Hallo JMP-Community,
Ich habe ein paar hundert Bilder, die von verschiedenen Betreibern in drei verschiedene Gruppen eingeteilt wurden (schlecht, gut und nicht sicher). Ich würde gerne wissen, welche Art von statistischer Analyse ich (in JMP) mit diesen Daten durchführen sollte, um das Ergebnis in ein Bildanalyseprogramm zu implementieren?
Vielen Dank für all Ihre Hilfe,
Hallo @AFaiz ,
Abhängig vom Thema, der Komplexität der Aufgabe und den Details im Bild, die eine Klassifizierung der Bilder ermöglichen, kann JMP ein geeignetes Werkzeug sein oder auch nicht.
Ein erster Schritt, um mit diesem Thema zu beginnen und herauszufinden, ob Sie einen fortgeschritteneren Ansatz benötigen, könnte darin bestehen, Folgendes auszuprobieren: Bildanalysator Add-In. Dieses Add-In ermöglicht das Laden von Bildern und erstellt Datentabellen mit RGB- und HLS-Werten für jedes Pixel Ihres Bildes. Um mehrere Bilder zu verarbeiten, kann Scripting sinnvoll sein, um diesen Prozess zu automatisieren und die Daten jedes Bildes zu verketten.
Die Verwendung der RGB- und/oder HLS-Verteilungen kann Ihnen helfen, die Bilder zwischen verschiedenen Gruppen zu vergleichen und möglicherweise eine Regel zu erkennen, um neue Bilder automatisch zu klassifizieren, dank eines Median-/Mittelwerts/Standardentwicklungsschwellenwerts, spezifischer Schiefe- oder Kurtosis-Werte und Proportionen Nullwerte, Bereich ...
Ich habe diesen Ansatz einmal zur Bewertung der Aluminiumverfärbung verwendet, weil ich wissen wollte, ob es möglich ist, eine Korrelation zwischen den Beschichtungswerten (die von Bedienern für die Prüfung der Verfärbungseigenschaften von Aluminium aus verschiedenen Formulierungen erhalten wurden) und einem Datenanalyseansatz mithilfe von Bildern herzustellen . Ich war sehr positiv überrascht, als ich sah, dass der Datenansatz in der Lage war, die von erfahrenen Bedienern ermittelten Cotations-Scores sehr gut abzugleichen und nicht-operatorabhängige Scores zu ermöglichen.
Dieser einfache Ansatz erfordert jedoch einige vorab festgelegte Bedingungen für Reproduzierbarkeit und Genauigkeit: fester und definierter Hintergrund (weiß, grau oder schwarz, abhängig von Ihren Objekten), feste Position vom Objekt, feste Lichtverhältnisse, feste Kameraeinstellungen, ...
Wenn dieser Ansatz für Ihre Aufgabe zu einfach ist (unterschiedliche Bildgrößen, Komplexität der Objekte in den Bildern (Verwendung unterschiedlicher Farben und Größen der Objekte), unterschiedliche Bildqualität/-hintergrund usw.), kann ein Deep-Learning-Ansatz empfohlen werden. Sie können die Python-Integrationsmöglichkeiten von JMP nutzen, um mehrere dedizierte Bibliotheken für Bilder zu verwenden: OpenCV, Scikit-Image, ...
Ich hoffe, diese erste Antwort wird Ihnen helfen,
