนภาพถ่ายระดับสีเทาสามารถพบใน [15] [16] [17]

ผลลัพธ์ (ไทย) 2:

เป้าหมายที่มีคือการแยกวัตถุที่บุคคลในการรับรู้ของฉาก ปัญหาที่พบบ่อย
ในการแบ่งส่วนของภาพขาวดำที่เกิดขึ้นเมื่อมีภาพพื้นหลังของที่แตกต่างกัน
ในระดับสีเทาเช่นค่อยๆเปลี่ยนเฉดสี [4] ปัญหานี้มีอยู่เนื่องจากความเข้มเป็น
ข้อมูลที่ใช้ได้เฉพาะจากภาพขาวดำ มันได้รับการยอมรับว่า
ตาของมนุษย์สามารถรับรู้เฉพาะในเขตหนึ่งหรือสองระดับความเข้มของโหลที่ใด ๆ หนึ่ง
จุดในภาพที่ซับซ้อนเนื่องจากการปรับตัวความสว่าง แต่สามารถมองเห็นหลายพันสี
เฉดสีและความเข้ม [5] เทคนิคการแบ่งส่วนภาพสีสามารถแบ่งออกเป็น
สี่ประเภทเช่นวิธี histogram ตามแนวทางเขตตามการจัดกลุ่ม
วิธีการใช้และวิธีการไฮบริดตาม สีเทาระดับ Thresholding เป็นหนึ่งในที่เก่าแก่ที่สุด
เทคนิคการแบ่งส่วนภาพ [6] เกณฑ์อาจจะเลือก onhistogram ตาม [7] หรือ
สีเทาระดับร่วมเกิดเมทริกซ์ [8] หรือโดยการวิเคราะห์ภายในภูมิภาคและระหว่างภูมิภาคเนื้อเดียวกัน
[9] Histogram Thresholding เป็นเทคนิคที่นิยมที่จะมองหายอดเขาและหุบเขาใน
histogram [10] [11] ก็ถือว่าภาพที่มีองค์ประกอบของพื้นที่ที่มีระดับที่แตกต่างกันสีเทา
ช่วง ค่าแสงของภาพสามารถแยกออกเป็นจำนวนของยอดเขา (โหมด) แต่ละ
สอดคล้องกับภูมิภาคหนึ่งและมีอยู่ค่าเกณฑ์ที่สอดคล้องกับหุบเขา
ระหว่างสองยอดที่อยู่ติดกัน ข้อได้เปรียบที่สำคัญที่สุดของเทคนิคการหลอกลวงนี้เป็นของ
การคำนวณง่าย ๆ [11] ในการทดลองนี้ความคิดของเราเป็นเพียงการพัฒนากระบวนการของ
การรับรู้ของเมล็ดพันธุ์โดยใช้เทคนิคการประมวลผลภาพและวิสัยทัศน์คอมพิวเตอร์ โดยใช้
เทคนิคนี้เราสามารถเห็นภาพกระบวนการดังกล่าวข้างต้นใช้กล้องถ่ายรูปและคอมพิวเตอร์ ความคิดที่
ล้อมรอบอยู่ใกล้กับการดำเนินการของเทคนิคที่รู้จักกันดี "สัณฐานทางคณิตศาสตร์" ที่ใช้ในการ
ประมวลผลภาพและคอมพิวเตอร์วิสัยทัศน์ [12] [13] [14] ในการนี้รูปร่างที่มุ่งเน้นวิธีการปฏิบัติต่อ
ภาพเป็นหนึ่งชุดและเคอร์เนลของการดำเนินงานเป็นที่รู้จักกันทั่วไปว่าเป็นองค์ประกอบโครงสร้าง (SE)
เป็นอีกชุดหนึ่ง การดำเนินงานที่แตกต่างกันทางสัณฐานวิทยามาตรฐานคือการขยายชะเปิด
ดำเนินการปิดบัญชี ฯลฯ มีพื้นตั้งทฤษฎีระหว่างทั้งสองชุด รูปร่างและขนาด
ของ SE มีบทบาทสำคัญในการตรวจสอบหรือการแยกคุณลักษณะของรูปร่างและขนาดได้รับ
จากภาพ การประยุกต์ใช้ลักษณะทางสัณฐานวิทยาคณิตศาสตร์ในระดับสีเทาแบ่งส่วนภาพที่
สามารถพบได้ใน [15] [16] [17]

ผลลัพธ์ (ไทย) 3:

ที่มีเป้าหมายเพื่อวัตถุแต่ละแยกต่างหากในการรับรู้ของฉาก ปัญหาทั่วไปในการแบ่งส่วนของภาพขาวดำที่เกิดขึ้นเมื่อภาพมีพื้นหลังของการเปลี่ยนแปลงระดับสีเทา เช่น ค่อยๆเปลี่ยนสี [ 4 ] ปัญหานี้เป็นปัญหาที่แท้จริง เนื่องจากความเข้มเป็นเพียงใช้ข้อมูลจากขาวดํารูปภาพ มันได้รับการยอมรับว่าดวงตาของมนุษย์สามารถรับรู้เพียงในละแวกของหนึ่งหรือสองโหลระดับความเข้มที่ใด ๆจุดในรูปภาพที่ซับซ้อนเนื่องจากความสว่างปรับแต่สามารถแยกแยะพันสีเฉดสีและความเข้ม [ 5 ] เทคนิคการแบ่งส่วนภาพสี สามารถแบ่งคร่าวๆสี่ประเภท เช่น ภาพตามวิธีการตามแนวทางการจัดกลุ่มแถวบ้าน ,ตามแนวทางและลูกผสมที่ใช้วิธี การปรับระดับสีเทาเป็นหนึ่งในที่เก่าแก่ที่สุดเทคนิคสำหรับการแบ่งส่วนภาพ [ 6 ] เกณฑ์อาจจะเลือกใช้ onhistogram [ 7 ] หรือเมทริกซ์การระดับสีเทา [ 8 ] หรือโดยการวิเคราะห์ภายในภูมิภาคและระหว่างภูมิภาครวมตัวกัน[ 9 ] ปรับภาพเป็นเทคนิคที่เป็นที่นิยมที่มองหายอดเขาและหุบเขาในกราฟ [ 10 ] [ 11 ] สมมุติว่าภาพจะประกอบด้วยภูมิภาคที่แตกต่างกันระดับสีเทาช่วง ฮิสโตแกรมของภาพที่สามารถแยกออกเป็นหลายยอด แต่ละโหมด )สอดคล้องกับภูมิภาคหนึ่ง และมีเกณฑ์ค่าตามหุบเขาระหว่างสองยอดที่ติดกัน ประโยชน์ที่สำคัญที่สุดของวิธีนี้คือการหลอกลวงการคำนวณง่าย [ 11 ] ในการทดลองนี้เป็นเพียงความคิดของเราที่จะพัฒนากระบวนการการรับรู้ของเมล็ดโดยใช้เทคนิคการประมวลผลภาพและวิสัยทัศน์คอมพิวเตอร์ โดยใช้เทคนิคนี้ เราสามารถเห็นภาพกระบวนการข้างต้นโดยใช้กล้องและคอมพิวเตอร์ ความคิดล้อมรอบ ใกล้การเป็นเทคนิคที่รู้จักกันดี " คณิตศาสตร์สัณฐานวิทยา " ที่ใช้ในการประมวลผลภาพและวิสัยทัศน์คอมพิวเตอร์ [ 12 ] [ 13 ] [ 14 ] ในนี้ รูปร่างที่มุ่งเน้นวิธีการ ถือว่าภาพที่ 1 ชุด และแก่นของงาน รู้จักกันโดยทั่วไปเป็นโครงสร้างองค์ประกอบ ( SE )เป็นชุดอื่น มาตรฐานต่าง ๆของการดำเนินการคือการขยายการกัดเซาะ , เปิด ,ปิดฯลฯ โดยทั่วไปจะถูกตั้งค่าตามทฤษฎีการระหว่างสองชุด รูปร่างและขนาดของ SE ที่มีบทบาทสำคัญ ในการตรวจหา หรือแยกคุณลักษณะระบุขนาดและรูปร่างจากภาพ การใช้โครงสร้างทางคณิตศาสตร์ในระดับสีเทาภาพการแบ่งส่วนสามารถพบได้ใน [ 15 ] [ 16 ] [ 17 ]