Bästa svaret
Många befintliga algoritmer i datorsyn använder pixel-rutnätet som den underliggande representationen. Till exempel definieras ofta stokastiska modeller av bilder, som slumpmässiga Markov-fält, i detta vanliga rutnät. Eller ansiktsdetektering görs vanligtvis genom att matcha lagrade mallar till varje fönster i fast storlek (säg 50×50) i bilden.
Pixel-rutnätet är dock inte en naturlig representation av visuella scener. Det är snarare en ”artefakt” för en digital bildprocess. Det skulle vara mer naturligt och förmodligen effektivare att arbeta med perceptuellt meningsfulla enheter som erhållits från en grupperingsprocess på låg nivå. Vi kan till exempel tillämpa algoritmen Normalised Cuts för att dela en bild i exempelvis 500 segment (vad vi kallar superpixlar ).
En sådan superpixelkarta har många önskade egenskaper:
- Det är beräkningseffektivt : det minskar komplexiteten hos bilder från hundratusentals pixlar till bara några hundra superpixlar.
- Det är också representativt effektiv : begränsningar i parvisa riktningar mellan enheter, medan endast för intilliggande pixlar på pixel-grid, kan nu modellera interaktioner med mycket längre räckvidd mellan superpixlar.
- Superpixlarna är perceptuellt meningsfulla : varje superpixel är en uppfattningsvis konsekvent enhet, dvs alla pixlar i en superpixel är troligen enhetliga i t.ex. färg och konsistens.
- Det är nästan komplett : eftersom superpixlar är resultat av en oversegmentering, mest strukturerad Res i bilden sparas. Det är väldigt lite förlust i att flytta från pixel-rutnätet till superpixelkartan.
För mer besök- Superpixel, empiriska studier och applikationer
Svar
Kära vän,
Superpixel- (datorgrafik) A polygonal del av en digital bild , större än en normal pixel , som återges med uniform färg och ljusstyrka .
Tack