Komputerowa analiza obrazu – ćwiczenie nr 11-15
(program MaZda+ImageJ)
Celem ćwiczeń jest wykonanie analizy dyskryminacyjnej 3 odmian ziarna pszenicy. Zmienne, na bazie których zostanie przeprowadzona analiza, pochodzić będą z pomiaru geometrii, barwy oraz tekstury powierzchni rzutu ziarniaków. Zdjęcia do analizy znajdują się w katalogu „Zaliczenie”
Założenia
Pomiar geometrii, barwy i tekstury zgodny z metodyką omawianą na poprzednich zajęciach.
Przeprowadzenie wyboru zmiennych z wykorzystaniem modułu zaimplementowanego w programie MaZda.
Przeprowadzenie analizy dyskryminacyjnej w programie Statistica.
Z uzyskanych pomiarów należy sporządzić sprawozdanie zgodnie z podaną poniżej strukturą:
- Wstęp
- Przegląd literatury
- Cel i zakres pracy
- Metodyka badań
- Wyniki i ich omówienie
- Wnioski
- Spis literatury
Warunkiem zaliczenia ćwiczeń jest sporządzenie sprawozdania a następnie jego obrona na zaliczeniu ustnym.
Komputerowa analiza obrazu – ćwiczenie nr 8
(program MaZda+ImageJ)
Celem ćwiczenia będzie przeprowadzenie analizy dyskryminacyjnej ziarna pszenicy na podstawie zmiennych uzyskanych z pomiaru tekstury powierzchni.
Aby zrealizować cel należy wykonać obrazy binarne (program ImageJ) zdjęć ziarna pszenicy a następnie w programie MaZda dokonać pomiaru tekstur obszarów ROI. Pomiary tekstury należy wykonać na kanale R, B oraz S. Zgodnie z podaną metodyką, na zajęciach z wykorzystaniem zaimplementowanych narzędzi w programie MaZda, dokonać wstępnej selekcji zmiennych. Uzyskane wyniki należy zestawić w programie Statistica. W programie za pomocą modułu do „Wielowymiarowych technik …- analiza dyskryminacyjna”, należy przeprowadzić analizę dyskryminacyjną analizowanych odmian oraz analizę wariancji dla układów jednoczynnikowych.
Komputerowa analiza obrazu – ćwiczenie nr 6
(program MaZda+ImageJ)
Celem ćwiczenia będzie przeprowadzenie analizy dyskryminacyjnej ziarna pszenicy na podstawie zmiennych uzyskanych z pomiaru barwy.
Aby zrealizować celu należy wykonać obrazy binarne (program ImageJ) zdjęć ziarna pszenicy a następnie w programie MaZda dokonać pomiaru barwy w modelu RGB obszarów ROI. Kolejnym krokiem jest przeliczone wartości z modelu RGB na model L*a*b*. Uzyskane wyniki należy zestawić w programie Statistica. W programie za pomocą modułu do „Wielowymiarowych technik …- analiza dyskryminacyjna”, należy przeprowadzić analizę dyskryminacyjną analizowanych odmian oraz analizę wariancji dla układów jednoczynnikowych.
Uruchom program IamgeJ
Wczytaj obrazy z katalogu „zajęcia_6”
Dokonaj binaryzacji zdjęć wykorzystując zdobyte umiejętności z poprzednich zajęć.
W katalogu docelowym należy zapisać jednobitowe zdjęcia plików oryginalnych.
W programie MaZda dokonać pomiaru wartości RGB zgodnie z metodyką podaną na poprzednich zajęciach. Jedyną różnicą jest to, iż obszary ROI nie są rysowane ręcznie tylko plik jednobitowy stanowi maskę dla plików oryginalnych.
Dane z raportów należy zestawić w programie Statistica.
Przeprowadzić analizę dyskryminacyjną zgodnie z zaleceniami podanymi na zajęciach.
Wyniki należy zestawić w tabele i wykonać wykresy.
Komputerowa analiza obrazu – ćwiczenie nr 5 (program MaZda, przeliczanie modeli barwy)
Uruchom program MaZda (skrót znajduje się na pulpicie)
Wczytaj obraz „KOŁA”
W programie MaZda wybierz:
File - color conwersion- kanał R
Zaznacz za pomocą narzędzi rysujących okrąg na poszczególnych obszarach zainteresowania (ROI). Każdy obiekt musi mieć oddzielny obszar ROI.
W zakładce „Analysis-options” zaznacz zakładkę „Histogram features” . Pozostałe zakładki muszą być odznaczone.
Uruchom działanie programu poprzez zakładkę „Analysis-Run”
Kroki od 3 do 6 powtórz dla kanału G i B.
W oknie Raportu programu wybierz zakładkę „File-save All raport” i zapisz raporty w oddzielnym katalogu.
Z zapisanych raportów odczytaj wartości RGB dla poszczególnych obiektów.
W arkuszu kalkulacyjnym napisz formułę korzystając z formuł podanych poniżej przeliczającą model:
RGB na XYZ oraz XYZ na L*a*b*
RGB – XYZ
var_R = ( R / 255 ) //R from 0 to 255
var_G = ( G / 255 ) //G from 0 to 255
var_B = ( B / 255 ) //B from 0 to 255
if ( var_R > 0.04045 ) var_R = ( ( var_R + 0.055 ) / 1.055 ) ^ 2.4 else var_R = var_R / 12.92
if ( var_G > 0.04045 ) var_G = ( ( var_G + 0.055 ) / 1.055 ) ^ 2.4 else var_G = var_G / 12.92
if ( var_B > 0.04045 ) var_B = ( ( var_B + 0.055 ) / 1.055 ) ^ 2.4 else var_B = var_B / 12.92
var_R = var_R * 100
var_G = var_G * 100
var_B = var_B * 100
//Observer. = 2°, Illuminant = D65
X = var_R * 0.4124 + var_G * 0.3576 + var_B * 0.1805
Y = var_R * 0.2126 + var_G * 0.7152 + var_B * 0.0722
Z = var_R * 0.0193 + var_G * 0.1192 + var_B * 0.9505
XYZ – L*a*b*
var_X = X / ref_X //ref_X = 95.047 Observer= 2°, Illuminant= D65
var_Y = Y / ref_Y //ref_Y = 100.000
var_Z = Z / ref_Z //ref_Z = 108.883
if ( var_X > 0.008856 ) var_X = var_X ^ ( 1/3 ) else var_X = ( 7.787 * var_X ) + ( 16 / 116 )
if ( var_Y > 0.008856 ) var_Y = var_Y ^ ( 1/3 ) else var_Y = ( 7.787 * var_Y ) + ( 16 / 116 )
if ( var_Z > 0.008856 ) var_Z = var_Z ^ ( 1/3 ) else var_Z = ( 7.787 * var_Z ) + ( 16 / 116 )
CIE-L* = ( 116 * var_Y ) - 16
CIE-a* = 500 * ( var_X - var_Y )
CIE-b* = 200 * ( var_Y - var_Z )
Następnie dokonaj obliczenia indeksów barwy przy założeniu, że obiekt nr 1 stanowi standard dla pozostałych:
Wyniki zestaw w tabele i opisz, jakie różnice występowały pomiędzy poszczególnymi obiektami, mając na uwadze zmianę w barwie obiektów.