Salve comunità JMP,
Ho un paio di centinaia di immagini che sono state classificate da diversi operatori in tre diversi gruppi (cattive, buone e non sicure). Vorrei sapere che tipo di analisi statistica dovrei fare (in JMP) su questi dati per implementare il risultato in un programma di analisi delle immagini?
apprezzo tutto il tuo aiuto,
Ciao @AFaiz ,
A seconda dell'argomento, della complessità dell'attività e dei dettagli nell'immagine che consentono di classificare le immagini, JMP può o meno essere uno strumento appropriato.
Un primo passo per iniziare su questo argomento e vedere se hai bisogno di un approccio più avanzato potrebbe essere provare il Analizzatore di immagini Aggiungere. Questo componente aggiuntivo consente di caricare immagini e creerà tabelle di dati con valori RGB e HLS per ogni pixel dell'immagine. Per elaborare più immagini, lo scripting può essere utile per automatizzare questo processo e concatenare i dati di ciascuna immagine.
L'utilizzo delle distribuzioni di RGB e/o HLS può aiutare a confrontare le immagini tra diversi gruppi, ed eventualmente rilevare una regola per classificare automaticamente nuove immagini, grazie a una soglia mediana/media/std dev, valori specifici di asimmetria o curtosi, proporzione valori zero, intervallo...
Ho usato questo approccio una volta per la valutazione della colorazione dell'alluminio, poiché volevo sapere se fosse possibile avere una correlazione tra i punteggi di cotazione (ottenuta dagli operatori per il test delle proprietà di colorazione su alluminio da diverse formulazioni) e un approccio di analisi dei dati grazie alle immagini . Sono stato felicemente sorpreso di vedere che l'approccio dei dati è stato in grado di abbinare molto da vicino i punteggi di cotazione ottenuti da operatori esperti e consentire di avere punteggi non dipendenti dall'operatore.
Tuttavia, questo semplice approccio necessita di alcune condizioni prestabilite per la riproducibilità e la precisione: sfondo fisso e definito (bianco, grigio o nero a seconda degli oggetti), posizione fissa dall'oggetto, condizioni di illuminazione fisse, impostazioni fisse della telecamera, ...
Se questo approccio è troppo semplice per il tuo compito (diverse dimensioni delle immagini, complessità degli oggetti nelle immagini (uso di diversi colori e dimensioni degli oggetti), diversa qualità/sfondo delle immagini, ...) può essere raccomandato un approccio di deep learning. Potresti utilizzare le possibilità di integrazione di Python di JMP per utilizzare diverse librerie dedicate per le immagini: OpenCV, Scikit-Image, ...
Spero che questa prima risposta ti possa aiutare,
