首页 您的当前位置:www.7781.com > www.7781.com >

何时该继续边界呢?对付伶仃的两个像素点

发布时间:2019-10-26

  若是我们设置一个全局阈值,那么若是h区要归并成一块的话,那么该阈值要选很大,可是那样就会把p和s区域也包含进来,朋分成果太粗。若是以p为参考,那么阈值该当选出格小的值,那样的话p区是汇合并成一块,可是h区就汇合并成出格出格多的小块,如统一面的镜子,朋分成果太细。明显,全局阈值并不合适,那么天然就得用自顺应阈值。对于p区该阈值要出格小,s区稍大,h区庞大。

  特殊的图,图中肆意两个极点,都有径相毗连,可是没有回。如下图中加粗的边所毗连而成的图。若是当作一团乱连的珠子,只保留树中的珠子和连线,那么随便选个珠子,都能把这棵树中所有的珠子都提起来。

  如上图,实线范畴,加上虚线邻域,因为是无向图,按照从左到左,从上到下的挨次计较的话,只需要计较左图中灰色的线、将边按照不类似度non-decreasing陈列(从小到大)排序获得

  当然也能够用perceptually uniform的Luv或者Lab色彩空间,对于灰度图像就只能利用亮度值了,此外,还能够先利用纹理特征滤波,再计较距离,好比先做Census Transform再计较Hamming distance距离。

  打开本博文最起头的毗连,进入论文网坐,下载C++代码。下载后,make编译法式。号令交运转格局:

  既然是聚类算法,那该当根据何种法则鉴定何时该合二为一,何时该继续边界呢?对于孤立的两个像素点,所分歧的是灰度值,天然就用灰度的距离来权衡两点的类似性,本文中是利用RGB的距离,即

  提到该当用亮度值之差来权衡两个像素点之间的差同性。对于两个区域(子图)或者一个区域和一个像素点的类似性,最简单的方式即只考虑毗连二者的边的不类似度。如下图,曾经构成了棕色和绿色两个区域,现正在通过紫色边来判断这两个区域能否归并。那么我们就能够设定一个阈值,当两个像素之间的差别(即不类似度)小于该值时,合二为一。迭代归并,最终就汇合并成一个个区域,结果雷同于区域发展:星星之火,能够燎原。

  论文中,初始化时每一个像素点都是一个极点,然后逐步归并获得一个区域,切当地说是毗连这个区域中的像素点的一个MST。如下图,棕色圆圈为极点,线段为边,归并棕色极点所生成的MST,1号站平台。对应的就是一个朋分区域。朋分后的成果其实就是丛林。