Warning: file_get_contents(/data/phpspider/zhask/data//catemap/2/image-processing/2.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Image 查找';T'-照片里有什么_Image_Image Processing - Fatal编程技术网

Image 查找';T'-照片里有什么

Image 查找';T'-照片里有什么,image,image-processing,Image,Image Processing,如下图所示: 如何在图片中找到T? 我不是在追求一个matlab代码,但我会感谢一个算法或 某种解释如何解决这个问题 关于简单的模板匹配可能会做到这一点。您只需剪切一个T,然后为模板的每个移位(T)找到RMS错误信号 伪码 for each x-position of T in image for each y-position of T in image err(x,y) = sqrt(sum(sum((T - image(x:x+Tsizex, y:y+Tsizey)

如下图所示:

如何在图片中找到
T
? 我不是在追求一个matlab代码,但我会感谢一个算法或 某种解释如何解决这个问题


关于

简单的模板匹配可能会做到这一点。您只需剪切一个T,然后为模板的每个移位(T)找到RMS错误信号

伪码

for each x-position of T in image
    for each y-position of T in image
        err(x,y) = sqrt(sum(sum((T - image(x:x+Tsizex, y:y+Tsizey)).^2)))
    end end

ErrBinary = err < detectionThreshold
图像中T的每个x位置的

对于图像中T的每个y位置
err(x,y)=sqrt(和((T-image(x:x+Tsizex,y:y+Tsizey))。^2)))
结束
ErrBinary=err
现在,errBinary中的每个1都是一个检测。根据图像的分辨率,对于图像中的每个T,您可能会在一个簇中获得多个1。解决这个问题的一种方法是迭代选择一个1,然后清除附近的所有其他1。通过这种方式,您实际上定义了一个极限,即Ts可以接近多少,以便被检测为两个单独的Ts

编辑:

模板比较说明:

基本上,这种方法的作用是将参考模板(在这种情况下是T的小图像)与原始图像中的每个可能位置进行比较。对于每个位置,如果两个位置存在差异,则将误差计算为差异的标量RMS值。因此,两个for循环只需从原始图像中选取模板大小的所有可能子图像,并使用它们构建错误曲面。该曲面中的一个小值将意味着模板和该特定位置的子图像之间的良好匹配。原始图像中的匹配位置对应于误差曲面中最小值的位置


关于

简单的模板匹配可能会做到这一点。您只需剪切一个T,然后为模板的每个移位(T)找到RMS错误信号

伪码

for each x-position of T in image
    for each y-position of T in image
        err(x,y) = sqrt(sum(sum((T - image(x:x+Tsizex, y:y+Tsizey)).^2)))
    end end

ErrBinary = err < detectionThreshold
图像中T的每个x位置的

对于图像中T的每个y位置
err(x,y)=sqrt(和((T-image(x:x+Tsizex,y:y+Tsizey))。^2)))
结束
ErrBinary=err
现在,errBinary中的每个1都是一个检测。根据图像的分辨率,对于图像中的每个T,您可能会在一个簇中获得多个1。解决这个问题的一种方法是迭代选择一个1,然后清除附近的所有其他1。通过这种方式,您实际上定义了一个极限,即Ts可以接近多少,以便被检测为两个单独的Ts

编辑:

模板比较说明:

基本上,这种方法的作用是将参考模板(在这种情况下是T的小图像)与原始图像中的每个可能位置进行比较。对于每个位置,如果两个位置存在差异,则将误差计算为差异的标量RMS值。因此,两个for循环只需从原始图像中选取模板大小的所有可能子图像,并使用它们构建错误曲面。该曲面中的一个小值将意味着模板和该特定位置的子图像之间的良好匹配。原始图像中的匹配位置对应于误差曲面中最小值的位置


问候

帖子可以是一个很好的起点。post可以是一个很好的起点。我没有为您提供图像中t的每个x位置的
:您的确切意思是什么,我如何知道t的位置?为回答添加了一个解释我没有为您提供图像中t的每个x位置的
:您的确切意思是什么,我怎么知道T的位置呢?补充了一个解释来回答