- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
为什么要使用它,因为我们可以简单地通过像素强度值分割图像分量?就像如果我想提取女孩的皮肤和头发一样,我可以简单地根据像素强度值来执行此操作,而不是使用复杂的 k 均值算法。
最佳答案
分割并不简单。聚类比手动阈值更容易、更稳健。
让我们使用 Matlab 来看看:
感兴趣的区域是黄色花瓣。让我们将 RGB 图像分为三个不同的平面:
lily = imread('yellowlily.jpg')
redplane = lily(:,:,1);
greenplane = lily(:,:,2);
blueplane = lily(:,:;3);
imshow(greenplane); colormap(jet); imcontrast;
查看绿色平面:
那么黄色实际上比绿色更“绿”?呃哦。好吧,不管怎样,我们只要结合阈值就可以了。黄色在红色平面和绿色平面中很强,因此需要两个阈值才能找到它。绿色中的绿色较强,而背景中的黑色则具有较高的值(value)。那么黄色有两个阈值,绿色有一个阈值,但不是黑色或黄色,所以绿色有三个比较..?直到光线发生一点变化并完全破坏我们的手动阈值。
或者我们可以尝试聚类:
redIndices = redPlane(:);
greenIndices = greenPlane(:);
blueIndices = bluePlane(:);
Data = [redIndices, blueIndices, greenIndices];
clusterIdx = kmeans(Data,3);
ClusterImage = zeros(size(RedPlane));
ClusterImage(:) = clusterIdx;
快到了。我们得到了黄色的花瓣,绿色的花瓣失败了,黑色的需要一些形态上的爱。只有一个参数,簇的数量。也许高斯混合模型作为软 K 均值?
还要考虑的一点是重叠的颜色,例如黄色花瓣底部附近的绿色。你正在分割头发的女孩可能站在一些树皮上有同样棕色的树附近。您可以将图像中的距离添加为数据的一维,例如我之前提到的GMM。色彩空间和图像中的距离概念可以成为一种强大且稳健的分割工具,这是手动阈值永远无法做到的。
关于image-processing - 为什么在图像处理中使用 k 均值聚类?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39934151/
很难说出这里问的是什么。这个问题是含糊的、模糊的、不完整的、过于宽泛的或修辞性的,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开它,visit the help center 。 已关
我们可以说 O(K + (N-K)logK)相当于O(K + N logK)对于 1 < = K <= N ? 最佳答案 简短的回答是它们不等价,这取决于k 的值。如果k等于N,那么第一个复杂度是O(
我有以下解决方案,但我从其他评论者那里听说它是 O(N * K * K),而不是 O(N * K)其中 N 是 K 列表的(最大)长度,K 是列表的数量。例如,给定列表 [1, 2, 3] 和 [4,
我试图理解这些语法结构之间的语义差异。 if ((i% k) == (l % k) == 0) 和 if ((i % k) == 0 && (l % k) == 0) 最佳答案 您的特定表达式((i
我有时会使用一维数组: A = np.array([1, 2, 3, 4]) 或 2D 阵列(使用 scipy.io.wavfile 读取单声道或立体声信号): A = np.array([[1, 2
在文档聚类过程中,作为数据预处理步骤,我首先应用奇异向量分解得到U、S和Vt 然后通过选择适当数量的特征值,我截断了 Vt,这让我从阅读的内容中得到了很好的文档-文档相关性 here .现在我正在对矩
我问的是关于 Top K 算法的问题。我认为 O(n + k log n) 应该更快,因为……例如,如果您尝试插入 k = 300 和 n = 100000000,我们可以看到 O(n + k log
这个问题与另一个问题R:sample()密切相关。 。我想在 R 中找到一种方法来列出 k 个数字的所有排列,总和为 k,其中每个数字都是从 0:k 中选择的。如果k=7,我可以从0,1,...,7中
我目前正在评估基于隐式反馈的推荐系统。我对排名任务的评估指标有点困惑。具体来说,我希望通过精确度和召回率来进行评估。 Precision@k has the advantage of not requ
我在 Python 中工作,需要找到一种算法来生成所有可能的 n 维 k,k,...,k 数组,每个数组都沿轴有一行 1。因此,该函数接受两个数字 - n 和 k,并且应该返回一个数组列表,其中包含沿
我们有 N 对。每对包含两个数字。我们必须找到最大数 K,这样如果我们从给定的 N 对中取 J (1 2,如果我们选择三对 (1,2),我们只有两个不同的数字,即 1 和 2。 从一个开始检查每个可能
鉴于以下问题,我不能完全确定我当前的解决方案: 问题: 给定一个包含 n 元素的最大堆,它存储在数组 A 中,是否可以打印所有最大的 K 元素在 O(K*log(K)) 中? 我的回答: 是的,是的,
我明白了: val vector: RDD[(String, Array[String])] = [("a", {v1,v2,..}),("b", {u1,u2,..})] 想转换成: RDD[(St
我有 X 个正数,索引为 x_i。每个 x_i 需要进入 K 组之一(其中 K 是预先确定的)。令 S_j 为 K_j 中所有 x_i 的总和。我需要分配所有 x_i 以使所有 S_j 的方差最小化。
关闭。这个问题是not reproducible or was caused by typos .它目前不接受答案。 这个问题是由于错别字或无法再重现的问题引起的。虽然类似的问题可能是on-topi
我正在研究寻找原始数的算法,看到下面的语句,我不明白为什么。 while (k*k <= n) 优于 while (k <= Math.sqrt(n)) 是因为函数调用吗?该调用函数使用更多资源。 更
我想找到一种尽可能快的方法来将两个小 bool 矩阵相乘,其中小意味着 8x8、9x9 ... 16x16。这个例程会被大量使用,所以需要非常高效,所以请不要建议直截了当的解决方案应该足够快。 对于
有没有一种惯用的方法来获取 Set和 Function ,并获得 Map实时取景? (即 Map 由 Set 和 Function 组合支持,例如,如果将元素添加到 Set ,则相应的条目也存在于 M
这个问题在这里已经有了答案: Can a local variable's memory be accessed outside its scope? (20 个答案) returning addr
给定一个矩阵:- k = [1 2 3 ; 4 5 6 ; 7 8 NaN]; 如果我想用 0 替换一个数字,比如 2,我可以使用这个:k(k==2) =
我是一名优秀的程序员,十分优秀!