Dans JMP, il est possible de charger des images sous forme de tableaux - et Jed Campbell a partagé quelques astuces intéressantes pour extraire les données d'une image graphique :
De l'image aux données : extraction de données graphiques à partir d'une image vers une table JMP pour analyse
Une astuce : utiliser le clustering pour séparer les axes et les lignes de la grille des données réelles. Cette approche peut également être utilisée pour séparer les points de données appartenant à des courbes différentes. Si vous connaissez le nombre exact de clusters, vous pouvez utiliser le clustering K-Means, ou, pour plus de détails, le clustering hiérarchique.
Je viens de l'essayer avec l'ensemble de données ci-dessous
et j'ai été surpris par le résultat que j'ai obtenu avec les paramètres par défaut :
Après quelques essais et erreurs, j'ai trouvé la solution :
La plage 0-1 a une certaine signification, en redimensionnant les colonnes individuellement, cette information est perdue.
Après avoir désactivé l'option :
J'ai obtenu une séparation parfaite des points de données :
Pour le clustering hiérarchique, on peut activer le clustering bidirectionnel :
qui repose également sur des données « à la même échelle ». Pour le clustering hiérarchique, « unique » semble également fonctionner :
Quelle est votre expérience avec le clustering ?
Vous souhaiterez peut-être également étudier d’autres espaces colorimétriques ; transformer le RVB en HLS peut être utile.
L'un des problèmes du RVB est l'interpolation entre deux couleurs. Le gris est généralement présent à mi-chemin entre deux couleurs, car le centre du cube RVB est gris. Le HLS interpole un axe de teinte indépendant du gris défini par la luminosité et la saturation. Il existe d'autres espaces colorimétriques ; certains sont censés modéliser la vision humaine et pourraient être utilisés pour les algorithmes de compression d'images (en omettant les détails invisibles).
https://en.wikipedia.org/wiki/Color_space
https://en.wikipedia.org/wiki/HSL_and_HSV JMP utilise HLS pour HSL
