คำถามติดแท็ก computer-vision

ฉันมีภาพอินพุต: และเอาท์พุทของการตรวจจับหลอดเลือดดำสำหรับใบไม้โดยใช้ตัวกรอง Gabor แต่ผลลัพธ์นั้นเสียงดังมาก: ฉันลองใช้การผันแปรโดยรวม denoising แต่ผลลัพธ์ไม่ดี: อย่างไรก็ตามฉันไม่ต้องการที่จะหลวมรายละเอียดที่ดีในหลอดเลือดดำของใบไม้ดังนั้นตัวกรองเฉลี่ยจะไม่เหมาะกับปัญหาของฉัน

12 image-processing  computer-vision  image  image-segmentation  total-variation 

ฉันอยู่ในโครงการการแบ่งส่วนและจำแนกเนื้องอกของตับ ฉันใช้ Region Growing และ FCM สำหรับการแบ่งส่วนตับและเนื้องอกตามลำดับ จากนั้นฉันใช้เมทริกซ์ระดับสีเทาร่วมเกิดขึ้นสำหรับการแยกคุณลักษณะของพื้นผิว ฉันต้องใช้ Support Vector Machine เพื่อจัดหมวดหมู่ แต่ฉันไม่ทราบวิธีปรับเวกเตอร์คุณลักษณะให้เป็นมาตรฐานเพื่อที่ฉันจะสามารถให้มันเป็นอินพุตของ SVM ได้ มีใครบอกวิธีเขียนโปรแกรมใน Matlab ได้บ้าง ในโปรแกรม GLCM ฉันให้ภาพที่แบ่งกลุ่มเนื้องอกเป็นอินพุต ฉันถูกต้องหรือไม่ ถ้าเป็นเช่นนั้นฉันคิดว่าผลลัพธ์ของฉันก็จะถูกต้องด้วย การเข้ารหัส glcm ของฉันเท่าที่ฉันได้ลองคือ I = imread('fzliver3.jpg'); GLCM = graycomatrix(I,'Offset',[2 0;0 2]); stats = graycoprops(GLCM,'all') t1= struct2array(stats) I2 = imread('fzliver4.jpg'); GLCM2 = graycomatrix(I2,'Offset',[2 0;0 2]); stats2 = …

12 image-processing  computer-vision  classification 

ฉันพยายามค้นคว้าและหาวิธีที่ดีที่สุดในการโจมตีปัญหานี้ มันเลาะเลียบไปกับการประมวลผลเพลงการประมวลผลภาพและการประมวลผลสัญญาณและดังนั้นจึงมีวิธีมากมายในการดู ฉันต้องการสอบถามวิธีการที่ดีที่สุดในการเข้าหามันเนื่องจากสิ่งที่อาจดูซับซ้อนในโดเมน sig-proc บริสุทธิ์อาจเป็นเรื่องง่าย (และแก้ไขแล้ว) โดยผู้ที่ทำภาพหรือการประมวลผลเพลง อย่างไรก็ตามปัญหามีดังนี้: หากคุณยกโทษให้ฉันด้วยการวาดปัญหาเราจะเห็นสิ่งต่อไปนี้: f1f1f_1f4f4f_4 f1f1f_1 f1f1f_1 ปัญหาคือในทางใดที่ฉันจะแก้ไขปัญหานี้เช่นฉันสามารถเขียนลักษณนามที่สามารถแยกแยะระหว่างสัญญาณ -1 สัญญาณ 2 และสัญญาณ 3 นั่นคือถ้าคุณป้อนสัญญาณสัญญาณใดสัญญาณหนึ่งมันควรจะบอกได้ว่าสัญญาณนี้เป็นเช่นนั้น สิ่งที่ดีที่สุดของลักษณนามจะให้เมทริกซ์ความสับสนในแนวทแยง? บริบทเพิ่มเติมบางอย่างและสิ่งที่ฉันคิดเกี่ยวกับป่านนี้: อย่างที่ฉันพูดไปนี้เลาะเลียบทุ่งจำนวนมาก ฉันต้องการสอบถามเกี่ยวกับวิธีการที่อาจมีอยู่ก่อนที่ฉันจะนั่งลงและไปทำสงครามกับสิ่งนี้ ฉันไม่ต้องการประดิษฐ์ล้ออีกครั้งโดยไม่ได้ตั้งใจ นี่คือความคิดบางอย่างที่ฉันได้มองจากมุมมองที่แตกต่างกัน มุมมองการประมวลผลสัญญาณ: สิ่งหนึ่งที่ฉันได้ดูคือทำการวิเคราะห์ Cepstralและจากนั้นอาจใช้Gabor Bandwidthของ cepstrum ในการแยกแยะสัญญาณ -3 จากอีก 2 และจากนั้นวัดจุดสูงสุดสูงสุดของ cepstrum ในการแยกสัญญาณ - 1 จากสัญญาณ -2 นั่นเป็นโซลูชันการทำงานการประมวลผลสัญญาณปัจจุบันของฉัน จุดยืนของการประมวลผลภาพ: ที่นี่ฉันกำลังคิดอยู่เพราะในความเป็นจริงฉันสามารถสร้างภาพที่มีสเปคตรัมได้หรือเปล่า ฉันไม่คุ้นเคยอย่างใกล้ชิดกับส่วนนี้ แต่สิ่งที่เกี่ยวกับการทำ 'เส้น' ตรวจจับโดยใช้การแปลง Houghแล้วอย่างใด 'นับ' …

12 image-processing  computer-vision  music  classification 

ฉันเป็นนักเรียนปริญญาโทกำลังเตรียมการสัมมนาในด้านคอมพิวเตอร์วิสัยทัศน์ ในบรรดาหัวข้อคือตัวติดตาม Kanade-Lucas-Tomasi (KLT) ดังที่อธิบายไว้ใน เจชิค Tomasi, "ดีมีการติดตาม" ดำเนินการตามกฎหมาย CVPR '94 นี่คือแหล่งข้อมูลบนเว็บที่ฉันใช้เพื่อทำความเข้าใจกับตัวติดตามของ KLT ฉันต้องการความช่วยเหลือเกี่ยวกับคณิตศาสตร์เนื่องจากฉันเป็นสนิมในพีชคณิตเชิงเส้นเล็กน้อยและไม่มีประสบการณ์มาก่อนด้วยการมองเห็นคอมพิวเตอร์ ในสูตรนี้สำหรับ (ขั้นตอนที่ 5 ในการสรุป) ให้สังเกต Hessian ผกผัน:ΔpΔp\Delta p Δp=H−1Σx[∇I∂W∂p]T[T(x)−I(W(x;p))]Δp=H−1Σx[∇I∂W∂p]T[T(x)−I(W(x;p))]\Delta p = H^{-1}\Sigma_x\left[\nabla I \frac{\partial W}{\partial p}\right]^\mathsf{T} \left[T(x) − I(W(x; p))\right] ในบทความที่ดีมีการติดตามจะถูกกำหนดเป็นคนที่ผลรวมของเมทริกซ์ผกผันรัฐมีขนาดใหญ่ลักษณะเฉพาะที่คล้ายกัน: \ฉันไม่สามารถเข้าใจได้ว่ามันมาจากที่ไหนและทางคณิตศาสตร์min(λ1,λ2)>thresholdmin(λ1,λ2)>threshold\min(\lambda_1,\lambda_2)>threshold สัญชาตญาณคือสิ่งนี้แสดงถึงมุม; รับที สิ่งที่เกี่ยวข้องกับค่าลักษณะเฉพาะ? ฉันคาดหวังว่าถ้าค่าของ Hessian ต่ำจะไม่มีการเปลี่ยนแปลงและไม่ใช่มุม หากพวกเขาสูงก็เป็นมุม มีใครรู้บ้างไหมว่าสัญชาตญาณแห่งความมีลูกเล่นเกิดขึ้นได้อย่างไรในค่าลักษณะเฉพาะของ Hessian ผกผันเพื่อกำหนดΔpΔp\Delta pในการวนซ้ำของเครื่องมือติดตาม KLT ฉันสามารถค้นหาแหล่งข้อมูลที่อ้างว่า Hessian …

12 computer-vision 

พื้นหลัง: ฉันพยายามสร้างระบบที่ติดตามฟองอากาศจำนวนหนึ่งในวิดีโอ ฉันกำลังใช้การตรวจจับฟองในกรณีภาพเดียวโดยใช้การแปลงแบบ Hough เนื่องจากการบดเคี้ยวเบลอและปัจจัยอื่น ๆ การตรวจจับนี้จะไม่แม่นยำ 100% ฉันกำลังปรับขั้นตอนการตรวจจับสำหรับการเรียกคืนสูงอาจมีค่าใช้จ่ายของความแม่นยำ เมื่อดำเนินการเสร็จแล้วและนำไปใช้กับลำดับของเฟรมจากวิดีโอฉันจะมีจำนวนการตรวจจับที่สามารถกำหนดลักษณะเป็นจุดในพื้นที่ 4D - ตำแหน่ง x, ตำแหน่ง y, ตำแหน่งรัศมีและดัชนีเฟรม มีขั้นตอนที่สามารถกู้โค้งจากคลาวด์ 4D point นี้ได้หรือไม่?

11 image-processing  noise  computer-vision  opencv  maximum-a-posteriori-estimation 

ฉันมีอินพุตเป็นภาพไบนารี 3Dและผลลัพธ์ที่ต้องการด้านล่าง: การป้อนข้อมูล: ผลลัพธ์ที่ต้องการ: ฉันควรมองหาวิธีการประมวลผลภาพแบบใดหากฉันมีเพียงวัตถุแหลมคมเหลืออยู่เช่นเดียวกับผลลัพธ์ที่ต้องการด้านบน

11 image-processing  computer-vision  3d 

กำลังมองหาระบบโอเพนซอร์ซที่อนุญาตให้ใช้ในเชิงพาณิชย์เพื่อทำการจดจำรูปภาพในคอลเล็กชั่นภาพขนาดใหญ่และเติบโตแบบออร์แกนิกของภาพสองมิติ ปรับขนาดของภาพ มุมที่ใช้ในการถ่ายภาพ การซิงค์สีออฟเซ็ตหมายความว่าเนื่องจากความผิดปกติในการจับภาพและการแสดงผลสีของภาพต้นฉบับนั้นแตกต่างกันไปในแต่ละอินสแตนซ์ การครอบตัดภาพ การเพิ่มลายน้ำหรือข้อความ รูปแบบการโฟกัสที่เป็นไปได้ซึ่งหมายความว่าการจับภาพไม่ได้อยู่ในโฟกัสไม่ใช่ว่ามีการใช้ตัวกรองการปรับแต่งภาพ ฉันโอเคกับการต้องฝึกอบรมแอปพลิเคชันตราบใดที่ผลตอบแทนจากการทำเช่นนั้นจะลดลง - กล่าวว่าในระยะยาวฉันคาดว่าจำนวนอินสแตนซ์ 2-D จะเติบโตมากกว่าสองสามพันครั้งแรกถึงร้อย จากหลายพัน แต่นั่นเป็นระยะยาวและฉันมีความสุขที่จะมีวิธีแก้ปัญหาที่ใช้งานได้ดีกับชุดฝึกอบรม 1,000 ตัวอย่างและ 10 ตัวอย่างต่อตัวอย่าง UPDATE:สิทธิ์ใช้งานจะต้องสามารถใช้สำหรับการแจกจ่ายภายในเชิงพาณิชย์โดยไม่ต้องปล่อยซอร์สโค้ดแม้แต่ภายในสำหรับผู้ที่มีไบนารี รหัสจะไม่ถูกขายเพียงใช้ภายใน แต่ไม่ใช่ผู้ใช้ทุกคนจะสามารถเข้าถึงซอร์สโค้ดได้เพียงแค่ส่วนต่อประสาน

11 image-processing  computer-vision 

ในความคิดเห็นต่อคำตอบนี้โดยใช้เลเซอร์ไดโอดและตะแกรงกระจายเพื่อให้พื้นผิวบนพื้นผิวถูกแนะนำเพื่อช่วยในการคำนวณความสูงในระบบการมองเห็นของคอมพิวเตอร์ ฉันเชื่อว่ารูปแบบที่ฉันคุ้นเคยคือฉายรูปแบบกระดานหมากรุกบนวัตถุ ฉันอยู่ภายใต้การทำความเข้าใจ (ไม่สมบูรณ์) ว่าการเสียรูปของภาพที่ฉายนั้นถูกนำไปใช้โดยตรง กล่าวคือรูปแบบสี่เหลี่ยมจัตุรัสเดิมที่คาดการณ์ไว้จะกลายเป็นรูปหลายเหลี่ยมโค้งและการแปลงกลับไปเป็นสี่เหลี่ยมจัตุรัสให้ข้อมูลเกี่ยวกับโครงสร้าง 3 มิติ สิ่งนี้ไม่ถูกต้องหรือ มีรูปแบบที่ต้องการหรือไม่ การพึ่งพาในการเลือกรูปแบบคืออะไร มันขึ้นอยู่กับรูปร่างวัสดุ ฯลฯ ของวัตถุเป้าหมายหรือเป็นฟังก์ชันของจำนวนความแปรปรวนในคุณลักษณะหรือไม่

11 computer-vision 

ฉันติดอยู่กับปัญหาเกี่ยวกับการแบ่งส่วนของวัตถุที่เป็นแก้ว ฉันต้องการวัตถุที่แม่นยำที่สุดเท่าที่จะเป็นไปได้ แนวทางของฉันแตกต่างกัน ตอนแรกฉันพยายามที่จะลบพื้นหลังเพื่อให้มีเพียงส่วนโค้งที่คมชัดเท่านั้น แต่ใช้งานได้กับวัตถุที่มีขอบ / การไล่ระดับสีคม มิฉะนั้นวัตถุก็จะถูกลบออกด้วย ฉันโพสต์ภาพที่แตกต่างกันสองภาพ ฉันพยายามที่จะลบพื้นหลังผ่านการดำเนินการทางสัณฐานวิทยาเช่นการขยายสีเทาและ divison บนมัน แต่มันก็ไม่ได้ช่วยอะไรมาก หลังจากนั้นฉันลองใช้วิธี k โดยใช้ k = 3 เพื่อให้ได้พื้นหลังที่ถูกดัดแปลงแยกออกจากค่าสีเทาและสีดำของแก้ว ไม่ประสบความสำเร็จในบางกรณี แต่ไม่รวม / โดยเฉลี่ย ฉันยังพยายามตรวจจับขอบแสนรู้ด้วยตัวกรองเบลอโดยรวม แต่สิ่งที่นำไปสู่ผลลัพธ์ที่อ่อนแอลงในรูปแบบของรูปทรงเปิดเสียงรบกวนมากมาย ฯลฯ pp Canny ด้วยผลลัพธ์ขีด จำกัด อัตโนมัติ: testimg = imread('http://i.imgur.com/huQVt.png'); imshow(testimg) imedges = edge(testimg,'canny'); imshow(imedges); กันไปสำหรับภาพที่สอง อย่างที่คุณเห็นมีเสียงรบกวนมากมายทั้งในและนอกและเพิ่มขอบสองเท่าจากขอบแก้ว แม้จะมีช่องว่างที่ขอบ ดังนั้นฉันต้องการคำแนะนำของคุณสำหรับวิธีการทั่วไปในการจัดการกับปัญหาของวัสดุกึ่งโปร่งใสนี้ไม่ใช่เพียงแค่ภาพสองภาพนี้ 1) แนวคิดอื่น ๆ สำหรับการลบพื้นหลังโดยไม่ทำให้วัตถุเสียหายหรือไม่ 2) วิธีการแบ่งส่วนอื่น …

11 image-processing  matlab  computer-vision  image-segmentation 

ฉันต้องแบ่งตับออกจากภาพ CT ของท้องโดยใช้ Adaptive Thresholding แต่ฉันได้พื้นหน้าทั้งหมดแยกออกจากพื้นหลังเพียงอย่างเดียว ฉันต้องการเพียงส่วนตับของเบื้องหน้าที่แยกจากกัน ลองดูไฟล์ pdf ในhttp://www.ijcaonline.org/casct/number1/SPE34T.pdf ฉันต้องการเอาต์พุตคล้ายกับที่แสดงในรูปที่ 6 ฉันแนบรหัสของฉันที่นี่ กรุณาช่วยฉันออก %testadaptivethresh.m clear;close all; im1=imread('nfliver2.jpg'); bwim1=adaptivethreshold(im1,11,0.03,0); figure,imshow(im1); figure,imshow(bwim1); imwrite(bwim1,'at2.jpg'); function bw=adaptivethreshold(IM,ws,C,tm) %ADAPTIVETHRESHOLD An adaptive thresholding algorithm that seperates the %foreground from the background with nonuniform illumination. % bw=adaptivethreshold(IM,ws,C) outputs a binary image bw with the local % …

11 matlab  image-processing  computer-vision 

ความแตกต่างระหว่างตัวตรวจจับคุณสมบัติและตัวอธิบายคุณลักษณะคืออะไร ซึ่งในบรรดาสิ่งเหล่านี้คือเครื่องตรวจจับและเป็นตัวบ่งชี้: แฮร์ริสเซิร์ฟมินไอเกนรวดเร็วฟาสต์บริสก์

11 image-processing  computer-vision  local-features 

พิจารณาสัญญาณรูปคลื่นที่ 4 ต่อไปนี้: signal1 = [4.1880 11.5270 55.8612 110.6730 146.2967 145.4113 104.1815 60.1679 14.3949 -53.7558 -72.6384 -88.0250 -98.4607] signal2 = [ -39.6966 44.8127 95.0896 145.4097 144.5878 95.5007 61.0545 47.2886 28.1277 -40.9720 -53.6246 -63.4821 -72.3029 -74.8313 -77.8124] signal3 = [-225.5691 -192.8458 -145.6628 151.0867 172.0412 172.5784 164.2109 160.3817 164.5383 171.8134 178.3905 180.8994 …

10 computer-vision  frequency-spectrum  autocorrelation  speech-recognition 

Disclaimer : ฉันโพสต์คำถามนี้ใน StackOverFlowแต่ได้เรียนรู้ว่ามันเหมาะกว่าที่นี่ ฉันเป็นคนใหม่ในการประมวลผลภาพดังนั้นฉันอยากถามคุณเกี่ยวกับการหาทางออกที่ดีที่สุดสำหรับปัญหาของฉันไม่ใช่ช่วยรหัส ฉันไม่สามารถนึกถึงความคิดที่ดี แต่อยากจะขอคำแนะนำจากคุณ ฉันกำลังทำงานในโครงการที่ใช้ OpenCV ในการนับยานพาหนะจากไฟล์วิดีโอหรือกล้องถ่ายทอดสด คนอื่นที่ทำงานในโครงการดังกล่าวโดยทั่วไปติดตามวัตถุที่เคลื่อนไหวแล้วนับพวกเขา แต่แทนที่จะเป็นเช่นนั้นฉันต้องการทำงานกับมุมมองที่ต่างออกไป ขอให้ผู้ใช้ตั้งค่า ROI (ภูมิภาคที่สนใจ) ในหน้าต่างวิดีโอและทำงานเฉพาะในภูมิภาคนี้ (ด้วยเหตุผลบางอย่างเช่นไม่ต้องการจัดการกับทั้งเฟรมและเพิ่มประสิทธิภาพบางอย่าง) ดังที่แสดงด้านล่าง (ผู้ใช้สามารถตั้งค่า ROI มากกว่าหนึ่งและขอให้ผู้ใช้กำหนดความสูงของ ROI ประมาณสองเท่าของรถยนต์ปกติตามสัดส่วน) ฉันได้ดำเนินการขั้นพื้นฐานไปแล้วบางอย่างเช่นการอัปเดตพื้นหลังตัวกรองสัณฐานวิทยาการทำซ้ำและการทำให้วัตถุเคลื่อนที่เป็นภาพไบนารีอย่างเช่นด้านล่าง หลังจากทำเสร็จแล้วฉันพยายามนับพิกเซลสีขาวของเฟรมด้านหน้าเบื้องหน้าสุดท้ายและประเมินว่าเป็นรถยนต์หรือไม่โดยตรวจสอบจำนวนพิกเซลสีขาวทั้งหมด . เพื่ออธิบายฉันวาดกราฟิกตัวอย่าง: อย่างที่คุณเห็นมันเป็นเรื่องง่ายที่จะคำนวณพิกเซลสีขาวและตรวจสอบว่ามันเป็นเส้นโค้งตามเวลาและพิจารณาว่ารถยนต์หรือเสียงรบกวนหรือไม่ ปัญหา ฉันค่อนข้างประสบความสำเร็จจนกระทั่งรถสองคันผ่าน ROI ของฉันพร้อมกัน อัลกอริทึมของฉันนับพวกเขาอย่างไม่ถูกต้องเป็นรถยนต์คันเดียว ฉันลองแนวทางที่แตกต่างกันสำหรับปัญหานี้และคล้ายกับสิ่งนี้เช่นรถถังยาว แต่ฉันไม่พบวิธีแก้ปัญหาที่น่าพอใจ คำถาม เป็นไปได้หรือไม่ที่จะจัดการกับภารกิจนี้ด้วยวิธีการนับจำนวนพิกเซลนี้ ถ้าไม่คุณแนะนำอะไร

10 computer-vision  opencv  motion-detection 

ฉันมีกล้องสอบเทียบและมีพารามิเตอร์ที่แท้จริง ฉันยังมีพารามิเตอร์ภายนอกที่เกี่ยวข้องกับจุด (กำเนิดโลก) บนพื้นผิวภาพถ่ายในโลกแห่งความจริง จุดนี้ฉันได้ตั้งค่าเป็นจุดกำเนิดในพิกัดโลกแห่งความจริง [0,0,0] ด้วยค่าปกติ [0,0,1] จากพารามิเตอร์ภายนอกเหล่านี้ฉันสามารถหาตำแหน่งและการหมุนของกล้องในพิกัดโลกระนาบ 3 มิติได้ที่นี่: http://en.wikipedia.org/wiki/Camera_resectioning ตอนนี้ฉันมีจุดที่สองซึ่งฉันได้ดึงพิกัดภาพสำหรับ [x, y] ฉันจะรับตำแหน่ง 3 มิติของจุดนี้ในระบบพิกัดโลกได้อย่างไร ฉันคิดว่าสัญชาตญาณตรงนี้คือฉันต้องติดตามรังสีที่ไปจากศูนย์กลางออปติคัลของกล้อง (ซึ่งตอนนี้ฉันมีตำแหน่ง 3D ตามที่อธิบายไว้ข้างต้น) ผ่านระนาบภาพ [x, y] ของกล้องแล้ว ผ่านระนาบโลกแห่งความจริงของฉันที่ฉันกำหนดไว้ที่ด้านบน ตอนนี้ฉันสามารถตัดกันพิกัดโลก 3 มิติด้วยระนาบเนื่องจากฉันรู้ว่าปกติและชี้ไปที่ระนาบนั้น สิ่งที่ฉันไม่ได้รับคือวิธีหาตำแหน่ง 3d และทิศทางเมื่อออกจากระนาบภาพเป็นพิกเซล มันเป็นการเปลี่ยนแปลงผ่านระบบพิกัดที่ทำให้ฉันสับสน

10 computer-vision  3d  camera 

ฉันมีความยากลำบากในการทำความเข้าใจวิธีการคำนวณอัตราข้อมูลเมื่อยกระดับการสุ่มตัวอย่างด้วยสีในตัวอย่างของภาพ Y'UV: ฉันมีตัวอย่างต่อไปนี้สำหรับการคำนวณ: ความละเอียดของภาพ: 352*288 ความถี่: 25 fps สำหรับ(4: 4: 4)การคำนวณตัวอย่างจะเป็นดังนี้: (352px * 288px) * 3 color channels * 25 fps * 8 bit = 60 825 600 bit/s จนถึงตอนนี้ดีมาก แต่ตอนนี้มาถึง(4: 2: 0) : (352px*288px) * 1.5 color channels * 25 * 8 = 30 412 800 bit/s ตอนนี้พยายามที่จะถ่ายโอนตัวอย่างนี้ไปยังเช่น(4: 1: …

10 image-processing  image-processing  matlab  fourier-series  wavelet  transform  image-processing  matlab  image  image-processing  image-registration  segmentation  image-processing  edge-detection  canny-edge-detector  tracking  image  fft  stft  image-processing  preprocessing  segmentation  image-processing  computer-vision  image-segmentation  thresholding  frequency-spectrum  wave  image-processing  edge-detection  window-functions  image-processing  optical-flow  image-processing  ocr  text-recognition  image-processing  computer-vision  frequency-spectrum  image-processing  image-processing  computer-vision  fourier-transform  dsp-core  wave  image-processing  3d