我目前正在编写一个程序来检测低分辨率二值图像中的边缘(在Matlab中)。
由于Hough变换在有很多边缘的图片中不能很好地工作,所以我尝试了另一种方法。
region.
i的斜率/角度a_i (使用特定数量的邻居来确定它),(a_ort)_i与计算的斜率(2)正交),H 111沿着d12的方向,确定像素位置的潜在边缘的宽度<编码>d13(假设我向正确的方向移动,而不是向(a_ort)_i).的180°)。
最后我得到了两个情节
( a) x轴上有边界像素索引i,y轴上有(a_ort)_i的图形.
( b) x轴上有边界像素指数i,y轴上有w_i的图形.
我想知道边缘可能在哪里。因此,对于图a),在x轴上的某个范围A上有一个平台(假设有几乎恒定角度的a_A),然后是一个很小的平台,对于范围B(大部分只有3-5像素)有角度a_B,然后是一个范围C和角a_C的区域。
当我用我想象中的车“开车”的时候,边缘会转化成w_A-w_C=180°和w_B=w_A-90° --听起来又公平又简单。一样(但不一样!)适用于图b),其中w_A对应于宽度w_A,该宽度应与w_C (so w_C=w_A)的范围C相同。范围B将有一些不同的值w_B。现在,有问题的部分:我得到的情节非常模糊,很难阅读和提取数据。由于范围B大部分很小(只有几个像素),而且由于误差很大,相应的角度和宽度a_B和w_B的计算都是无用的,所以我完全可以忽略它们。基本上,我只需要找到A和C盘,在那里有一些‘断裂’点。实际上,我只需要图a)或( b)来确定我想要什么(边缘可能所在的像素),但是由于数据非常糟糕,有很多异常值,所以我想将它们都包括进去并使用。
问题:(TL:DR)。
我有图a的数据和b图的数据,我想在那里找到平台(等值线)(忽略和过滤其他一切)。( a)确定x轴上的值,在x轴上有一个“跳跃”从一个高原到另一个平台,而高原有180°的差异。在b)中,我想确定一个高原之间的“空隙”,理想的情况是,只要我在地块a中寻找的两个高原都有。
三张照片:



发布于 2020-01-01 09:18:31
三个“高原”的情况似乎与论文第14-16页所处理的情况相对应:https://fr.scribd.com/document/380941024/Regression-par-morceaux-Piecewise-Regression-pdf
以下是上述参考资料的副本(翻译)。我希望这会有所帮助。

有关变体(全局回归而不是分段回归),请参阅参考文件。
这是一个非常简单的算法,而不是迭代。我认为它很容易在Matlab中实现。
注意:如果a1和\或a2不是真实的,或者其中之一超出了x1的范围,那么xn就意味着由三个平台组成的模型与数据不一致。在这种情况下,我们必须尝试其他一些算法,用于较少或较多的平台或非水平段,如参考论文所示。
https://stackoverflow.com/questions/59509650
复制相似问题