标签: non-maximum-suppression

我们已经知道你可以得到梯度方向,atan(dy/dx)它是与边缘正交的方向.现在我们有一个功课,我们应该将这个方向离散化为四个等级(x和y方向以及两个对角线),然后检查最佳匹配方向的两个像素邻居以进行非最大抑制.

我没有完全得到解决方案.显然我们有四个案例:

1. abs(angle) < pi/8,所以渐变(粗略)指向x方向,因此我们检查img(i, j-1)并img(i, j+1)(假设图像原点位于左上角)

2. angle > pi/8 && angle <= 3*pi/8,所以渐变指向右上角.现在我认为我们需要检查img(i-1, j+1),img(i+1, j-1)但我们检查img(i-1, j-1),img(i+1, j+1)这似乎是正交对角线.

另外两个案例是相同的.我试图改变这个但是边缘看起来很奇怪所以这似乎是正确的但我不明白为什么.

谁可以给我解释一下这个？

我正在尝试获取并绘制图像中的角点。现在，我有一个具有以下格式的元组列表：（(row,column,scale)比例是因为我使用的是高斯金字塔），手动从 harrisCornerDetector 和 nonMaximumSupression 过程中获得。这份清单是featuresy1.

我的代码如下：

r,g,b=cv2.split(image)
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
cv2.cornerSubPix( r, featuresy1, (5,5), (-1,1), criteria )

其中 image 是具有三个相同形状的灰度图像。如您所见，我将cornerSubPix这样的结构作为第二个参数提供：[(x1,y1,scale1),(x2,y2,scale2),...,(xn,yn,scalen)].

这引发了以下错误：

cv2.cornerSubPix( r, featuresy1, (5,5), (-1,1), criteria )
TypeError: corners is not a numpy array, neither a scalar

出于这个原因，我想知道应该使用什么类型、格式或结构featuresy1来cornerSubPix()工作。这是我做错的唯一一件事吗？没有太多关于此的文档。

谢谢！

我正在使用fast_rcnn_inception_v2_coco作为预训练模型在 Windows 10 上训练Tensorflow 对象检测。我在 Windows 10 上，在 NVIDIA GeForce GTX 1080、CUDA 9.0 和 CUDNN 7.0 上使用 tensorflow-gpu 1.6。