Geschäftskontext
Ein Fertigungsunternehmen prüft Metalloberflächen auf mikroskopische Defekte. Die Sensoren liefern die Daten als flache Zahlenreihe (Pixelintensitäten) pro Messpunkt. Für die weitere Analyse mit Deep Learning müssen diese Rohdaten in ein strukturiertes SAS-Bildformat umgewandelt werden. Wir testen hier den Standardfall mit kleinen 2x2-Rastern.
Über das Set : image
Bildverarbeitung, -manipulation und -analyse.
Entdecken Sie alle Aktionen von image Datenaufbereitung
Erzeugung einer Tabelle 'sensor_flat' mit einer ID und 4 Pixelspalten (p1-p4), die ein 2x2 Bild repräsentieren.
Kopiert!
| 1 | DATA casuser.sensor_flat; INPUT scan_id $ p1 p2 p3 p4; CARDS; |
| 2 | S001 10 20 30 40 |
| 3 | S002 255 255 0 0 |
| 4 | S003 128 128 128 128 |
| 5 | ; RUN; |
Étapes de réalisation
1
Ausführen von condenseImages. Wir definieren explizit Breite und Höhe (2x2), da der Standardwert 32x32 wäre, was für 4 Spalten nicht passt.
Kopiert!
| 1 | |
| 2 | PROC CAS; |
| 3 | image.condenseImages / TABLE={name="sensor_flat"} casOut={name="sensor_images", replace=TRUE} width=2 height=2 numberOfChannels="GRAY_SCALE_IMAGE"; |
| 4 | |
| 5 | RUN; |
| 6 |
2
Überprüfung der Ausgabetabelle auf die neue Bildspalte.
Kopiert!
| 1 | |
| 2 | PROC CAS; |
| 3 | TABLE.columnInfo / TABLE="sensor_images"; |
| 4 | |
| 5 | RUN; |
| 6 |
Erwartetes Ergebnis
Die Aktion läuft erfolgreich durch. Die Ausgabetabelle 'sensor_images' enthält eine binäre VARBINARY-Spalte (typischerweise '_image_'), die das 2x2-Bild enthält. Die Zeilenanzahl bleibt identisch mit der Eingabe (3 Zeilen).