regiongrowing_mean — 2D `segmentation` op

• Datenarten: image → region

• Aufruf: fullseye.apply(img, "regiongrowing_mean", a=0.5, b=0.5) (das 2-D-Modell ist ein Bild plus zwei skalare Regler a,b∈[0,1])

• HALCON-Äquivalent: regiongrowing_mean (Bedeutung und Parameter sind in der HALCON-Referenz nachzulesen)

regiongrowing_mean: 入力 → 出力

*Die Abbildung ist die tatsächliche Ausgabe auf einer synthetischen 128×128-Eingabe. Links Eingabe, rechts Ausgabe (ein Nicht-Bild-Rückgabewert wird als Wert gezeigt).*

Verwendung

Die Implementierung ist identisch mit `regiongrowing (schwellwertbasierte Saat-Erzeugung + Dilatation). HALCONs regiongrowing_mean (Perform a region growing using mean gray values.) ist ursprünglich ein Operator, der Regionen basierend auf der Nähe zum mittleren Helligkeitswert jeder Region wachsen lässt, aber dieser Ersatz führt keine Beurteilung anhand der mittleren Helligkeit durch und liefert dieselbe Verarbeitung wie regiongrowing` (eine Grenze der Annäherung).

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

`a がシードのしきい値、b` が膨張の反復回数を振る。両方が使われる。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_segmentation

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

In Studio ausprobieren

Das Programm unten ist nachweislich lauffähig (gleiche Eingabe wie die Abbildung). In der Studio-Hilfe wird dieser Block zu Schaltflächen, die es sofort laden und ausführen.