roboforum.ru

1. 50х50 взял с потолка
2. Интегральное изображение представляет собой сумму пикселей от левого верхнего угла до левого правого. Вроде так. Высчитывается в пакете OpenCV функцией cvIntegral. Такчто сматрите ее за описанием
3. Про 1.25 - больше отталкивался от V&D c ихними 1.2 чем от потолка

Николай_Алексеевич писал(а):1. 50х50 взял с потолка
2. Интегральное изображение представляет собой сумму пикселей от левого верхнего угла до левого правого. Вроде так. Высчитывается в пакете OpenCV функцией cvIntegral. Такчто сматрите ее за описанием
3. Про 1.25 - больше отталкивался от V&D c ихними 1.2 чем от потолка

Во всем этом не совсем понял что вы хотели всем этим сказать и что пытались сделать

Николай_Алексеевич писал(а):от левого верхнего угла до левого правого.

левый-правый угол это да!

Хыхы... мой разум тоже сейчас пошатнулся от левого правого .

Кстати, может не втему но вот эта тема меня более интересует чем распознавание http://video.google.de/videoplay?docid= ... Sven+Olufs

Николай_Алексеевич писал(а):Кстати, может не втему но вот эта тема меня более интересует чем распознавание http://video.google.de/videoplay?docid= ... Sven+Olufs

А в чем выражается интерес? Что-то подобное делаете?

Предлагаю это обсудить в отдельной теме. Всеже данная тема созданна для определенного алгоритма и никак не касается того что хочу я.

А я хочу обучиьт робота ездить по камере в реальном времени и без какихлибо подготовок. Ненадо распознавать - надо понимать припятствия и обезжать придерживаясь курса.

Сматрите другую тему... я там выложу первоначальный мой код и то что я хочу.

Ну вобщем про гистограммы и функцию расстояния и т.д.
Т.к. у нас все гистограммы будут одинаковые, то в качестве функции расстояния можно использовать просто сумму квадратов разностей каждого столбика.

Виталий писал(а):Ну вобщем про гистограммы и функцию расстояния и т.д.
Т.к. у нас все гистограммы будут одинаковые, то в качестве функции расстояния можно использовать просто сумму квадратов разностей каждого столбика.

Сие есмь истина. Для сравнения векторных характеристик, которые сравниваются поэлементно
[поэлементные разницы взвешенно складываются, т.е с весовыми коэффициентами, которые часто берутся одинаковыми]
, т.к. если нормы всякие сравнивать, то у нас сравнение будет неустойчиво. Причем вектора нужно нормализовывать чаще всего на практике, что и делается в sift- и др. дескрипторах.

=DeaD= писал(а):...для математической четкости надо еще некоторые ограничения ввести - типа чтобы можно было это отображение NxN => F' было представлять в непрерывной области прямоугольной формы...

А зачем нам это ограничение, все матрицы дискретны и есть.

=DeaD= писал(а):Но одно могу сказать точно - средний цвет любой прямоугольной области указанного вида находит за "1 формулу"

Какого "указанного вида"? [Любую прямоугольную?]
Если любую, то в некоторых вещах, могу предположить на глаз, это дает прирост очень и очень заманчивый... А вообще решение красивое. Незнаю знал ли об этом один автор статьи, этот алгоритм описан в инете или как его название?

GraphD писал(а):

Виталий писал(а):Ну вобщем про гистограммы и функцию расстояния и т.д.
Т.к. у нас все гистограммы будут одинаковые, то в качестве функции расстояния можно использовать просто сумму квадратов разностей каждого столбика.

Сие есмь истина. Для сравнения векторных характеристик, которые сравниваются поэлементно
[поэлементные разницы взвешенно складываются, т.е с весовыми коэффициентами, которые часто берутся одинаковыми]

Ересь какая. Вы подумайте хорошо как эта норма соотносится с нормой по среднеквадратичным отклонениям попиксельным (*). Я вам без раздумий могу сказать - никак. Для вашей нормы надо чтобы цвета точно совпадали, иначе они попадут в разные столбики и кирдык. А эта норма должна давать хорошую оценку снизу, чтобы можно было отсекать. Например моя норма отклонения среднего цвета дает оценку нормы (*) снизу очень хорошую - если моя норма 10, то и та норма минимум 10.

GraphD писал(а):, т.к. если нормы всякие сравнивать, то у нас сравнение будет неустойчиво. Причем вектора нужно нормализовывать чаще всего на практике, что и делается в sift- и др. дескрипторах.

Ежу понятно, что нормализовывать надо к площади.

GraphD писал(а):

=DeaD= писал(а):...для математической четкости надо еще некоторые ограничения ввести - типа чтобы можно было это отображение NxN => F' было представлять в непрерывной области прямоугольной формы...

А зачем нам это ограничение, все матрицы дискретны и есть.

Чтобы это имело смысл, какой смысл сравнивать применение двух случайно построенных разных матриц разного размера?

GraphD писал(а):

=DeaD= писал(а):Но одно могу сказать точно - средний цвет любой прямоугольной области указанного вида находит за "1 формулу"

Какого "указанного вида"? [Любую прямоугольную?]
Если любую, то в некоторых вещах, могу предположить на глаз, это дает прирост очень и очень заманчивый... А вообще решение красивое. Незнаю знал ли об этом один автор статьи, этот алгоритм описан в инете или как его название?

Как уже указал Николай_Алексеевич - этот алгоритм рассчета среднего цвета в OpenCV подготовлен вроде даже рассчетом требуемого интегрального изображения - cvIntegral. Я не думаю что никто кроме меня не догадался, слишком уж очевидное решение.

Я вот так и не понимаю.
Среднее значение цвета - это вырожденная гистограмма и я думаю с этим спорить бессмысленно.

Дальше я могу ошибиться в алгоритме который описал =DeaD= но думаю тогда меня поправят...
Мы проходим по изображению некоторым окном считая среднее значение (или гистограмму).
Зная среднее значение (или гистограмму) эталонного изображения сравниваем с полученными на первом шаге.
Предположим, что мы нашли такую область где они почти совпадают, начинаем ее анализировать "вглубь". Т.е. разбиваем на части и сравниваем средние для каждой из частей.

В этом алгоритме основной проблемой будет как мне кажется обеспечение наиболее точной начальной отсечки чтобы не тратиться на поиск "в глубину". Ну так вот для этой цели можно ввести параметр обозначающий "жесткость отбора" - число столбцов гистограммы. Разве не так?

Добавлено спустя 14 минут 40 секунд:
Вот известен такой метод достаточно давно: строится пирамида изображений, а потом в ней осуществляется поиск начиная с самого грубого уровня, постепенно уточняя местоположение на более точных уровнях.

Виталий писал(а):Ну так вот для этой цели можно ввести параметр обозначающий "жесткость отбора" - число столбцов гистограммы. Разве не так?

Это всё так, вопрос в том, как сравнивать гистограммы, чтобы получить хорошую оценку снизу для нормы среднеквадратичного отклонения яркостей пикселей??? разности столбцов в квадрат возводить и сравнивать нельзя - я уже сказал по чему. Приведите высокоэффективную фукнцию нормы для гистограмм дающую оценку снизу для нормы СКО и тогда будет понятно о чем речь.

Виталий писал(а):Вот известен такой метод достаточно давно: строится пирамида изображений, а потом в ней осуществляется поиск начиная с самого грубого уровня, постепенно уточняя местоположение на более точных уровнях.

Это да, но там нет супер-быстрой отсечки по среднему цвету

Это да, но там нет супер-быстрой отсечки по среднему цвету

Так поиск в пирамиде это и есть почти отсечка по среднему цвету.

разности столбцов в квадрат возводить и сравнивать нельзя - я уже сказал по чему

Я так и не понял почему. Повтори если не сложно, только для дураков чтоб понятно было.

Добавлено спустя 20 минут 36 секунд:
Можно еще попробовать сумму абсолютных разностей.

Виталий писал(а):

Это да, но там нет супер-быстрой отсечки по среднему цвету

Так поиск в пирамиде это и есть почти отсечка по среднему цвету.

Да, согласен, с одной пожалуй только оговоркой - у них шаг это только размер пикселя текущего выбранного в пирамиде изображения. Поэтому у них смысл отсечки начинается где-то с размеров 5х5 или 10х10 не раньше, иначе все съедается косяками округления от соседних пикселей. А у меня можно с любым шагом сканировать, что должно дать приемущество существенное при поиске, хотя начиная с размеров 10х10 лучше уже переходить к масштабированию картинки в которой ищем.

Виталий писал(а):

разности столбцов в квадрат возводить и сравнивать нельзя - я уже сказал по чему

Я так и не понял почему. Повтори если не сложно, только для дураков чтоб понятно было.

Ну как так. Ну представим что гистограмма первого изображения везде равна нулю, кроме цвета 254, а второго - кроме цвета 255. Тогда ваша оценка будет такой же как и на изображениях одно из которых полностью черное, а другое полностью белое. А нафиг такая оценка вообще нужна?

=DeaD= писал(а):Ересь какая. Вы подумайте хорошо как эта норма соотносится с нормой по среднеквадратичным отклонениям попиксельным (*). Я вам без раздумий могу сказать - никак. Для вашей нормы надо чтобы цвета точно совпадали, иначе они попадут в разные столбики и кирдык.

Моя норма? Мы вообще-то говорили не о нормах, а о разностях векторных характеристик, нормы там косвенную роль играют, не принципиальную, может вы о чем-то другом?
Вообще, ведь гистограмма
[а она есть приближение плотности распределения цвета в заданном окне, т.е. дискретный график]
и мы фактически сравниваем эти графики, вычитая их, а не находим их среднее [норму]. Затем уже норму разности находим, но она уже отражает качественную иную разницу, нежели искусственно найденная - средний цвет.

=DeaD= писал(а):Ну как так. Ну представим что гистограмма первого изображения везде равна нулю, кроме цвета 254, а второго - кроме цвета 255.

Гистограмма строится с шагом, превышающим минимальное расстояние по оси X величины, поэтому близкие цвета попадают в 1 столбик !!!

GraphD писал(а):

=DeaD= писал(а):Ересь какая. Вы подумайте хорошо как эта норма соотносится с нормой по среднеквадратичным отклонениям попиксельным (*). Я вам без раздумий могу сказать - никак. Для вашей нормы надо чтобы цвета точно совпадали, иначе они попадут в разные столбики и кирдык.

Моя норма? Мы вообще-то говорили не о нормах, а о разностях векторных характеристик, нормы там косвенную роль играют, не принципиальную, может вы о чем-то другом?

А зачем вы говорили о разности векторных характеристик? То есть как их применять то можно в данном случае? Указанную вами метрику я показал почему нельзя применять. (а норма - это расстояние от какого-то вектора до нулевого вектора, просто у вас норма разности гистограмм считалась)

GraphD писал(а):Вообще, ведь гистограмма[а она есть приближение плотности распределения цвета в заданном окне, т.е. дискретный график]
и мы фактически сравниваем эти графики, вычитая их, а не находим их среднее [норму]. Затем уже норму разности находим, но она уже отражает качественную иную разницу, нежели искусственно найденная - средний цвет.

Это я все понимаю, но вы не ответили на вопрос - какую оценку для попиксельного СКО можно дать с помощью вычисленной вами векторной нормы разности гистограмм? Моё мнение - практически никакую. А моя норма разности средних цветов дает замечательную оценку

GraphD писал(а):

=DeaD= писал(а):Ну как так. Ну представим что гистограмма первого изображения везде равна нулю, кроме цвета 254, а второго - кроме цвета 255.

Гистограмма строится с шагом, превышающим минимальное расстояние по оси X величины, поэтому близкие цвета попадают в 1 столбик !!!

Полная фигня, простите меня, с каким бы шагом гистограмма не строилась в ней всегда есть точки перехода, в которых близкие цвета попадают в разные столбики. А еще попробуйте посчитать сколько времени вашу норму разности гистограмм надо рассчитывать и сколько памяти выделить под быстрый расчет моим методом.

В общем гистограммы - НЕЗАЧОТ, а разница средних цветов - РУЛЕЗ

=DeaD= писал(а):А зачем вы говорили о разности векторных характеристик? То есть как их применять то можно в данном случае? Указанную вами метрику я показал почему нельзя применять. (а норма - это расстояние от какого-то вектора до нулевого вектора, просто у вас норма разности гистограмм считалась)

А множно еще раз показать, а то действительно непонятно?
Ведь дескрипторы (т.е. вектора) давно используются и считаются лучшими в смысле "различимости", т.е. векторные характеристики в задачах поиска лучше скаляров в ОБЩЕМ СЛУЧАЕ. Как вы поняли, это не я придумал, да и можно тут убедится реализовав это, даже умозрительно.
А гистограмму строим как и в школе. Берем массив или цветов, или градиентов, т.е. любой массив пикселей, обладающий индивидуальной характеристикой, и описываем гистограммой и т.д.

=DeaD= писал(а):Это я все понимаю, но вы не ответили на вопрос - какую оценку для попиксельного СКО можно дать с помощью вычисленной вами векторной нормы разности гистограмм? Моё мнение - практически никакую. А моя норма разности средних цветов дает замечательную оценку

Не понял про оценку СКО.
Норма разности средних цветов? Ммм... разность средних цветов обоих сравниваемых прямоугольников? Иными словами разность средних арифметических! Т.е. Вы хотите сравнивать скалярную характеристику, а тот, кто предложил гистограмму - сравнивать векторную характеристику, вот это и есть предмет спора (?) и вся сказка про белого бычка?

=DeaD= писал(а):

GraphD писал(а):Гистограмма строится с шагом, превышающим минимальное расстояние по оси X величины, поэтому близкие цвета попадают в 1 столбик !!!

Полная фигня, простите меня, с каким бы шагом гистограмма не строилась в ней всегда есть точки перехода, в которых близкие цвета попадают в разные столбики. А еще попробуйте посчитать сколько времени вашу норму разности гистограмм надо рассчитывать и сколько памяти выделить под быстрый расчет моим методом.
В общем гистограммы - НЕЗАЧОТ, а разница средних цветов - РУЛЕЗ

Так! Похоже, простите за прямоту, Вы хотите лишить CV-науку такого мощнейшего аппарата как теория распределения вероятностей и статистика! Столбики вырастут так как нужно!, [и будут вырастать везде ]! У вас же не десять пикселей в окне! Ну если меньше, то тут нужность статистики действительно сомнительна, и, как Вы предложили, берем средний цвет и поехали...