Henry Gunawan

Berbagi untuk bersama

Advertisement

Post Page Advertisement [Top]

Histeresis adalah efek lagging — semacam inersia. Dalam konteks thresholding, itu berarti bahwa area di atas beberapa ambang rendah dianggap di atas ambang batas jika mereka juga terhubung ke area di atas ambang batas yang lebih tinggi, lebih ketat. Dengan demikian mereka dapat dilihat sebagai kelanjutan dari daerah-daerah kepercayaan tinggi ini.

Di bawah ini, kita membandingkan ambang normal dengan ambang batas histeresis. Perhatikan bagaimana histeresis memungkinkan seseorang untuk mengabaikan "noise" di luar tepi koin

Berikut source code python yang mempresentasikan image yang menggunakan Histeresis thresholding
import matplotlib.pyplot as plt
from skimage import data, filters

fig, ax = plt.subplots(nrows=2, ncols=2)

image = data.coins()
edges = filters.sobel(image)

low = 0.1
high = 0.35

lowt = (edges > low).astype(int)
hight = (edges > high).astype(int)
hyst = filters.apply_hysteresis_threshold(edges, low, high)

ax[0, 0].imshow(image, cmap='gray')
ax[0, 0].set_title('Original image')

ax[0, 1].imshow(edges, cmap='magma')
ax[0, 1].set_title('Sobel edges')

ax[1, 0].imshow(lowt, cmap='magma')
ax[1, 0].set_title('Low threshold')

ax[1, 1].imshow(hight + hyst, cmap='magma')
ax[1, 1].set_title('Hysteresis threshold')

for a in ax.ravel():
    a.axis('off')

plt.tight_layout()

plt.show()
Hasil Running program dengan menggunakan scikit-image dengan bahasa python 2.7
Total running time of the script: ( 0 menit 0.223 detik )





Tidak ada komentar:

Posting Komentar

Bottom Ad [Post Page]

| Designed by Henry Gunawan