Materiały dla studentów

Komputerowa analiza obrazu - ćwiczenie nr 9

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

  1. Pomiar geometrii, barwy i tekstury zgodny z metodyką omawianą na poprzednich zajęciach.

  2. Przeprowadzenie wyboru zmiennych z wykorzystaniem modułu zaimplementowanego w programie MaZda.

  3. Przeprowadzenie analizy dyskryminacyjnej w programie Statistica.

  4. 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

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.

  1. Uruchom program ImageJ
  2. Wczytaj obrazy z katalogu „zajęcia_6”
  3. Dokonaj binaryzacji zdjęć wykorzystując zdobyte umiejętności z poprzednich zajęć.
    W katalogu docelowym należy zapisać jednobitowe zdjęcia plików oryginalnych.
  4. W programie MaZda dokonać pomiaru tekstury zgodnie z metodyką podaną na zajęciach. Dane z raportów należy zestawić w programie Statistica.
  5. Przeprowadzić analizę dyskryminacyjną zgodnie z zaleceniami podanymi na zajęciach.
  6. Wyniki należy zestawić  w tabele i wykonać wykresy.

Komputerowa analiza obrazu - ćwiczenie nr 6

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.

  1. Uruchom program IamgeJ

  2. Wczytaj obrazy z katalogu „zajęcia_6”

  3. Dokonaj binaryzacji zdjęć wykorzystując zdobyte umiejętności z poprzednich zajęć.

W katalogu docelowym należy zapisać jednobitowe zdjęcia plików oryginalnych.

  1. 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.

  2. Dane z raportów należy zestawić w programie Statistica.

  3. Przeprowadzić analizę dyskryminacyjną zgodnie z zaleceniami podanymi na zajęciach.

  4. Wyniki należy zestawić w tabele i wykonać wykresy.

Komputerowa analiza obrazu - ćwiczenie nr 7

Komputerowa analiza obrazu – ćwiczenie nr 7 (program MaZda+ImageJ)

Celem ćwiczenia jest wykonanie pomiary geometrii obiektów i porównanie analizowanych zdjęć.

  1. Wykonać zliczanie obiektów na rys. „geometria_1, 2, 3” (program ImageJ)
  2. Dokonać pomiaru cech geometrycznych na rys. „geometria_1, 2, 3” (program MaZda)
  3. Opisać jakie różnice występują pomiędzy zdjęciami 1-1a, 2-2a, 3-3a (biorąc pod uwagę cechy geometryczne).
  4. Dokonać pomiary cech geometrycznych obiektów na zdjęciu ”geometria_4”
  5. Opisać jakie współczynniki kształtu dyskryminują poszczególne obiekty od siebie.
  6. Wyniki należy zestawić w tabele i wykonać wykresy (wykres histogram rozkładu wielkości obiektów na zdjęciach 1-1a, 2-2a, 3-3a).

Komputerowa analiza obrazu - ćwiczenie nr 5

Komputerowa analiza obrazu – ćwiczenie nr 5 (program MaZda, przeliczanie modeli barwy)

  1. Uruchom program MaZda (skrót znajduje się na pulpicie)

  2. Wczytaj obraz „KOŁA

  3. W programie MaZda wybierz:

File - color conwersion- kanał R

  1. Zaznacz za pomocą narzędzi rysujących okrąg na poszczególnych obszarach zainteresowania (ROI). Każdy obiekt musi mieć oddzielny obszar ROI.

  2. W zakładce „Analysis-options” zaznacz zakładkę „Histogram features” . Pozostałe zakładki muszą być odznaczone.

  3. Uruchom działanie programu poprzez zakładkę „Analysis-Run”

  4. Kroki od 3 do 6 powtórz dla kanału G i B.

  5. W oknie Raportu programu wybierz zakładkę „File-save All raport” i zapisz raporty w oddzielnym katalogu.

  6. Z zapisanych raportów odczytaj wartości RGB dla poszczególnych obiektów.

  7. 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 )

 

  1. Następnie dokonaj obliczenia indeksów barwy przy założeniu, że obiekt nr 1 stanowi standard dla pozostałych:

  1. Wyniki zestaw w tabele i opisz, jakie różnice występowały pomiędzy poszczególnymi obiektami, mając na uwadze zmianę w barwie obiektów.