Bonjour la communauté JMP,
J'ai quelques centaines d'images qui ont été classées par différents opérateurs en trois groupes différents (mauvais, bon et incertain). J'aimerais savoir quel type d'analyse statistique je dois faire (dans JMP) sur ces données afin d'implémenter le résultat dans un programme d'analyse d'images ?
apprécier toute votre aide,
Bonjour @AFaiz ,
Selon le sujet, la complexité de la tâche et les détails de l'image qui permettent de classer les images, JMP peut ou non être un outil approprié.
Une première étape pour commencer sur ce sujet et voir si vous avez besoin d'une approche plus avancée pourrait être d'essayer le Analyseur d'images Ajouter à. Ce complément permet de charger des images et de créer des tableaux de données avec des valeurs RVB et HLS pour chaque pixel de votre image. Afin de traiter plusieurs images, un script peut être utile afin d'automatiser ce processus et de concaténer les données de chaque image.
L'utilisation des distributions RVB et/ou HLS peut vous aider à comparer les images entre différents groupes, et éventuellement détecter une règle pour classer automatiquement les nouvelles images, grâce à un seuil médian/moyen/std dev, des valeurs spécifiques de skewness ou kurtosis, proportion valeurs nulles, plage...
J'ai utilisé cette approche une fois pour l'évaluation de la coloration de l'aluminium, car je voulais savoir s'il était possible d'avoir une corrélation entre les scores de cotation (obtenus auprès des opérateurs pour le test des propriétés de coloration sur l'aluminium de différentes formulations) et une approche d'analyse des données grâce aux images . J'ai été très agréablement surpris de voir que l'approche par les données était capable de correspondre très étroitement aux scores de cotation obtenus par des opérateurs expérimentés, et de permettre d'avoir des scores non dépendants de l'opérateur.
Cependant, cette approche simple nécessite quelques conditions fixes préalables de reproductibilité et de précision : arrière-plan fixe et défini (blanc, gris ou noir selon vos objets), position fixe par rapport à l'objet, conditions d'éclairage fixes, paramètres de caméra fixes, ...
Si cette approche est trop simple pour votre tâche (différentes tailles d'images, complexité des objets dans les images (utilisation de différentes couleurs et tailles d'objets), différentes qualités d'images/arrière-plan, ...) une approche d'apprentissage en profondeur peut être recommandée. Vous pouvez utiliser les possibilités d'intégration Python de JMP pour utiliser plusieurs librairies dédiées aux images : OpenCV, Scikit-Image, ...
J'espère que cette première réponse vous aidera,
