En JMP es posible cargar imágenes como tablas, y Jed Campbell compartió algunos trucos interesantes sobre cómo extraer datos de una imagen gráfica:
De imagen a datos: extracción de datos gráficos de una imagen en una tabla JMP para su análisis
Un truco: usa la agrupación en clústeres para separar los ejes y las líneas de cuadrícula de los datos reales. Este método también puede usarse para separar puntos de datos que pertenecen a diferentes curvas. Si conoces el número exacto de clústeres, puedes usar la agrupación de K-medias o, si quieres experimentar, puedes usar la agrupación jerárquica.
Acabo de probarlo con el siguiente conjunto de datos.
y me sorprendió el resultado que obtuve con la configuración predeterminada:
Después de algunas pruebas y errores, encontré la solución:
El rango 0-1 tiene algún significado, al reescalar las columnas individualmente, esta información se pierde.
Después de deshabilitar la opción:
Obtuve una separación perfecta de los puntos de datos:
Para la agrupación jerárquica, se puede habilitar la agrupación bidireccional:
que también se basa en datos de la misma escala. Para la agrupación jerárquica, la agrupación simple también parece funcionar:
¿Cuál es su experiencia con el clustering?
Quizás también quieras investigar otros espacios de color; transformar RGB a HLS puede ser útil.
Un problema con el RGB es la interpolación entre dos colores... el punto intermedio entre dos colores tiende a ser gris porque el centro del cubo de color RGB es gris. HLS interpola un eje de tono independiente del gris definido por la luminosidad y la saturación. Existen otros espacios de color; algunos de ellos se supone que modelan la visión humana y podrían usarse para algoritmos de compresión de imágenes (omitiendo los detalles que no podemos ver).
https://en.wikipedia.org/wiki/Color_space
https://en.wikipedia.org/wiki/HSL_and_HSV JMP utiliza HLS para HSL
