Najlepsza odpowiedź
Wiele istniejących algorytmów komputerowych wykorzystuje siatkę pikseli jako podstawową reprezentację. Na przykład stochastyczne modele obrazów, takie jak pola losowe Markowa, są często definiowane na tej regularnej siatce. Lub wykrywanie twarzy jest zwykle wykonywane przez dopasowanie zapisanych szablonów do każdego okna o stałym rozmiarze (powiedzmy 50×50) na obrazie.
Siatka pikseli to jednak nie jest naturalną reprezentacją wizualnych scen. Jest to raczej „artefakt” procesu cyfrowego obrazowania. Byłoby bardziej naturalne i przypuszczalnie wydajniejsze, gdybyśmy pracowali z istotami znaczącymi percepcyjnie uzyskanymi w procesie grupowania na niskim poziomie. Na przykład możemy zastosować algorytm Normalized Cuts, aby podzielić obraz na powiedzmy 500 segmentów (co nazywamy superpikselami ).
Taka mapa superpikselowa ma wiele pożądanych właściwości:
- Jest wydajna obliczeniowo : zmniejsza złożoność obrazów z setek tysięcy pikseli do zaledwie kilkuset superpikseli.
- Jest również reprezentatywny : ograniczenia parami między jednostkami, podczas gdy tylko dla sąsiednich pikseli na siatka pikseli, może teraz modelować interakcje między superpikselami o znacznie większym zasięgu.
- Superpiksele mają ciągłe znaczenie : każdy superpiksel jest percepcyjnie spójny jednostki, tj. wszystkie piksele w superpikselu są najprawdopodobniej jednakowe pod względem, powiedzmy, koloru i tekstury.
- Jest prawie ukończone : ponieważ superpiksele to wynik nadmiernej segmentacji, większość struktur res na obrazie są zachowane. Przeniesienie z siatki pikseli na mapę superpikseli jest bardzo niewielkie.
Więcej odwiedzin – Superpixel, badania empiryczne i aplikacje
Odpowiedź
Drogi przyjacielu,
Super piksel- (grafika komputerowa) A wielokątny część cyfrowego obrazu , większy niż zwykły piksel , który jest renderowany z jednolitym kolorem i jasność .
Dziękuję