Identifikasi tempat yang tepat untuk menempatkan label

Pada gambar di bawah ini, saya memiliki satu set data 2D di mana saya telah mengidentifikasi empat kelompok berlabel [0,1,2,3]. Saya mencari algoritme untuk menempatkan label secara alami * untuk setiap bentuk. Dugaan pertama saya adalah menempatkan mereka di "pusat massa" cluster, yang ditunjukkan di bawah ini. Untuk cluster yang berdekatan ini berfungsi dengan baik. Untuk cluster yang mengambil bentuk seperti dalam cluster 0, pendekatannya gagal. Tanpa menggunakan legenda, metode apa yang lebih baik untuk menempatkan label pada gambar ini?

* alami di sini subjektif sampai batas tertentu, tetapi titik label adalah untuk membantu pemirsa mengasosiasikan suatu wilayah tertentu dalam bidang xy dengan angka.

masukkan deskripsi gambar di sini

image-processing edge-detection

— Doyan
sumber

Selamat datang di DSP.SE. Ini pertanyaan yang bagus! =)

— Telepon

@ Hooked Jika cluster dimodelkan sebagai gaussians 2 dimensi dari mean dan matriks kovarian 2x2, maka saya akan berpikir penempatan alami hanya akan menjadi rata-rata dari gaussians. Sudahkah Anda menentukan rata-rata cluster Anda?

— Spacey

Jawaban:

Bagaimana dengan menempatkan label pada titik terdalam segmen? Mari kita mendefinisikan paling dalam dengan maksimum dari transformasi jarak topeng segmen.

Dengan sistem perangkat lunak seperti Mathematica dan sejenisnya, sangat mudah untuk dicapai.

Topeng untuk satu segmen, dan jaraknya mengubah: masukkan deskripsi gambar di sini

Setelah berulang untuk setiap segmen dan label pemosisian tempat jarak transformasi individu maksimum:

masukkan deskripsi gambar di sini

— Matthias Odisio
sumber

Apakah Anda keberatan untuk menguraikan sedikit tentang apa yang "paling dalam" artinya? Saya tidak memiliki akses ke Mathematica (menggunakan python), tetapi saya harus dapat mengkodekan solusi yang disajikan.

— Ketagihan

@Hooked Lihat hasil edit. Jika Anda memiliki akses ke fungsi yang menghitung transformasi jarak Anda sudah siap.

— Matthias Odisio

Ini terlihat hebat dan saya pikir itu tidak akan sulit untuk diterapkan sendiri. Untuk lebih jelasnya, apakah transformasi yang Anda terapkan adalah "... transformasi jarak gambar, di mana nilai setiap piksel diganti dengan jaraknya ke piksel latar belakang terdekat."?

— Ketagihan

Ya, ini dia. Tidak akan sulit untuk mengimplementasikan solusi ini, asalkan Anda tidak harus membuat kode fungsi transformasi jarak sendiri (implementasi cepat lebih sulit untuk

— dikodekan

Saya serahkan bahwa tempat yang ideal untuk menempatkan label harus memenuhi dua tujuan:

$l \times d^\alpha$ $l+\alpha d$ $\alpha$

$d$ $l$

Sisanya adalah optimasi numerik.

— Emre
sumber

d

$d$