VisualApplets
Operator Reference

이미지의 각 객체는 객체에 포함된 모든 전경 픽셀의 좌표 목록으로 설명할 수 있으며 . 따라서 객체 또는 그 영역 R은 다음과 같이 설명할 수 있습니다.

객체의 면적은 객체의 픽셀 수, 즉 영역 R의 크기입니다.

다시 말해, 객체의 면적은 모든 픽셀의 합입니다. 이 특징은 크기가 다른 객체들을 구별하는 데 자주 사용됩니다.

영역 R의 바운딩 박스는 객체에 맞닿는 최소 축 정렬 직사각형입니다. 이미지 내에서 객체의 위치를 설명하는 간단하지만 매우 유용한 특징입니다.

이 특징은 각 객체에 대해 4개의 값을 제공하며, VisualApplets에서는 다음과 같이 설명됩니다.

이 특징은 객체에 대한 절대 좌표를 지정할 수 없으므로 'BlobDetector1D' 및 'Blob_Analysis_1D' 연산자 간에 차이가 있습니다.

무게 중심은 x 및 y 방향으로 계산되며 객체의 모든 절대 좌표의 합입니다. 각 객체의 원점은 이미지의 왼쪽 상단 모서리입니다.

및

무게 중심 값은 정규화되지 않습니다. Blob 분석 후 객체 면적으로 나누어야 합니다. 이 나눗셈을 수행하려면 arithmetics 라이브러리의 DIV 연산자를 사용하십시오. 또는 호스트 PC에서 나눗셈을 계산할 수도 있습니다.

및

이 특징은 객체에 대한 절대 좌표를 지정할 수 없으므로 'BlobDetector1D' 및 'Blob_Analysis_1D' 연산자 간에 차이가 있습니다.

이 특징은 객체의 모든 외곽선 길이로 정의됩니다. 여기에는 외부 및 내부 가장자리(후자는 구멍으로 인해 발생함)가 포함됩니다.

Contour Length는 4-연결 이웃과 8-연결 이웃을 구분합니다. Blob 분석 연산자가 4-연결 이웃을 사용하여 객체를 감지하도록 설정된 경우, 외곽선 길이는 직교 방향으로만 객체의 가장자리를 스캔하여 결정됩니다. Blob 분석 연산자가 8-연결 이웃으로 설정된 경우, 외곽선 길이는 대각선으로 연결된 객체 가장자리도 고려합니다. 따라서 연산자의 이웃 설정에 따라 이 특징은 두 가지 다른 결과를 제공합니다.

아래의 두 그림은 그 차이를 보여줍니다. 두 그림 모두 단일 객체를 포함하는 이미지를 보여줍니다.

위 그림에서 객체는 4-연결 이웃을 사용하여 감지됩니다. 이 객체의 경우 외곽선 길이는 객체 가장자리에 위치한 모든 픽셀을 합산합니다. 수평 및 수직 픽셀 연결만 고려됩니다. 따라서 이 객체의 외곽선 길이는 30x 직교 길이입니다.

아래 그림에서 Blob 분석은 8-연결 이웃을 사용합니다. 외곽선 길이는 대각선 가장자리도 고려합니다. 이 객체의 외곽선 길이는 14x 직교 길이 + 8x 대각선 길이입니다.

결과는 외곽선 길이에서 차이가 납니다.

대각선 방향으로 인접한 두 픽셀을 연결하는 모서리의 외곽선 길이는 이등변 삼각형의 빗변을 나타냅니다. 이 제곱근 연산은 블롭 분석 오퍼레이터에 의해 수행되지 않습니다. 디자인 내에서 이후에 수행되도록 하십시오. 전체 외곽선 길이는 다음과 같이 얻을 수 있습니다.

외곽선 길이의 대각선 성분은 이미지 모서리와 평행하지 않게 실행되는 모서리가 있는 개체에 매우 중요합니다.

예를 들어, 반지름이 5.5 픽셀인 원의 둘레는 입니다. 아래 그림은 이 원을 보여줍니다. 왼쪽 그림에서는 8-Connected Neighborhood를 사용하여 둘레를 계산합니다. 오른쪽 그림에서는 4-Connected Neighborhood를 사용하여 둘레를 계산합니다. 이 예시는 8-Connected Neighborhood를 사용한 계산 결과(32.97)가 이론적 결과(34.56)에 가까운 반면, 4-Connected Neighborhood를 사용한 계산 결과(40)는 동일한 지름을 가진 사각형의 둘레와 같아 다소 정확도가 떨어진다는 것을 보여줍니다.