为什么图像分析中亚像素的均匀性保证了算法的正确性

Question

我不知道该不该问这个问题。

我在研究胶体系列图片(.tiff)的粒子跟踪。我在python中使用了履带。

这段代码给出了粒子的位置以达到亚像素精度。

还有一个步骤是检查亚像素的准确性。在这种方法中，我们检查位置的十进制部分的均匀性。

检查亚像素精度的一种快速方法是检查x和/或y位置的十进制部分是否均匀分布。Trackpy为此提供了一个方便的绘图功能，称为subpx_bias。

掩模的大小或多或少是粒子的直径。

我不知道十进制部分的均匀分布如何确保我们在正确的轨道上？一次经济衰退如何表明我们在某个地方错了呢？

您也可以参考埃里克·周网站。在这个网站上，我们简要地提到

一个失败的模式是，如果特征中的长度尺度太小，那么所有的x和y弦都会被“四舍五入”到最近的像素值。上面的命令绘制了图像x-弦的分数部分的直方图.物理分布的位置应该是随机的--给出一个平面直方图。如果直方图有两个峰值(接近0和1)，那么在“feature”中设置一个更大的大小参数，确定一个新的质量裁剪，然后重复，直到一切都满意为止。

Answer 1

如果子像素分布不均匀，则意味着(除其他外)某些十进制值比其他十进制值更普遍，这可能导致跟踪粒子(可能大于粒子大小的间隙)的较大差距。

这就等于说，结果并不是很精确。

另一方面，运动的基本连续性要求平均分配十进制值。

例如，假设子像素具有0.1和0.9十进制值的流行率。因此，对于一个粒子的大小1，它的位置可能变化超过2个像素(如1.1-2.9)，因此这造成了不准确的跟踪在平均。