คำถามติดแท็ก image-processing

3
ระยะทางแบบยุคลิดใน Octave
ฉันอยากรู้ว่ามีวิธีที่รวดเร็วในการคำนวณระยะทางแบบยุคลิดของเวกเตอร์สองตัวใน Octave หรือไม่ ดูเหมือนว่าไม่มีฟังก์ชั่นพิเศษสำหรับสิ่งนั้นดังนั้นฉันควรใช้สูตรด้วยsqrtหรือไม่

1
การนำการแปรปรวนการขนส่งที่เหมาะสมที่สุดใน Matlab
ฉันกำลังใช้กระดาษ " การขนส่งมวลชนที่เหมาะสมที่สุดสำหรับการลงทะเบียนและแปรปรวน " เป้าหมายของฉันคือการทำให้มันออนไลน์เพราะฉันไม่สามารถหารหัสขนส่งมวลชนแบบ eulerian ออนไลน์ได้และสิ่งนี้น่าสนใจอย่างน้อยสำหรับชุมชนการวิจัยในการประมวลผลภาพ กระดาษที่สามารถสรุปได้ดังนี้: - หาแผนที่เริ่มต้นuuuใช้ 1D จ้อ histogram พร้อม x และ y พิกัด - แก้ปัญหาสำหรับจุดคงที่ของut=1μ0Du∇⊥△−1div(u⊥)ut=1μ0Du∇⊥△−1div(u⊥)u_t = \frac{1}{\mu_0} Du \nabla^\perp\triangle^{-1}div(u^\perp)u⊥u⊥u^\perp△−1△−1\triangle^{-1}DuDuDudt&lt;min|1μ0∇⊥△−1div(u⊥)|dt&lt;min|1μ0∇⊥△−1div(u⊥)|dt<\min|\frac{1}{\mu_0}\nabla^\perp\triangle^{-1}div(u^\perp)| สำหรับการจำลองเชิงตัวเลข (ดำเนินการในตารางปกติ) พวกเขาระบุว่าใช้poicalcของmatlabสำหรับการแก้สมการปัวซองพวกเขาใช้ความแตกต่างที่มีศูนย์กลาง จำกัด สำหรับอนุพันธ์เชิงพื้นที่ยกเว้นDuDuDuซึ่งคำนวณโดยใช้แบบ upwind การใช้รหัสของฉันพลังงานการทำงานและขดของการทำแผนที่ลดลงอย่างเหมาะสมสำหรับการทำซ้ำสองสามครั้ง (จากไม่กี่สิบถึงสองสามพันขึ้นอยู่กับขั้นตอนเวลา) แต่หลังจากนั้นการจำลองจะระเบิดขึ้น: พลังงานจะเพิ่มขึ้นถึง NAN ในการวนซ้ำน้อยมาก ฉันลองคำสั่งซื้อหลายรายการสำหรับความแตกต่างและการผสานรวม (สามารถแทนที่คำสั่งที่สูงกว่าเพื่อ cumptrapz ได้ที่นี่ ) และแผนการแก้ไขที่แตกต่างกัน แต่ฉันได้รับปัญหาเดียวกันเสมอ (แม้ในภาพที่ราบรื่นมาก ทุกคนจะสนใจดูรหัสและ / หรือปัญหาทางทฤษฎีที่ฉันกำลังเผชิญอยู่หรือไม่ รหัสค่อนข้างสั้น รหัสที่มีฟังก์ชั่นการดีบัก ฟังก์ชั่นการลงทะเบียน …

2
ติดตาม Isoline ของฟังก์ชัน 2D ที่มีราคาแพง
ฉันมีปัญหาที่คล้ายกันในการกำหนดโพสต์นี้มีความแตกต่างที่โดดเด่นไม่กี่: มีวิธีการอะไรง่าย ๆ สำหรับการสุ่มตัวอย่างแบบ 2D ฟังก์ชั่น? กดไลค์ในโพสต์นั้น: ฉันมีและการประเมินฟังก์ชั่นนี้ค่อนข้างแพงในการคำนวณฉ( x , y)ฉ(x,Y)f(x,y) ไม่เหมือนในโพสต์นั้น: ฉันไม่ได้สนใจในคุณค่าของฟังก์ชั่นอย่างถูกต้องทุกที่ แต่ในการค้นหาไอโซที่เป็นหนึ่งเดียวของฟังก์ชั่น ฉันสามารถยืนยันที่สำคัญเกี่ยวกับความสัมพันธ์ของฟังก์ชันได้โดยอัตโนมัติและด้วยเหตุนี้ขนาดของความราบรื่น มีวิธีที่ชาญฉลาดในการก้าวไป / ลองฟังก์ชั่นนี้และค้นหารูปร่างนี้หรือไม่? ข้อมูลมากกว่านี้ ฟังก์ชั่นคือการคำนวณคุณสมบัติ Haralickเหนือ pixles รอบ ๆ จุดและการจำแนกประเภทแบบนุ่มนวลโดยตัวจําแนก / ลักษณนามบางส่วน ผลลัพธ์ของสิ่งนี้คือหมายเลขจุดลอยตัวซึ่งบ่งชี้ถึงพื้นผิว / วัสดุที่เป็นจุด การปรับสเกลของจำนวนนี้สามารถประมาณความน่าจะเป็นของคลาส (SoftSVM หรือวิธีการทางสถิติเป็นต้น) หรือสิ่งที่ง่ายเช่นเอาท์พุทของการถดถอยเชิงเส้น / โลจิสติก การจำแนกประเภท / การถดถอยมีความแม่นยำและราคาถูกเมื่อเทียบกับเวลาที่ใช้ในการดึงคุณสมบัติจากภาพยังไม่มีข้อความยังไม่มีข้อความN สถิติโดยรอบหมายถึงหน้าต่างมักจะสุ่มตัวอย่างบริเวณที่ทับซ้อนกันและดังนั้นจึงมีความสัมพันธ์อย่างมีนัยสำคัญระหว่างตัวอย่างที่อยู่ใกล้เคียง (บางสิ่งบางอย่างที่ฉันสามารถเข้าหาตัวเลข / สัญลักษณ์) ดังนั้นนี่อาจเป็นฟังก์ชั่นที่ซับซ้อนมากขึ้นของf ( x , y , N …
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.