Nejlepší odpověď
Mnoho stávajících algoritmů v počítačovém vidění používá pixelovou mřížku jako základní reprezentaci. Například stochastické modely obrazů, jako jsou Markovova náhodná pole, jsou často definovány v této pravidelné mřížce. Nebo se detekce obličeje obvykle provádí porovnáním uložených šablon s každým oknem pevné velikosti (například 50 x 50) v obraze.
Mřížka pixelů je však ne přirozené znázornění vizuálních scén. Je to spíše „artefakt“ procesu digitálního zobrazování. Bylo by přirozenější a pravděpodobně efektivnější pracovat s percepčně smysluplnými entitami získanými z procesu seskupování na nízké úrovni. Můžeme například použít algoritmus Normalized Cuts k rozdělení obrazu například na 500 segmentů (to, co nazýváme superpixely ).
Taková superpixelová mapa má mnoho požadovaných vlastností:
- Je výpočetně efektivní : snižuje složitost obrázků ze stovek tisíc pixelů na pouhých několik stovek superpixelů.
- Je také reprezentačně efektivní : párová omezení mezi jednotkami, zatímco pouze pro sousední pixely na pixelová mřížka, nyní lze modelovat interakce mezi superpixely mnohem většího rozsahu.
- Superpixely jsou perpetually sense : každý superpixel je vjemově konzistentní jednotka, tj. všechny pixely v superpixelu jsou s největší pravděpodobností jednotné, řekněme, v barvě a struktuře.
- Je téměř kompletní : protože superpixely jsou výsledky strukturované nadměrné segmentace res v obraze jsou zachovány. Při přechodu z pixelové mřížky na mapu superpixel je velmi malá ztráta.
Další návštěvy – Superpixel, empirické studie a aplikace
Odpověď
Vážený příteli,
Super pixel- (počítačová grafika) A polygonální část digitálního obrázku , většího než normální pixel , který je vykreslen jednotnou barvou a jas .
Děkuji