opencv - 主成分分析和旋转

Question

我已经实现了 PCA，以便将旋转信息分配给从图像中提取的连接的 2D 点(边缘片段，请参见下图中的数据点示例)。我希望信息在数据轮换下能够稳健地重现，以便我可以将其用于识别目的(与 1 相比)。为此，我希望主成分(特征向量)随点旋转(+- 180 度)。

我的实现包括数据的平均居中。我还测试了 OpenCV 的实现和 Python 中的一个实现，它们产生了相同的结果。这就是为什么我假设我的实现是正确的并且问题出在方法本身。对于其他 2D 分布，我得到了很好的结果。尽管如此，对于这些特定的数据点，它似乎不起作用。

我已经完成了所有测试，无论是否对标准差进行归一化(即，将 x 和 y 值的数据除以它们的标准差)。

这是我对数据进行不同旋转的结果(从图像中提取):

PCA Results

可以看出，该方法不允许找到可重现的旋转。数据受量化影响(因为它是从图像中提取的)，这就是为什么我认为这是问题的根源。因此，我重复了添加随机噪声的实验(第 4 列)。可以看出，这似乎不是问题所在。

我不知道如何解释显示的效果。我注意到主轴的总体方向在第一行和第二行中似乎分别相似。我认为这意味着什么，但究竟是什么？我能以某种方式解决这个问题，还是有更好的方法来解决这个问题？由于一些预处理，可以假设没有异常值。

感谢您的帮助!

Answer 1

对于像您所示的对称形状，您可以尝试这样的对称检测器:https://github.com/subokita/Sandbox/tree/master/FSD

在例子中它给出这样的结果: