mia-2dstack-cmeans-presegment - Online di Cloud

PROGRAM:

NAMA

mia-2dstack-cmeans-presegment - Pra-klasifikasi seri gambar input dengan menggunakan c-means
penduga

RINGKASAN

mia-2dstack-cmans-presegment -i -o -L [pilihan]

DESKRIPSI

mia-2dstack-cmans-presegment Program ini pertama-tama mengevaluasi histogram sparse dari sebuah input
seri gambar, kemudian menjalankan klasifikasi c-means di atas histogram, dan kemudian memperkirakan
topeng untuk satu (diberikan) kelas berdasarkan probabilitas kelas. Program ini hanya menerima
gambar delapan atau 16 bit integer piksel.

PILIHAN

File-IO
-i --in-file=(masukan, diperlukan); io
masukan gambar yang akan difilter Untuk jenis file yang didukung, lihat
PLUGIN:2dimage/io

-p --out-probmap=(keluaran); rangkaian
Simpan peta probabilitas ke file ini

-t --tipe=png
jenis nama file keluaran

-o --out-mask=(keluaran, diperlukan); rangkaian
basis nama file keluaran

Bantuan & Info
-V --verbose=peringatan
verbositas output, pesan cetak dari tingkat tertentu dan prioritas yang lebih tinggi.
Prioritas yang didukung mulai dari level terendah adalah:
Info - Pesan tingkat rendah
jejak - Jejak panggilan fungsi
gagal - Laporkan kegagalan pengujian
peringatan - Peringatan
kesalahan - Laporkan kesalahan
men-debug - Keluaran debug
pesan - Pesan biasa
fatal - Laporkan hanya kesalahan fatal

--hak cipta
cetak informasi hak cipta

-h --bantuan
cetak bantuan ini

-? --penggunaan
cetak bantuan singkat

--Versi: kapan
cetak nomor versi dan keluar

parameter
-T --histogram-thresh=5; mengapung di [0, 50]
Persentase bagian ekstrem dari histogram yang akan diciutkan menjadi
bin histogram terakhir masing-masing.

-C --kelas=kmeans:nc=3
C-means class initializerC-means class initializer Untuk plugin yang didukung
lihat PLUGIN:1d/cmeans

-S --seed-threshold=0.95; mengapung di (0, 1)
Nilai ambang probabilitas untuk mempertimbangkan suatu piksel sebagai piksel benih.

-L --label=(wajib); int di [0, 10]
Label kelas untuk membuat topeng dariLabel kelas untuk membuat topeng dari

Pengolahan
--utas=-1
Jumlah maksimum utas yang digunakan untuk pemrosesan, Jumlah ini harus lebih rendah
atau sama dengan jumlah inti prosesor logis dalam mesin. (-1:
estimasi otomatis). Jumlah utas maksimum yang digunakan untuk pemrosesan, Ini
nomor harus lebih rendah atau sama dengan jumlah inti prosesor logis di
mesin. (-1: estimasi otomatis).

PLUGIN: 1d/cm

bahkan Penginisialisasi C-Means yang menetapkan pusat kelas awal sebagai terdistribusi secara merata
lebih dari [0,1], parameter yang didukung adalah:

nc = (wajib, ulong)
Jumlah kelas yang digunakan untuk klasifikasi fuzzy-cmeans.

km berarti C-Means initializer yang menetapkan pusat kelas awal dengan menggunakan k-means
klasifikasi, parameter yang didukung adalah:

nc = (wajib, ulong)
Jumlah kelas yang digunakan untuk klasifikasi fuzzy-cmeans.

sudah ditentukan sebelumnya
Penginisialisasi C-Means yang menetapkan nilai yang telah ditentukan sebelumnya untuk pusat kelas awal,
parameter yang didukung adalah:

cc =(wajib, vganda)
Klasifikasi pusat kelas awal fuzzy-cmeans (dinormalisasi ke rentang
[0,1]).

PLUGIN: 2 gambar/io

bmp Dukungan input/output gambar 2D BMP

Ekstensi file yang dikenali: .BMP, .bmp

Jenis elemen yang didukung:
data biner, unsigned 8 bit, unsigned 16 bit

kumpulan data IO virtual ke dan dari kumpulan data internal

Ekstensi file yang dikenali: .@

dikom Gambar 2D io untuk DICOM

Ekstensi file yang dikenali: .DCM, .dcm

Jenis elemen yang didukung:
bertanda 16 bit, tidak bertanda 16 bit

exr plugin io 2dimage untuk gambar OpenEXR

Ekstensi file yang dikenali: .EXR, .exr

Jenis elemen yang didukung:
tidak ditandatangani 32 bit, titik mengambang 32 bit

jpg plugin io 2dimage untuk gambar skala abu-abu jpeg

Ekstensi file yang dikenali: .JPEG, .JPG, .jpeg, .jpg

Jenis elemen yang didukung:
8 bit yang tidak ditandatangani

png plugin io 2dimage untuk gambar png

Ekstensi file yang dikenali: .PNG, .png

Jenis elemen yang didukung:
data biner, unsigned 8 bit, unsigned 16 bit

mentah Dukungan output gambar 2D RAW

Ekstensi file yang dikenali: .RAW, .raw

Jenis elemen yang didukung:
data biner, bertanda 8 bit, 8 bit tidak bertanda, 16 bit bertanda, 16 bit tidak bertanda,
ditandatangani 32 bit, 32 bit tidak ditandatangani, titik mengambang 32 bit, titik mengambang 64
sedikit

tif Dukungan input/output gambar 2D TIFF

Ekstensi file yang dikenali: .TIF, .TIFF, .tif, .tiff

Jenis elemen yang didukung:
data biner, unsigned 8 bit, unsigned 16 bit, unsigned 32 bit

pemandangan plugin io 2dimage untuk gambar vista

Ekstensi file yang dikenali: .V, .VISTA, .v, .vista

Jenis elemen yang didukung:
data biner, bertanda 8 bit, 8 bit tidak bertanda, 16 bit bertanda, 16 bit tidak bertanda,
ditandatangani 32 bit, 32 bit tidak ditandatangani, titik mengambang 32 bit, titik mengambang 64
sedikit

CONTOH

Jalankan program di atas gambar imageXXXX.png dengan histogram yang jarang, ambang batas yang lebih rendah
30% bin (jika tersedia), jalankan cmeans dengan dua kelas pada piksel bukan nol dan kemudian
buat topeng untuk kelas 1 sebagai foregroundXXXX.png.

mia-2dstack-cmeans-presegment -i imageXXXX.png -o latar depan -t png --histogram-tresh=30
--kelas 2 --label 1

PENULIS

Gert Wolny

HAK CIPTA

Perangkat lunak ini adalah Hak Cipta (c) 1999-2015 Leipzig, Jerman dan Madrid, Spanyol. Itu datang
dengan BENAR-BENAR TANPA JAMINAN dan Anda dapat mendistribusikannya kembali di bawah ketentuan GNU
LISENSI UMUM UMUM Versi 3 (atau lebih baru). Untuk informasi lebih lanjut, jalankan program dengan
opsi '--hak cipta'.

Gunakan mia-2dstack-cmeans-presegment online menggunakan layanan onworks.net