Measuring Regions in Grayscale Images

Contoh ini menunjukkan bagaimana mengukur properti objek dalam gambar

grayscale.
Fungsi regionprops sangat berguna untuk mengukur properti objek dalam
gambar biner. Ada contoh dokumentasi dan contoh produk yang memperlihatkan
cara melakukan ini.
Tetapi kadang-kadang Anda perlu memproses nilai-nilai piksel dalam
gambar grayscale "asli". Dengan kata lain, misalkan proses Anda adalah sesuatu
seperti ini:

1. Segmen gambar grayscale untuk mendapatkan citra objek biner.

2. Analisis nilai piksel grayscale asli yang sesuai dengan setiap objek dalam
gambar biner.

Contoh ini menunjukkan kepada Anda cara menyelesaikan alur kerja ini
menggunakan regionprops.

Langkah 1: Buat Gambar Sintetis

Buat gambar grayscale yang berisi beberapa wilayah berbeda.

Langkah 2: Buat Gambar Biner

Segmentasikan gambar grayscale dengan membuat gambar biner yang berisi objek
dalam gambar.

Langkah 3: Hitung Properti Obyek Menggunakan Nilai Pixel Gambar Grayscale

Fungsi regionprops mendukung beberapa properti yang dapat digunakan dengan

gambar grayscale, termasuk 'WeightedCentroid', 'MeanIntensity',
'MinIntensity', dan 'MaxIntensity'. Properti ini menggunakan nilai piksel asli
dari objek untuk perhitungannya.

Misalnya, Anda dapat menggunakan regionprops untuk menghitung centroid dan

weighted centroid of objects dalam gambar. Perhatikan bagaimana Anda
meneruskan gambar biner (BW) yang berisi objek Anda dan gambar grayscale asli
(I) sebagai argumen ke dalam regionprops.

Untuk membandingkan lokasi centroid yang berbobot dengan lokasi centroid yang
tidak tertimbang, tampilkan gambar asli dan kemudian, menggunakan fungsi hold
dan plot, menempatkan di atas centroid pada gambar.

Langkah 4: Hitung Properti Berbasis Nilai Piksel Kustom

Anda dapat menggunakan properti 'PixelValues' untuk melakukan penghitungan

khusus berdasarkan nilai piksel gambar grayscale asli. Properti 'PixelValues'
menghasilkan vektor yang berisi nilai piksel skala abu-abu di suatu wilayah.

Sebagai contoh, hitung standar deviasi setiap wilayah.

Gambar ini menunjukkan pengukuran deviasi standar yang dilapiskan pada setiap
objek dalam gambar. Anda juga dapat melihat hasilnya dengan cara lain,
misalnya sebagai plot batang yang menunjukkan standar deviasi berdasarkan
nomor label.
Anda dapat menggunakan plot untuk menentukan cara mempartisi data. Sebagai
contoh, kode berikut mengidentifikasi objek dengan standar deviasi lebih
rendah dari 50.