gpt4 book ai didi

image-processing - 霍夫将累加器转换为笛卡尔

转载 作者:行者123 更新时间:2023-12-03 19:21:40 25 4
gpt4 key购买 nike

我正在学习一门关于视觉系统的类(class),其中一个问题是;

对于所示的蓄能器;

  • 确定代表原始图像中强度最大的直线的最可能的 r,θ 组合。

  • 根据我对累加器的理解,这将是 r = 60, θ = 150因为 41 票是这组大票中的最高票数。我对这个组合正确吗?
  • 因此以 y = mx + c 的形式计算这条线的方程

  • 我不确定转换 r = 60, θ = 150 所需的转换步骤至 y = mx + c使用自 r = 60, θ = 150 以来提供的信息表示线上的 1 个点。
  • 陈述你的答案的解决方案并给出你的推理

  • 我认为分辨率与听诊中的某些步骤有关,而不是原始图像的实际分辨率,因为这与图像中检测到的边缘无关。

    对上述 3 点的任何指导将不胜感激!

    enter image description here

    最佳答案

  • 是的,这是正确的。
  • 这是在问你给定 r 和 theta 的线的斜率和截距是多少。 r 和 theta 不是线上的一点,而是累加器的一点。 r 和 theta 使用极坐标中的线方程描述一条线: .这是霍夫变换的一个很酷的地方,一个空间(即图像空间)中的每一行都可以用另一个空间(r,theta)中的一个点来描述。这可以通过线方程 中的 m 和 b 来完成。 ,但众所周知,对于垂直线,m 是未定义的。这就是使用极线方程的原因。需要注意的是,HT r 和 theta 所描述的线是指从原点延伸到图像中实际线的线。这意味着您的图像线 y = mx + b 方程需要与极坐标方程正交。 The wiki article在 HT 上很好地描述了这一点并显示了示例。我建议绘制一张 r 和 theta 的图表,延伸到这样的线:

    1]

    然后用trig得到红线上的两个点。两点足以从直线方程中给出 m 和 b。
  • 我不完全确定在这种情况下“解决方案”指的是什么。但看起来您的线估计器确实会有一些精度损失,因为 r 是每 20 毫米而 theta 是每 15 度。也许它是在问给定此分辨率的累加器,您会得到多大程度的误差。
  • 关于image-processing - 霍夫将累加器转换为笛卡尔,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59179241/

    25 4 0
    Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
    广告合作:1813099741@qq.com 6ren.com