module image.detection_segment.detection_nfa
#
Short summary#
module mlstatpy.image.detection_segment.detection_nfa
Ce module determine si un segment est significatif, c’est à dire si le nombre de fausses alarmes n’est pas trop élevé.
Classes#
class |
truncated documentation |
---|---|
Pour retenir toutes les informations relatives a un segment, une position (pos), la norme du gradient (norme), … |
|
Stocke toutes les informations relatives à un segment de l’image reliant deux points du contour, reçoit les informations … |
|
Un segment + un nombre de fausses alarmes, servira a memoriser les segments significatifs. |
Methods#
method |
truncated documentation |
---|---|
constructeur, initialisation |
|
constructeur |
|
segment + nombre de fausses alarmes |
|
Retourne le nombre de pixels dans le segment, peut etre different de la liste |
|
permet d’afficher cette classe |
|
permet d’afficher ce segment |
|
|
|
Comptabilise les indices des extremites possibles, les pixels choisis ont un gradient de la bonne orientation. |
|
Dit s’il existe des points alignés sur le segment. |
|
Retourne le couple suivant d’extrémités possibles, None, dans le cas contraire. |
|
Retourne la premiere d’extremite possible. |
|
Comptabilise le nombre de segments significatifs sur une ligne et les mémorise. |
Documentation#
Ce module determine si un segment est significatif, c’est à dire si le nombre de fausses alarmes n’est pas trop élevé.
- class mlstatpy.image.detection_segment.detection_nfa.InformationPoint(pos, aligne, norme)#
Bases :
object
Pour retenir toutes les informations relatives a un segment, une position (pos), la norme du gradient (norme), une information permettant de savoir si le gradient est proche du vecteur normal au segment (aligne)
constructeur, initialisation
- __init__(pos, aligne, norme)#
constructeur, initialisation
- __slots__ = ('pos', 'aligne', 'norme')#
- __str__()#
permet d’afficher cette classe
- class mlstatpy.image.detection_segment.detection_nfa.LigneGradient(info_ligne, seuil_norme, seuil_nfa)#
Bases :
object
Stocke toutes les informations relatives à un segment de l’image reliant deux points du contour, reçoit les informations de la methode
decoupe_gradient
.A partir de là, un segment significatif a deux extrémités dont le gradient est dans le bon sens, on parcourt donc tous les couples d’extrémités possibles, d’abord la première (méthode
premier_chemin
), puis les suivant (méthodenext_chemin
) jusqu’au dernier couple.constructeur
- __init__(info_ligne, seuil_norme, seuil_nfa)#
constructeur
- __len__()#
Retourne le nombre de pixels dans le segment, peut etre different de la liste
self.info_ligne
,self.nb
est déterminé pardecoupe_gradient
.
- calcule_NFA(ext, ij, binomiale, nb_seg)#
ext[ij[0]]
: premier indice du segment,ext[ij[1]]
: dernier indice du segment, calcule le nombre de NFA de ce segment (nombre de fausses alarmes).
- extremite()#
Comptabilise les indices des extremites possibles, les pixels choisis ont un gradient de la bonne orientation.
- has_aligned_point()#
Dit s’il existe des points alignés sur le segment.
- next_chemin(ext, ij)#
Retourne le couple suivant d’extrémités possibles, None, dans le cas contraire.
- premier_chemin(ext)#
Retourne la premiere d’extremite possible.
- segments_significatifs(binomiale, nb_seg)#
Comptabilise le nombre de segments significatifs sur une ligne et les mémorise.
- class mlstatpy.image.detection_segment.detection_nfa.SegmentNFA(p1, p2, nfa)#
Bases :
Segment
Un segment + un nombre de fausses alarmes, servira a memoriser les segments significatifs.
segment + nombre de fausses alarmes
- __init__(p1, p2, nfa)#
segment + nombre de fausses alarmes
- __lt__(o)#
Return self<value.
- __slots__ = ('nfa',)#
- __str__()#
permet d’afficher ce segment