fuzzy_perimeter — Fuzzy-Umfang einer Region.
Mit Hilfe des Merkmals fuzzy_perimeter werden die
Unterschiede in der Zugehörigkeitswerte zwischen einem Bildpunkt und
seinem Nachbarbildpunkt gemessen. Dabei wird der rechte und der
untere Nachbar berücksichtigt. Der Umfang ist wie folgt definiert:
wobei MxN die Dimension des Bildes ist und
u(x(m,n)) die Zugehörigkeitsfunktion. Bei dieser Implementation
wurde die Standard-S Funktion nach Zadeh verwendet und wird wie
folgt definiert:
Für die Parameter a, b und c gelten nachstehende Bedingungen:
ist der Wendepunkt der
Funktion, ist die
Bandbreite, für x = b gilt .
In fuzzy_perimeter sind die Parameter Apar
und Cpar folgendermaßen definiert: b ist .
fuzzy_perimeter erwartet, dass die Regionen Regions
vollständig innerhalb der angegebenen Domäne liegen. 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
Default: 0
Wertevorschläge: 0, 5, 10, 20, 50, 100
Wertebereich:
0
≤
Apar
≤
255 (lin)
Minimale Schrittweite: 1
Empfohlene Schrittweite: 5
Cpar (input_control) integer → (integer)
Ende der Fuzzyfunktion.
Default: 255
Wertevorschläge: 50, 100, 150, 200, 220, 255
Wertebereich:
0
≤
Cpar
≤
255 (lin)
Minimale Schrittweite: 1
Empfohlene Schrittweite: 5
Restriktion:
Apar <= Cpar
Perimeter (output_control) real(-array) → (real)
Fuzzy-Umfang einer Region.
* To find a Fuzzy Entropy from an Image read_image(Image,'monkey') fuzzy_perimeter(Trans,Trans,0,255,Per)
fuzzy_perimeter 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