класс integralKernel
Задайте фильтр для использования с интегральными изображениями
Описание
Этот объект описывает фильтры поля для использования с интегральными изображениями.
Конструкция
intKernel = integralKernel( заданная ориентация.bbox,weights,orientation)
Входные параметры
bbox — Ограничительные рамки
Вектор с 4 элементами | M-by-4 матрица
Ограничительные рамки, заданные как любой с 4 элементами [x, y, width, height] вектор или M-by-4 матрица отдельных ограничительных рамок. Ограничительная рамка задает фильтр. (x, y) координаты представляют самый верхний угол ядра. (width, height) элементы представляют ширину и высоту соответственно. При определении ограничительных рамок, когда M-by-4 матрица особенно полезен для построения подобных Хаару функций, состоявших из нескольких прямоугольников.
Суммы вычисляются по областям, заданным bbox. Ограничительные рамки могут наложиться. Смотрите Задают 11 11 Средний Фильтр для примера того, как задать фильтр поля.
weights — Веса
M- вектор длины
Веса, заданные как M - вектор длины весов, соответствующих ограничительным рамкам.
Например, обычный фильтр с коэффициентами:
и две области:
| область 1: x=1, y=1, ширина = 4, высота = 2 |
| область 2: x=1, y=3, ширина = 4, высота = 2 |
boxH = integralKernel([1 1 4 2; 1 3 4 2], [1, -1])
orientation — Отфильтруйте ориентацию
'upright' | 'rotated'
Отфильтруйте ориентацию, заданную как вектор символов 'upright' или 'rotated'. Когда вы устанавливаете ориентацию на 'rotated', (x, y), компоненты относятся к местоположению верхнего левого угла ограничительной рамки. (width, height) компоненты относятся к строке на 45 градусов от верхнего левого угла ограничительной рамки.
Свойства
Эти свойства только для чтения.
BoundingBoxes — Ограничительные рамки
Вектор с 4 элементами | M-by-4 матрица
Ограничительные рамки, сохраненные как любой с 4 элементами [x, y, width, height] вектор или M-by-4 матрица отдельных ограничительных рамок.
Weights — Веса
вектор
Веса, сохраненные как вектор, содержащий вес для каждой ограничительной рамки. Веса используются, чтобы задать коэффициенты фильтра.
Coefficients — Отфильтруйте коэффициенты
числовой
Отфильтруйте коэффициенты, сохраненные как числовое значение.
Центр Центр фильтра
[x, y] координаты
Центр фильтра, сохраненный как [x, y] координаты. Центр фильтра представляет центр ограничительного прямоугольника. Это вычисляется путем сокращения вдвое размерностей прямоугольника. Для даже размерных прямоугольников центр размещается в субпиксельные местоположения. Следовательно, это окружено к следующему целому числу.
Например, для этого фильтра, центр в [3,3].
Эти координаты находятся на пробеле ядра, где верхний левый угол (1,1). Чтобы разместить центр в другое место, обеспечьте соответствующую спецификацию ограничительной рамки. Для этого фильтра лучший рабочий процесс должен был бы создать вертикальное ядро и затем вызвать метод rot45, чтобы обеспечить вращаемую версию.
Размер Отфильтруйте размер
Вектор с 2 элементами
Отфильтруйте размер, сохраненный как вектор с 2 элементами. Размер ядра вычисляется, чтобы быть размерностями прямоугольника, который ограничивает ядро. Для одного вектора ограничительной рамки [x, y, width, height], ядро ограничено в прямоугольнике размерностей [(width +height) (width +height)-1].
Для каскадных прямоугольников самый низкий угол самого нижнего прямоугольника задает размер. Например, фильтр со спецификацией ограничительной рамки [3 1 3 3], с набором весов к 1, производит 6 5 фильтр с этим ядром:
Orientation — Отфильтруйте ориентацию
'upright' (значение по умолчанию) | 'rotated'
Отфильтруйте ориентацию, сохраненную как вектор символов 'upright' или 'rotated'.
Методы
| rot45 | Вращает вертикальное ядро по часовой стрелке 45 градусами |
| перемещение | Транспонируйте фильтр |
Примеры
Задайте 11 11 средний фильтр
avgH = integralKernel([1 1 11 11], 1/11^2);
Задайте фильтр, чтобы аппроксимировать гауссову частную производную второго порядка в направлении Y
ydH = integralKernel([1,1,5,9;1,4,5,3], [1, -3]);
Можно также задать этот фильтр как integralKernel ([1,1,5,3; 1,4,5,3; 1,7,5,3], [1,-2, 1]); |. Это определение фильтра менее эффективно, потому что требуется три ограничительных рамки.
Визуализируйте фильтр.
ydH.Coefficients
ans = 9×5
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
-2 -2 -2 -2 -2
-2 -2 -2 -2 -2
-2 -2 -2 -2 -2
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
Создайте подобный Хаару вейвлет, чтобы обнаружить ребра на 45 градусов
Создайте фильтр.
K = integralKernel([3,1,3,3;6 4 3 3], [1 -1], 'rotated');Визуализируйте фильтр и отметьте центр.
imshow(K.Coefficients, [], 'InitialMagnification', 'fit'); hold on; plot(K.Center(2),K.Center(1), 'r*'); impixelregion;
Размойте изображение Используя средний фильтр
Считайте и отобразите входное изображение.
I = imread('pout.tif');
imshow(I);
Вычислите интегральное изображение.
intImage = integralImage(I);
Примените 7 7 средний фильтр.
avgH = integralKernel([1 1 7 7], 1/49); J = integralFilter(intImage, avgH);
Бросьте результат назад к тому же классу как входное изображение.
J = uint8(J); figure imshow(J);
Ссылки
Виола, Пол и Майкл Дж. Джонс. “Быстрое Обнаружение объектов с помощью Повышенного Каскада Простых Функций”. Продолжения 2 001 Конференции Общества эпохи компьютеризации IEEE по Компьютерному зрению и Распознаванию образов. Издание 1, 2001, стр 511–518.
Смотрите также
SURFPoints | detectMSERFeatures | detectSURFFeatures | integralFilter | integralImage