module image.detection_segment.detection_nfa

Inheritance diagram of mlstatpy.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.

source on GitHub

Classes

class

truncated documentation

InformationPoint

Pour retenir toutes les informations relatives a un segment, une position (pos), la norme du gradient (norme), …

LigneGradient

Stocke toutes les informations relatives à un segment de l’image reliant deux points du contour, reçoit les informations …

SegmentNFA

Un segment + un nombre de fausses alarmes, servira a memoriser les segments significatifs.

Methods

method

truncated documentation

__init__

constructeur, initialisation

__init__

constructeur

__init__

segment + nombre de fausses alarmes

__len__

Retourne le nombre de pixels dans le segment, peut etre different de la liste self.info_ligne, self.nb

__lt__

__str__

permet d’afficher cette classe

__str__

permet d’afficher ce segment

calcule_NFA

ext[ij[0]]: premier indice du segment, ext[ij[1]]: dernier indice du segment, calcule le nombre …

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

Retourne le couple suivant d’extrémités possibles, None, dans le cas contraire.

premier_chemin

Retourne la premiere d’extremite possible.

segments_significatifs

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.

source on GitHub

class mlstatpy.image.detection_segment.detection_nfa.InformationPoint(pos, aligne, norme)[source]

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)

source on GitHub

constructeur, initialisation

source on GitHub

__init__(pos, aligne, norme)[source]

constructeur, initialisation

source on GitHub

__slots__ = ('pos', 'aligne', 'norme')
__str__()[source]

permet d’afficher cette classe

source on GitHub

class mlstatpy.image.detection_segment.detection_nfa.LigneGradient(info_ligne, seuil_norme, seuil_nfa)[source]

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 (méthode next_chemin) jusqu’au dernier couple.

source on GitHub

constructeur

source on GitHub

__init__(info_ligne, seuil_norme, seuil_nfa)[source]

constructeur

source on GitHub

__len__()[source]

Retourne le nombre de pixels dans le segment, peut etre different de la liste self.info_ligne, self.nb est déterminé par decoupe_gradient.

source on GitHub

calcule_NFA(ext, ij, binomiale, nb_seg)[source]

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).

source on GitHub

extremite()[source]

Comptabilise les indices des extremites possibles, les pixels choisis ont un gradient de la bonne orientation.

source on GitHub

has_aligned_point()[source]

Dit s’il existe des points alignés sur le segment.

source on GitHub

next_chemin(ext, ij)[source]

Retourne le couple suivant d’extrémités possibles, None, dans le cas contraire.

source on GitHub

premier_chemin(ext)[source]

Retourne la premiere d’extremite possible.

source on GitHub

segments_significatifs(binomiale, nb_seg)[source]

Comptabilise le nombre de segments significatifs sur une ligne et les mémorise.

source on GitHub

class mlstatpy.image.detection_segment.detection_nfa.SegmentNFA(p1, p2, nfa)[source]

Bases : mlstatpy.image.detection_segment.geometrie.Segment

Un segment + un nombre de fausses alarmes, servira a memoriser les segments significatifs.

source on GitHub

segment + nombre de fausses alarmes

source on GitHub

__init__(p1, p2, nfa)[source]

segment + nombre de fausses alarmes

source on GitHub

__lt__(o)[source]

Return self<value.

__slots__ = ('nfa',)
__str__()[source]

permet d’afficher ce segment

source on GitHub