どんな効率的にセグメントの2D画像からの地域や用途にでも便る。
-
21-08-2019 - |
質問
どんなセグメントは、2次元画像への用途にでも便との価値を効率的に?指定された入力にはn配列の整数、色相のための非灰色のピクセルの輝度グレー(ピクセル単位)で作成します。
皆様にお伝えしたくて書き込みに仮想移動ロボットを用いたJavaを使用してい区分分析、地図の画像からカメラです。この知の問題 コンピュータビジョン, ですが、では、ロボットの性能な物になるそうなんでも入力できるモデルです。アルゴリズムが重要となるので、できる郵便コードの使用言語を問いません。
- Wikipedia記事: 分割(イメージ処理)
- [PPT]スタンフォードCS-223-B講義11区分 (ないように、平均シフトはおそらく、最高の技術を日)
- 平均シフト画像 紙からも利用可能に Dorin Comaniciu)
解決
私は、結果の視覚法(おそらくmeanshift)と高級を使用し、colourspace内の画素数で、ダウンサンプリングあろう。
これはまた、ダウンサンプリングするノイズに対するロバスト性を高めるために良いです、そしてあなたは意味のあるセグメントを取得する可能性が高くなります。
あなたは滑らかさが必要な場合は、その後縁を滑らかにFLOODFILLを使用することができます。
(あなたのコメントに応答して)いくつかのより多くの考えます。
あなたがダウンサンプリングとして1)あなたはブレンドしましたか? Y [I] =(X [2I] + X [2I + 1])/ 2これは、ノイズを除去する必要があります。
2)どのくらいの速あなたはそれになりたいですか?
3)あなたは、動的meanshiftを試してみました?(も)すべてのアルゴリズムxについてダイナミックxに対してグーグル
他のヒント
わからない、それはあまりにも効率的ですが、あなたはコホーネン型ニューラルネットワーク(又は、自己組織化マップ、SOM)。各画素は、元の色と位置と色のみを含むグループ同様の値にはKohohenのグループ化のために使用される
あなたはコホーネンネットワークの私の知識は限りそれは、データをグループ化するために使用されるようになると、あなたが、しかしこれを実装する前まで読んでください - 私は、パフォーマンス/生存率のオプションは、あなたのシナリオのためのものかわかりません<。 / P>
ホップフィールドネットワークでもあります。彼らは私が読んだものからグループ化にマングルすることができます。
私の現在:
- 作バッファのサイズとしては、入力画像に初期化され
UNSEGMENTED
. 各ピクセルの画像に対応するバッファの価値はない
UNSEGMENTED
, 洪水のバッファのピクセル値です。a.ボーダのチェックの洪水によるチェックの場合ピクセル内には
EPSILON
(現在設定されている10原点復帰ピクセルの値です。b. 洪水の充填アルゴリズム.
きの問題:
に2.a.国境チェックは数多くの洪水の充填アルゴリズムです。思いルックアップできればprecalculateのボーダを用いたエッジ検出、その場合の追加よりも時間が現在のチェック。
private boolean isValuesCloseEnough(int a_lhs, int a_rhs) {
return Math.abs(a_lhs - a_rhs) <= EPSILON;
}
可能な補完
代わりにチェック毎に単一のピクセル UNSEGMENTED
, 私がランダムにピバランスです。ご予想10途にでも便狩りランダムポイントの順にあります。るのが難点が見を有しblob.
眼帯(eyepatch.stanford.edu)をチェックしてください。これは、セグメンテーションのための可能なフィルタのさまざまなを提供することにより、調査の段階でお手伝いをする必要があります。
代替洪水を必要に connnected-部品 アルゴリズムです。なので、
- 安価に分類しお(ピクセル単位)で作成します。例えば割ピクセルの色空間です。
- はccの用途にでも便
- を保持する用途にでも便重要なサイズ
このアプローチに広く使用されてい早期ビジョンのアプローチ。例えば、将来性のある紙"Blobworld:システムのための領域ベース画像情報の索引付けや検索".