《表1 Tenengrad梯度阈值选取评价》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于清晰度的茶叶嫩芽聚类分割方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

按照图像尺寸长宽比选择100×83矩形框为ROI选择区域框，横向以10像素为步长、纵向以7像素为步骤进行滑动分块，共计7 644个ROI，提取每个ROI的Tenengrad梯度值并绘制箱型（图4）。选择箱型图中下四分位数、中位数、上四分位数分别作为梯度阈值，对40幅图像进行清晰区域的选择，并统计出平均目标选中率、错选率、漏选率（表1）。其中，目标选中率=（算法选中正确目标数÷算法认定目标数）×100%；漏选率=（算法误判的目标数÷参考目标数）×100%。在目标选中满足90%的情况下，选择上四分位数作为阈值的目标，漏选率最低，近其他阈值漏选率的1/2，因此，选择上四分位数作为目标清晰度筛选阈值。