小编Saa*_*nia的帖子
几乎垂直边缘的亚像素边缘检测
我想检测图像中的边缘(具有子像素精度),如下所示:
分辨率约为600 X 1000.
我在这里看到了Mark Ransom的评论,其中提到了垂直边缘的边缘检测算法.我还没有遇到任何问题.在我的情况下是否有用(因为边缘不是严格的直线)？但它始终是一个垂直边缘.我希望它至少精确到像素的1/100.我还想访问这些子像素坐标值.
我尝试过Agustin Trujillo-Pino的"精确亚像素边缘位置".但这并没有给我一个持续的优势.
还有其他算法吗？我将使用MATLAB.
我附加了另一个算法必须处理的类似图像:
任何输入将不胜感激.
谢谢.
编辑:
我想知道我是否可以这样做:在MATLAB中应用Canny/Sobel并获得该图像的边缘(注意它不是连续的线).然后,以某种方式插入此Sobel边缘并获得子像素中的坐标.可能吗？
推荐指数
解决办法
查看次数
使用三个2D图像重建3D模型（在3个不同的视图中查看同一对象）
我遇到了一个要求，即使用放置在其周围的三个摄像头来重建对象的3D图像，以使该对象（每个摄像头的视场在一起）覆盖所观察的整个对象。
- 我已经在立体视觉方面做了一些工作（使用两个摄像头）。在此，我们获得了3D点云。我认为这对我来说不是必需的，因为我不需要计算确切的x，y和z距离。我只需要获取一个3D模型。我的方法正确吗？我已阅读有关使用多台摄像机的Stereo Vision的信息。我应该用这个吗？
- 我碰到了Image Analyst的这一评论：“ 图像实际上必须经过过滤的反投影重建过程，才能从以不同角度拍摄的图像构建3D图像。 ”我对此并不十分清楚。我没有图像堆栈，只有3个相同对象但具有不同视图的图像。我应该如何进行呢？在我的案例中使用了哪些术语？它称为3D重建吗？
- 我也看到了SfM（运动结构）。我的对象/场景没有运动。
- 我看到此代码可用。这也会占用大脑的不同部分，并将它们转换为3D图像。无论如何，我是否可以更改此代码以适合我的需要，或者它是完全不同的应用程序？
据我所知，对于这三个图像（同一对象的不同视图），我必须首先匹配特征（例如SIFT），然后获得视差（？）。还是应该使用“图像拼接”并处理拼接的图像（也许以此创建3D点云）？
请告诉我如何进行该应用程序。我应该阅读哪些必要的主题？
我的应用程序是仅使用3D相机捕获3D对象并保存此3D图像。
问候，
梅加纳
编辑：
- 我还遇到了“三视图几何”（“ Hartley和Zisserman撰写的“计算机视觉中的多视图几何”的PART III）。我认为这与我想要的不一样。就我而言，场景在很大程度上不会重叠。每个摄像机的视场只会重叠一点点（立方体的边缘，如下所示），这与观看同一场景的一对立体摄像机不同。因此，立体声匹配将不可行。我的理解正确吗？我应该如何处理？
推荐指数
解决办法
查看次数
通过平移和旋转从一种笛卡尔 3D 坐标系更改为另一种
我问这个问题有两个原因：
- 我想知道我对这个问题的理解是否正确。
- 为了澄清我的一个疑问。
我想更改一组点的坐标系（旧笛卡尔坐标系到新笛卡尔坐标系）。这种转换将涉及平移和旋转。这就是我打算做的：
对于该图像，我有一组位于 XYZ 坐标系（红色）中的点。我想根据轴 UVW（紫色）更改它。为了做到这一点，我知道涉及两个步骤：平移和旋转。
当我翻译时，我只改变来源。（比如说，我希望 UVW 原点位于 (5,6,7)。然后，对于数据中的所有点，x 坐标将减去 5，y 坐标将减去 6，z 坐标将减去 7。这样做。我获取一组翻译数据。）
现在我必须应用旋转变换（在翻译的数据上）。旋转矩阵如图所示。Ux、Uy 和 Uz 值是 U 轴上距原点单位距离的点的坐标。类似地，值Vx、Vy和Vz是V轴上距原点单位距离的点的坐标。（我想知道我是否在这里。）Wx、Wy、Wz 计算为 ((归一化 u) X (归一化 v))
（此外，如果它有任何用途，我想让您知道我正在使用 MATLAB。）
编辑：
我在 3D 中有一组 42 个点（42 X 3 矩阵A），我希望将第一个点视为UVW平面的原点。所以第一个点的值将是我的平移向量。正确的？
接下来，计算旋转向量：根据我的要求，矩阵A的第6行必须是U轴，而第37行必须是V轴。因此，向量u将是矩阵A的（第一行减去第六行）。而向量v将是矩阵A的（第 1 行减去第 37 行）。
旋转矩阵的第一行将是矢量u/|u|（标准化）。第二行将是向量v/|v|（v 标准化）。第三行将是(u X v)。我在这儿吗？
推荐指数
解决办法
查看次数
在此图像中找到几乎圆形的亮像素带
这是我遇到的问题:我有一个如下图所示的图像.我想检测一下我用红线标记的圆形区域(这个特别明亮的环).
最初,这就是我现在所做的:(MATLAB)
binaryImage = imdilate(binaryImage,strel('disk',5));
binaryImage = imfill(binaryImage, 'holes'); % Fill holes.
binaryImage = bwareaopen(binaryImage, 20000); % Remove small blobs.
binaryImage = imerode(binaryImage,strel('disk',300));
out = binaryImage;
img_display = immultiply(binaryImage,rgb2gray(J1));
figure, imshow(img_display);
输出似乎被剪切在对象的一个部分上(对于不同的图像作为输入,而不是上面显示的图像).我希望输出的方式是对称的(当它旋转时,它并不总是一个完美的圆形).
我想严格避免im2bw,因为一旦我二进制化,我就失去了很多关于形状的信息.
这就是我的想法:
我可以检测到图像的最外圆(几乎圆形)轮廓(以黄色显示).从这里,我可以找到质心,也许找到一个半径为50%的圆圈(找到红色所示的区域).但由于物体略微倾斜,因此不会完全对称.我该如何解决这个问题？
我附上另一幅图像,其中对象稍微倾斜这里
推荐指数
解决办法
查看次数
以最快的方式删除Point Cloud中的Inf和NaN值
我是MATLAB的新手,刚刚开始研究Stereo Vision.在场景的3D立体重建之后,从我获得的点云,我想忽略所有具有值NaN或Inf的坐标.
为此,我遵循以下程序:
对于尺寸为40×40的图像,点云是40×40×3的矩阵(3由于3D; X,Y和Z坐标).
从3D点云(40 X 40 X 3)开始,我得到一个尺寸为1600 X 3的矩阵.3列中的每一列都对应于X,Y和Z坐标
在这一步,我试图删除整行,如果我找到任何Inf或NaN元素.
例如,在连接步骤之后,如果我有矩阵A.
A = [1,11,21; NaN,12,22; 3,13,Inf; NaN,14,NaN; 5,Inf,NaN; 6,16,26];
我想消除所有具有Inf或NaN元素的行.
所以预期的结果是:[1,11,21; 6,16,26];
由于我将使用尺寸为4000 X 3000的图像,我想要一种非常快速有效的方法.
我这样做是为了在我获得的点云中拟合一个平面(最合适).拟合平面的函数不采用Inf和NaN值.因此,即使找到一个NaN值,也必须消除所有相应的X,Y和Z坐标.
如果有更好的方法来做到这一点,除了我目前正在做的,请通知.
谢谢=)
推荐指数
解决办法
查看次数