fuzzy_entropy — Fuzzy-Entropie von Regionen.
fuzzy_entropy berechnet die Entropy einer Fuzzy Menge.
Hierbei wird das Bild als eine Fuzzy Menge betrachtet. Die Entropy
bewertet, wie gut das Bild ein schwarzes bzw. weißes Bild
annähert. Sie wird durch folgende Gleichung definiert:
wobei MxN die Dimension des Bildes und h(l) das
Histogramm des Bildes ist. Außerdem
Hier ist u(x(m,n)) eine Zugehörigkeitsfunktion (siehe
fuzzy_perimeter), die die Fuzzy-Menge definiert. Dabei
gelten für die Parameter die gleiche Bedingungen wie in
fuzzy_perimeter.
fuzzy_entropy erwartet, dass die Region Regions
vollständig innerhalb der angegebenen Domäne liegt. Andernfalls wird
eine Fehlerbehandlung durchgeführt.
Regions (input_object) region(-array) → object
Regionen in den das Merkmal bestimmt werden soll.
Image (input_object) singlechannelimage → object (byte)
Bild für die Grauwerte (Fuzzy-Zugehörigkeitswerte).
Apar (input_control) integer → (integer)
Anfang der Fuzzyfunktion
Defaultwert: 0
Wertevorschläge: 0, 5, 10, 20, 50, 100
Typischer Wertebereich: 0
≤
Apar
≤
255 (lin)
Minimale Schrittweite: 1
Empfohlene Schrittweite: 5
Cpar (input_control) integer → (integer)
Ende der Fuzzyfunktion.
Defaultwert: 255
Wertevorschläge: 50, 100, 150, 200, 220, 255
Typischer Wertebereich: 0
≤
Cpar
≤
255 (lin)
Minimale Schrittweite: 1
Empfohlene Schrittweite: 5
Restriktion: Apar <= Cpar
Entropy (output_control) real(-array) → (real)
Fuzzy Entropy einer Region.
* To find a Fuzzy Entropy from an Image read_image(Image,'monkey') fuzzy_entropy(Trans,Trans,0,255,Entro)
fuzzy_entropy liefert den Wert 2 (H_MSG_TRUE), falls die Parameter
korrekt sind. Gegebenenfalls wird eine Fehlerbehandlung
durchgeführt.
M.K. Kundu, S.K. Pal: „Automatic selection of object enhancement operator with quantitative justification based on fuzzy set theoretic measures“; Pattern Recognition Letters 11; 1990; pp. 811-829.
Foundation