O objetivo é detetar regiões da imagem onde o espaçamento é maior que o especificado, ou menor que o especificado. Na imagem teste abaixo existem no mínimo duas regiões onde o espaçamento é maior que o desejável, duas regiões onde o espaçamento é menor que o desejável.
Imagem para teste
O objetivo é segmentar esta imagem de modo que o cobre (parte escura) fique com o valor K, e a parte isolante, fique com valor 0.
Imagem para teste
O objetivo é reconhecer cada uma dos três tipos de peças: gancho, prego
e pino em T.
Image para teste
O objetivo é contar e medir a área e classificar as células musculares na imagem abaixo:
Imagem para teste
O objetivo é usar a imagem pcb-treinamento em nível de cinza como amostra de treinamento. Usar as imagens classificadas à mão (rotuladas) para estimar as probabilidades a priori P(w), densidade de probabilidade condicional P(x/w) e a densidade de probabilidade à posteriori P(w/x).
Imagem pcb-treinamento
--
Esquerda: classe cobre, Direita: classe fibra
Assuma como a classe dos furos como sendo a classe complementar.
A imagem teste é dada abaixo:
Imagem pcb-teste
1. Aplique o classificar de erro mínimo: (defina as regiões de decisão) a) na imagem de treinamento e b) na imagem teste abaixo.
2. Calcule o erro em ambos os casos. P(erro/x)
3. Suponha que se queira trilhas e furos mais grossos.
Assuma custos diferentes para diferentes tipos de erro: Penalidade de classificar a fibra como cobre é menor que a penalidade de classificar cobre como fibra. Penalidade de classificar cobre como furo é maior que a penalidade de classificar furo como cobre.
4. Assuma que as distribui,cões são normais. Estime a média e vari^ancia de cada distribui,cão e a utilize no classificador paramétrico. Calcule o erro neste caso.
5. Calcule mais um atributo: o módulo do gradiente pelo detetor de Sobel. Espa,co de atributos agora é bidimensional. Repita os ítens anteriores para esta condi,cão.