blocks|key|1981676|text|如果可以将这些符号映射为栅格像素，则答案是“是”。空间数据(包括符号的空间结构)的共定位、变化和分布在下面的一个非常有区别的指数中被检查。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1981677|空间效率度量(SPAEF)被证明是稳健的，当比较两个栅格映射。Python和Matlab代码可在以下网址获得：产品/index.html|offset|length|1981678|最近关于度量的论文：https://www.hydrol-earth-syst-sci.net/22/1299/2018/hess-22-1299-2018-assets.html|1981679|观察到的vs模拟光栅图|1981680|统计-空间拟合差|1981681|观察到的vs洗牌像素+统计-糟糕的空间匹配|1981682|观察到的vs偏置映射|1981683|统计-良好的空间拟合(SPAEF是不敏感的偏见)|1981684|entityMap|0|LINK|mutability|MUTABLE|url|http://space.geus.dk/tools_products/index.html|1|https://www.hydrol-earth-syst-sci.net/22/1299/2018/hess-22-1299-2018-assets.html|2|https://i.stack.imgur.com/BZ8F9.jpg|3|https://i.stack.imgur.com/lqOmW.png|4|https://i.stack.imgur.com/XBgOi.jpg|5|https://i.stack.imgur.com/OjQ2T.png|6|https://i.stack.imgur.com/5a8cE.jpg|7|https://i.stack.imgur.com/VhagY.png^0|0|1J|D|0|0|A|28|1|0|0|B|2|0|0|8|3|0|0|A|4|B|A|5|0|0|A|6|0|0|O|7|0^^$0|@$1|2|3|4|5|6|7|1D|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|1E|8|@]|9|@$D|1F|E|1G|1|1H]]|A|$]]|$1|F|3|G|5|6|7|1I|8|@]|9|@$D|1J|E|1K|1|1L]]|A|$]]|$1|H|3|I|5|6|7|1M|8|@]|9|@$D|1N|E|1O|1|1P]]|A|$]]|$1|J|3|K|5|6|7|1Q|8|@]|9|@$D|1R|E|1S|1|1T]]|A|$]]|$1|L|3|M|5|6|7|1U|8|@]|9|@$D|1V|E|1W|1|1X]|$D|1Y|E|1Z|1|20]]|A|$]]|$1|N|3|O|5|6|7|21|8|@]|9|@$D|22|E|23|1|24]]|A|$]]|$1|P|3|Q|5|6|7|25|8|@]|9|@$D|26|E|27|1|28]]|A|$]]|$1|R|3|-4|5|6|7|29|8|@]|9|@]|A|$]]]|S|$T|$5|U|V|W|A|$X|Y]]|Z|$5|U|V|W|A|$X|10]]|11|$5|U|V|W|A|$X|12]]|13|$5|U|V|W|A|$X|14]]|15|$5|U|V|W|A|$X|16]]|17|$5|U|V|W|A|$X|18]]|19|$5|U|V|W|A|$X|1A]]|1B|$5|U|V|W|A|$X|1C]]]]

If these symbols can be mapped as raster pixels, the answer is Yes.
Co-location, variation and distribution of spatial data (including spatial structure of the symbols) are checked in one very discriminative index below.

Spatial Efficiency metric (SPAEF) is proven to be robust when comparing two raster maps. Python and Matlab codes are available at: 
<a href="http://space.geus.dk/tools_products/index.html" rel="nofollow noreferrer">http://space.geus.dk/tools_products/index.html</a>

Recent paper on the metric:
<a href="https://www.hydrol-earth-syst-sci.net/22/1299/2018/hess-22-1299-2018-assets.html" rel="nofollow noreferrer">https://www.hydrol-earth-syst-sci.net/22/1299/2018/hess-22-1299-2018-assets.html</a>

<a href="https://i.stack.imgur.com/BZ8F9.jpg" rel="nofollow noreferrer">Observed vs Simulated raster maps</a>

<a href="https://i.stack.imgur.com/lqOmW.png" rel="nofollow noreferrer">Stats - poor spatial fit</a>

<a href="https://i.stack.imgur.com/XBgOi.jpg" rel="nofollow noreferrer">Observed vs Shuffled pixels</a>
<a href="https://i.stack.imgur.com/OjQ2T.png" rel="nofollow noreferrer">Stats - poor spatial match</a>

<a href="https://i.stack.imgur.com/5a8cE.jpg" rel="nofollow noreferrer">Observed vs Biased map</a>

<a href="https://i.stack.imgur.com/VhagY.png" rel="nofollow noreferrer">Stats - good spatial fit (SPAEF is bias insensitive)</a>

Is there any algorithm that could be used to calculate the visual similarity between visual symbols (letters)? I believe it would take into account rotational symmetry, topological identities and the spatial extent of the topological features. The similarity metric would say something like this:

A H are similar to each other. D C O Q are similar to each other. p b q d are similar to each other. I J are similar to each other. On the other hand, these sets of letters are not similar to each other, and the similarity can be measured quantitatively. 

Is there an algorithm to measure this spatial visual similarity of symbols?

Computing Letter (Symbol) Spatial Similarity Metric

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

有什么算法可以用来计算视觉符号(字母)之间的视觉相似性吗？我相信它会考虑到旋转对称性、拓扑恒等式和拓扑特征的空间范围。相似性度量可以这样说：A H是彼此相似的。D、C、O、Q是相似的。P，b，q，d彼此相似。I J是相似的。另一方面，这些字母集并不相似，它们之间的相似性可以定量测量。是否有一种算法来测量符号的空间视觉相似性？

问计算字母(符号)空间相似性度量
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问计算字母(符号)空间相似性度量EN