Introdução
Obrigado por utilizar o pacote ExpImage. Este pacote foi
desenvolvido a fim de facilitar o uso da análise de imagens na obtenção
de várias informações sobre os objetos que elas contém. Para a
utilização do pacote é indispensável a instalação do pacote
EBImage. Geralmente, este pacote pode ser instalado ao
executar os seguintes comandos:
if (!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install("EBImage")
Porém se houver problemas na instalação sugerimos que consulte mais
opções de instalação no site: https://bioconductor.org/packages/release/bioc/html/EBImage.html
Para instalar o pacote ´ExpImage´ basta utilizar o seguinte
comando:
install.packages("ExpImage")
Convidamos a todos os usuários do ExpImage que venha conhecer nossos
materiais didáticos sobre este e outros pacotes nos seguintes links:
https://www.youtube.com/channel/UCDGyvLCJnv9RtTY1YMBMVNQ
https://www.expstat.com/
seleção de banda ou índice para posterior segmentação
Inicialmente deve-se escolher um índice ou banda que proporcionará
maior contraste entre a folha (foreground) e o fundo (background).
r=gray_scale(im,method = "r",plot=T)
g=gray_scale(im,method = "g",plot=T)
b=gray_scale(im,method = "b",plot=T)
Como foi possível observar, quando se utilizou a banda de verde foi
possível obter melhor contraste entre a parte doente e sadia na folha.
Além disso, possibilita também a segmentação da folha em relação ao
fundo. Logo, podemos considerar essa banda como a melhor para fazer o
processo de segmentação.
A segmentação pode ser feita considerando-se um limiar. Ou seja, um
valor a partir do qual os pixeis serão consideradas como background ou
foreground. O melhor valor de limiar pode ser obtido pela tentativa e
erro:
MatrizSegmentada0.3=segmentation(g,treshold = 0.30,fillHull = F,selectHigher = F,plot=T)
MatrizSegmentada0.4=segmentation(g,treshold = 0.40,fillHull = F,selectHigher = F,plot=T)
MatrizSegmentada0.6=segmentation(g,treshold = 0.60,fillHull = F,selectHigher = F,plot=T)
MatrizSegmentada0.8=segmentation(g,treshold = 0.80,fillHull = F,selectHigher = F,plot=T)
Como foi possivel observar. Quando se utiliza o limiar de 0.3 é
possível destacar o que é doença. E, quando se utiliza o limiar de 0.8,
destaca-se o que é a folha. Assim, pode-se obter a porcentagem de área
danificada pela razão entre o número de pixels correspondente a área
lesionada em função da área total:
100*(sum(MatrizSegmentada0.3)/sum(MatrizSegmentada0.8))
#> [1] 6.350121
Para verificar se a classificação da área danificada está correta,
podemos destacar a área doente na imagem:
im3=mask_pixels(im,TargetPixels=MatrizSegmentada0.3==1,col.TargetPixels = "red",plot=F)
im3b=mask_pixels(im,TargetPixels=MatrizSegmentada0.3==1,Contour =TRUE,col.TargetPixels = "red",plot=F)
im4=join_image(im,im3,im3b,plot=T)
