คำถามติดแท็ก edge-detection

ฉันได้เรียนรู้เกี่ยวกับอัลกอริธึมการตรวจจับขอบจำนวนหนึ่งรวมถึงอัลกอริทึมอย่าง Sobel, Laplacian และ Canny ดูเหมือนว่าสำหรับฉันแล้วตัวตรวจจับขอบที่ได้รับความนิยมมากที่สุดคือตัวตรวจจับขอบ Canny แต่มีบางกรณีที่นี่ไม่ใช่อัลกอริธึมที่เหมาะสมที่สุดที่จะใช้หรือไม่? ฉันจะตัดสินใจได้อย่างไรว่าจะใช้อัลกอริทึมใด ขอบคุณ!

33 algorithms  image-processing  edge-detection 

คำถามนี้ถูกโยกย้ายจาก Stack Overflow เพราะสามารถตอบได้ในการประมวลผลสัญญาณ Stack Exchange อพยพ 8 ปีที่ผ่านมา ฉันต้องการค้นหารูปทรงทั้งหมดในภาพที่ดึงมาจากกล้อง ดังนั้นก่อนอื่นให้ใช้ตัวตรวจจับขอบแสนรู้เพื่อหาขอบแล้วหารูปทรง ค่อนข้างง่าย อย่างไรก็ตามรูปทรงของฉันได้รับการ "ผสาน" ตัวอย่างเช่นในภาพด้านล่างฉันมีวัตถุต่าง ๆ 4 อย่างชัดเจน แม้ว่าขอบบางจุดจะสัมผัสกันเล็กน้อยดังนั้นฉันจึงได้รูปร่างที่ใหญ่แทนที่จะเป็นสี่แยก ฉันพยายามเปลี่ยนค่าขีด จำกัด การกัดเซาะการสัณฐานวิทยาและสิ่งที่คล้ายกัน แต่ขอบสัมผัสกันเล็กน้อย ไม่มีใครมีข้อเสนอแนะเกี่ยวกับวิธีการได้รับรูปทรงแยกต่างหากในภาพคล้ายกับด้านล่าง? (ภาพด้านล่างเป็นเพียงตัวอย่างจริงภาพจริงของฉันซับซ้อนกว่ามาก แต่มีปัญหาพื้นฐานเหมือนกัน)

21 image-processing  edge-detection 

ฉันกำลังพยายามใช้ตัวกรอง IIR อันดับที่ 8 และบันทึกย่อของแอปพลิเคชันและหนังสือทุกเล่มที่ฉันได้อ่านบอกว่ามันเป็นการดีที่สุดที่จะใช้ตัวกรองลำดับที่สองมากกว่านั้นเป็นส่วนที่สอง ฉันใช้tf2sosMATLAB เพื่อรับค่าสัมประสิทธิ์สำหรับส่วนที่สองซึ่งทำให้ฉันมีค่า 6x4 coeffs สำหรับส่วนของคำสั่งที่สอง 4 ตามที่คาดไว้ ก่อนการใช้งานเป็น SOS ตัวกรองลำดับที่ 8 จำเป็นต้องเก็บค่าตัวอย่าง 7 ค่าก่อนหน้า (และค่าเอาต์พุตด้วย) ตอนนี้เมื่อดำเนินการตามลำดับส่วนที่สองโฟลว์ทำงานอย่างไรจากอินพุตไปยังเอาต์พุตฉันต้องเก็บค่าตัวอย่างก่อนหน้านี้เพียง 2 ค่าหรือไม่ หรือผลลัพธ์ของตัวกรองตัวแรกป้อนเช่นเดียวx_inกับตัวกรองที่สองและอื่น ๆ ?

20 filters  filter-design  infinite-impulse-response  biquad  audio  image-processing  distance-metrics  algorithms  interpolation  audio  hardware  performance  sampling  computer-vision  dsp-core  music  frequency-spectrum  matlab  power-spectral-density  filter-design  ica  source-separation  fourier-transform  fourier-transform  sampling  bandpass  audio  algorithms  edge-detection  filters  computer-vision  stereo-vision  filters  finite-impulse-response  infinite-impulse-response  image-processing  blur  impulse-response  state-space  linear-systems  dft  floating-point  software-implementation  oscillator  matched-filter  digital-communications  digital-communications  deconvolution  continuous-signals  discrete-signals  transfer-function  image-processing  computer-vision  3d 

วรรณกรรมส่วนใหญ่เกี่ยวกับอัลกอริธึมการตรวจจับขอบและแอพพลิเคชั่นที่ใช้การตรวจจับขอบอ้างอิงเครื่องตรวจจับขอบของ Canny มากจนดูเหมือน "แก้ปัญหา" เกือบถึงการตรวจจับขอบ แน่นอนว่ามันจะทำให้งานดีที่สุดสมดุลเสียงรบกวนและรักษาขอบ อย่างไรก็ตามในความอยากรู้อยากเห็นง่ายๆมีพื้นที่ของความกังวลสำหรับเครื่องตรวจจับขอบของ Canny หรือไม่? หรือมีพื้นที่ของแอปพลิเคชันที่ Canny จะไม่ดีที่สุด ในบริบทนี้การดำเนินการที่รวดเร็วไม่ได้เกี่ยวข้องกับ จุดโฟกัสของตัวตรวจจับขอบที่ดีหรือไม่ดีควรเป็นคุณภาพและประโยชน์ของขอบที่สร้างขึ้น นอกจากนี้ฉันไม่ได้มุ่งเน้นไปที่ปัญหาเฉพาะการใช้งาน ฉันกำลังมองหาข้อ จำกัด ทางทฤษฎีหรือลักษณะเพิ่มเติมที่มีอยู่ในอัลกอริทึม

18 image-processing  edge-detection 

สวัสดีชุมชน CV / รูปแบบการรับรู้ ฉันมีปัญหาร้ายแรงเกี่ยวกับการแบ่งส่วนของรูปภาพ สถานการณ์เป็นบรรยากาศภายในเตาหลอมซึ่งทำให้หัวฉันเสียสติ และฉันต้องการตรวจจับวัตถุรูปทรงของวัสดุที่แตกต่างกัน (แก้ว, เซรามิก, อัล, ไออาร์ .. ) ในช่วงเวลาสั้น ๆ (<10 วินาที) และไม่ใช่แค่กรณีพิเศษอย่างเดียว ฉันยังต้องการเส้นชั้นความสูงในแถวพิกเซลต่อเนื่องเพื่อรับรหัส ดังนั้นจำเป็นต้องใช้รหัสลูกโซ่หรือที่เรียกว่าการติดตามเส้นขอบ / รูปร่างดังนั้นรูเปิดจึงไม่ดี ในพื้นหลังไม่ใช่เสียงเชิงเส้นประมาณฝุ่นอนุภาคหรืออย่างอื่นที่ปรากฏขึ้นเป็นครั้งคราว ยินดีต้อนรับข้อเสนอแนะ Matlab หรือ OpenCV เพื่อให้ชัดเจนยิ่งขึ้นฉันได้โพสต์ภาพเป้าหมายและวัตถุโปร่งใสครึ่งหนึ่งซึ่งต้องตรวจจับด้วย นอกจากนี้ยังมีตัวอย่างเพิ่มเติมที่ต้องระวัง อย่างที่คุณเห็นในภาพ # 1 มีอนุภาคอยู่ทางด้านขวาของภาพและใกล้กับรูปร่างชั้นนอกของดาวซึ่งเป็นวัตถุ ความคมชัดโดยรวมยังไม่ดีมาก วัตถุนั้นตั้งอยู่บนชั้นใต้ดินซึ่งไม่เกี่ยวข้องกับการตรวจจับเส้นชั้นความสูง รูปภาพ # 2 แสดงวัตถุแบบกึ่งโปร่งใสซึ่งเป็นไปได้เช่นกัน ฉันต้องการค้นหารูปร่าง / ขอบเขตของวัตถุนั้นเช่นบนหน้าจอถัดไป (เส้นสีแดง) สี่เหลี่ยมสองรูป (สีเหลือง) กำลังทำเครื่องหมายจุดเริ่มต้น (ซ้าย) และจุดสิ้นสุด (ขวา) เส้นสีฟ้านั้นไม่น่าสนใจ …

15 matlab  opencv  computer-vision  edge-detection  image-segmentation 

ฉันมีภาพไบนารีที่ได้รับจากเครื่องตรวจจับขอบแสนรู้ ไม่มีการตรวจจับขอบในศูนย์และฉันต้องเข้าร่วม การเชื่อมต่อของขอบเป็นการวางแนวและขึ้นอยู่กับพื้นที่ใกล้เคียง ฉันจำเป็นต้องเชื่อมต่อจุดยอดถ้าพวกเขาอยู่ต่ำกว่าเกณฑ์ (พูดน้อยกว่า 5 พิกเซลระยะทาง) หากคุณสมบัติเชิงเส้นเกือบของฉันมุ่งเน้นอย่างดีเกณฑ์นี้ควรจะผ่อนคลาย (นี่เป็นกรณีที่ดีที่สุด) ฉันลองแปลง Hough แล้ว แต่ก็ไม่ได้ผลสำหรับฉันเพราะฉันไม่มีเส้นตรง การขยายและการกัดเซาะก็ไม่ดีเช่นกัน พวกเขาทำให้ภาพยุ่งเหยิง วิธีที่ฉันพยายามคือการตรวจจับจุดยอดและโหนด (ใน MATLAB ด้วยbwmorph) ก่อนจากนั้นสร้างใบไม้เป็นคุณลักษณะแยกต่างหาก สิ่งนี้ทำได้ดังนี้: การสแกนในหน้าต่าง 3x3 มองหาเพื่อนบ้าน สำรวจวัตถุที่เชื่อมต่อที่สมบูรณ์ พยายามให้พอดีกับเส้น (หรืออาจเป็นพหุนามกำลังสอง) ตรวจสอบฟีเจอร์โดยฟีเจอร์ถ้ามันคุ้มค่าการเชื่อมต่อหรือไม่ การดำเนินการไม่ตรงไปตรงมาเนื่องจากส่วนการตัดสินใจที่ต้องเชื่อมต่อจุดยอดเป็นเรื่องยุ่งยาก

14 computer-vision  edge-detection 

รับชุดของจุด (2D) คือเมฆจุด (PC) เป็นคำถามที่เป็นเรื่องเกี่ยวกับrobust, accurateและcomputing-friendlyวิธีการที่จะหาวงกลม (หรือวงรีในรุ่นที่สูง) แนวคิดที่ใช้งานง่ายคือการใช้การค้นหา Brute-Force ในทุกจุดที่เป็นไปได้ (เป็นศูนย์กลาง) {infinite!} และ radii (infinite อีกครั้ง!) นี่คือสุดขีดช้ามากและไม่มีประสิทธิภาพ ดังที่แสดงให้เห็นว่าแต่ละวงกลมที่ต่อกันนั้นจะถูกจัดอันดับตามจำนวนของจุด ( nn) ที่อยู่ในเส้นรอบวงของวงกลมในระยะทางที่สั้นกว่าธรณีประตู ( t) ดังนั้นจึงderrต้องนำเสนอระยะทางเฉลี่ย ในรูปไข่ขั้นสูงมีความสนใจที่จะติดตั้ง ความคิดใด ๆ ระดมสมองประสบการณ์ความคิดเห็น?

14 edge-detection  local-features  point-cloud  hough-transform 

เทคนิคใดที่เราจะใช้ในการประมาณเวลาที่เริ่มมีอาการของเสียงไซนัสออกมาในสัญญาณที่มีเสียงดัง สมมติว่าเสียงระเบิดมีความถี่คงที่ที่ทราบ (แต่ไม่ทราบระยะ) และเวลาเพิ่มขึ้นที่คมชัดมากและเป้าหมายคือการประเมินเวลาเริ่มต้นภายในเวลาที่ดีกว่าครึ่งเวลาเพิ่มขึ้นและ / หรือระยะเวลาหนึ่งของความถี่ของเสียง , ถ้าเป็นไปได้. เทคนิคการประมาณค่าจะเปลี่ยนไปอย่างไรถ้าอัตราส่วน S / N ต่ำมาก (น้อยกว่า 1) เพิ่ม: สมมติว่าความดังของเสียงนั้นมีความยาวไม่ทราบ แต่นานกว่าตัวคูณเล็ก ๆ ของเวลาที่เพิ่มขึ้นและช่วงความถี่ เพิ่มเติม: DFT / FFT แสดงการมีอยู่ของเสียง ปัญหาคือการหาอย่างแม่นยำตรงที่ในหน้าต่าง FFT เสียง (หรืออาจมีหลายเสียงระเบิดของความถี่เดียวกัน) อาจเริ่มต้นภายในหน้าต่าง FFT หรือพิจารณาว่าเสียงปัจจุบันเริ่มนอกหน้าต่าง DFT นั้นถ้าฉันมีทุกสิ่งที่ ข้อมูลโดเมนเวลาเพิ่มเติม ความแม่นยำในการตรวจจับเรดาร์ของพัลส์นั้นใกล้เคียงกับความละเอียดที่ฉันต้องการยกเว้นฉันมีเพียงขอบเนื่องจากโทนเสียงนั้นมีความยาวที่ไม่รู้จัก ตัวกรองผ่านแถบแคบทำให้เวลาที่เพิ่มขึ้นผิดเพี้ยนและทำให้ความละเอียดการประมาณค่าการมาถึงของการทำลายขอบลดลง

14 audio  algorithms  edge-detection 

ในภาพที่แสดงด้านล่างผมมีชุดข้อมูล 2D [0,1,2,3]ที่ฉันได้ระบุสี่กลุ่มที่มีป้ายกำกับ ฉันกำลังมองหาอัลกอริทึมในการวางฉลากด้วยวิธีธรรมชาติสำหรับแต่ละรูปร่าง การเดาครั้งแรกของฉันคือการวางพวกเขาใน "จุดศูนย์กลางมวล" ของคลัสเตอร์ซึ่งแสดงอยู่ด้านล่าง สำหรับกลุ่มที่ต่อเนื่องกันทำงานได้ดี สำหรับกลุ่มที่มีรูปร่างเหมือนในคลัสเตอร์0อย่างไรก็ตามวิธีการล้มเหลว หากไม่มีการใช้คำอธิบายภาพจะมีวิธีใดที่ดีกว่าในการวางป้ายกำกับในภาพนี้ * ธรรมชาติที่นี่อยู่ในระดับหนึ่ง แต่ประเด็นของฉลากคือการช่วยให้ผู้ดูเชื่อมโยงภูมิภาคบางแห่งในระนาบ xy ด้วยตัวเลข

12 image-processing  edge-detection 

เราสามารถใช้ประโยชน์จากข้อเท็จจริงที่ว่าส่วนประกอบความถี่สูงใน FFT ของภาพโดยทั่วไปสอดคล้องกับขอบเพื่อใช้อัลกอริทึมตรวจจับขอบในโดเมนฟูริเยร์? ฉันลองคูณตัวกรองความถี่สูงผ่านด้วย FFT ของรูปภาพ แม้ว่าการเรียงลำดับภาพที่เป็นผลลัพธ์จะตรงกับขอบ แต่ก็ไม่ได้เป็นการตรวจจับขอบที่สร้างขึ้นโดยใช้เมทริกซ์ convolution อย่างแน่นอน ดังนั้นมีวิธีใดที่คุณสามารถทำการตรวจจับขอบในโดเมนฟูริเยร์หรือเป็นไปไม่ได้เลย?

11 image-processing  fft  fourier-transform  edge-detection 

ฉันรู้ว่าคำถามนี้อาจไม่เกี่ยวข้องกับการเขียนโปรแกรม แต่ถ้าฉันไม่เข้าใจทฤษฎีที่อยู่เบื้องหลังการประมวลผลภาพฉันจะไม่สามารถนำบางสิ่งไปใช้ในทางปฏิบัติ ถ้าฉันเข้าใจถูกต้องตัวกรองเกาส์เซียนจะถูกโน้มน้าวด้วยภาพเพื่อลดสัญญาณรบกวนเนื่องจากพวกมันคำนวณค่าเฉลี่ยของพื้นที่ใกล้เคียงของพิกเซลและพวกมันมีประโยชน์มากในการตรวจจับขอบเนื่องจากคุณสามารถใช้ความเบลอและได้ภาพในเวลาเดียวกันด้วย เพียงแค่สนทนากับอนุพันธ์ของฟังก์ชันเกาส์เซียน แต่ทุกคนสามารถอธิบายฉันได้หรือให้การอ้างอิงบางอย่างแก่ฉันเกี่ยวกับวิธีคำนวณ เช่นเครื่องตรวจจับขอบของ Cannyพูดถึงตัวกรอง Gaussian 5x5 แต่พวกเขารับหมายเลขเหล่านั้นได้อย่างไร และพวกเขาเปลี่ยนจากการโน้มน้าวอย่างต่อเนื่องเป็นการคูณเมทริกซ์ได้อย่างไร

11 image-processing  filtering  gradient  edge-detection 

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 

คำถามสุดท้ายที่จับคู่กับเครื่องตรวจจับขอบ Canny ข้อ จำกัด ของเครื่องตรวจจับขอบ Canny คืออะไร? และ วิธีที่ดีที่สุดในการแบ่งกลุ่มเส้นเลือดในใบไม้? โครงร่างพื้นฐานของอัลกอริทึมมีดังนี้: ใช้ Gaussian Convolution ทางเลือกของσσ\sigmaจะทำที่นี่) b. สมัคร 2D อนุพันธ์ ค ติดตามผ่านสันเขาของขอบนี้และ thresholding (ตั้งค่าพิกเซลเป็นศูนย์ซึ่งไม่ได้อยู่บนขอบ) ด้วย Hysteresis Lower และ T0 และ T1 ที่สูงขึ้น (ตัวเลือกของT0T0T0 และ T1T1T1 ที่จะทำที่นี่) อ่านนี้สำหรับพื้นหลังเพิ่มเติม ในขณะที่มันอ้างว่าเป็นสิ่งที่ดีที่สุด ; เมื่อได้รับผลการปฏิบัติเรื่องปัจจัยการปรับตามที่ระบุไว้ข้างต้นσ, T0 ,σ,T0,\sigma, T0, และ T1T1T1 สร้างความแตกต่างได้มากมาย ดังนั้นหนึ่งจะเลือกพารามิเตอร์ (tweaking) เหล่านี้จริงได้อย่างไร แม้ว่าจะไม่มีวิธีหรือคุณค่าที่ชัดเจนเทคนิคทั่วไปในการรู้สิ่งนี้คืออะไร?

10 image-processing  edge-detection  canny-edge-detector 

ฉันกำลังพยายามใช้การตรวจจับขอบ Roberts เพื่อประมวลผลภาพ ฉันเพิ่งใช้มาสก์ทั้งสองกับภาพและทำการบิดตามปกติหรือไม่ มีคนให้รายละเอียดของวิธีการใช้วิธีการตรวจจับขอบนี้ให้ฉันได้หรือไม่เพราะฉันพยายามตั้งโปรแกรมให้ประมวลผลภาพสีเทา ฉันปรับภาพให้ซับซ้อนโดยใช้ทั้งสองเมล็ดแยกกัน ขอบคุณ

10 edge-detection  homework 

หากว่าใครบางคนสามารถที่จะให้ฉันข้อมูลบางส่วนหรือการเชื่อมโยง ฯลฯ ... เกี่ยวกับhaarlets aka Haar เวฟเช่นคุณสมบัติ ฉันกำลังอ่านเอกสารหลายฉบับสำหรับวิทยานิพนธ์ปริญญาโทของฉันและเอกสารเหล่านี้หลายฉบับพูดถึงเรื่องเล็ก ๆ น้อย ๆ ฉันไม่สามารถรับสิ่งที่พวกเขาเป็นและวิธีการใช้งานได้ ฉันขอโทษถ้านี่เป็นคำถามพื้นฐาน แต่ฉันจะขอขอบคุณข้อมูลที่มีโครงสร้างที่ชัดเจนบางอย่างเกี่ยวกับเรื่องนี้

10 image-processing  edge-detection  wavelet