Mejor respuesta
Muchos algoritmos existentes en la visión por computadora usan la cuadrícula de píxeles como representación subyacente. Por ejemplo, los modelos estocásticos de imágenes, como los campos aleatorios de Markov, a menudo se definen en esta cuadrícula regular. O bien, la detección de rostros se realiza normalmente haciendo coincidir las plantillas almacenadas con cada ventana de tamaño fijo (digamos, 50×50) en la imagen.
Sin embargo, la cuadrícula de píxeles es no una representación natural de escenas visuales. Es más bien un «artefacto» de un proceso de imágenes digitales. Sería más natural, y presumiblemente más eficiente, trabajar con entidades perceptualmente significativas obtenidas de un proceso de agrupación de bajo nivel. Por ejemplo, podemos aplicar el algoritmo de Cortes Normalizados para dividir una imagen en, digamos, 500 segmentos (lo que llamamos superpíxeles ).
Este mapa de superpíxeles tiene muchas propiedades deseadas:
- Es computacionalmente eficiente : reduce la complejidad de las imágenes de cientos de miles de píxeles a solo unos pocos cientos de superpíxeles.
- También es representacionalmente eficiente : restricciones por pares entre unidades, mientras que solo para píxeles adyacentes en el pixel-grid, ahora puede modelar interacciones de rango mucho más largo entre superpixeles.
- Los superpixeles son perceptualmente significativos : cada superpixel es una percepción consistente unidad, es decir, es muy probable que todos los píxeles de un superpíxel sean uniformes en, por ejemplo, color y textura.
- Es casi completo : porque superpíxeles son el resultado de una segmentación excesiva, la mayoría de estructuras Se conservan las res de la imagen. Hay muy poca pérdida al pasar de la cuadrícula de píxeles al mapa de superpíxeles.
Para obtener más información, visite- Superpixel, estudios empíricos y aplicaciones
Respuesta
Estimado amigo:
Super píxel- (gráficos por computadora) Un poligonal parte de una imagen digital , más grande que una píxel , que se representa con uniforme color y brillo .
Gracias