首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >3x3 Sobel算子与梯度特征

3x3 Sobel算子与梯度特征
EN

Stack Overflow用户
提问于 2009-08-06 06:21:45
回答 2查看 3.7K关注 0票数 1

在阅读一篇论文时,我很难理解描述的算法:

给出一个黑白数字图像的笔迹样本,切出一个字符进行分析。因为这可以是任意大小,所以算法需要考虑到这一点(如果更容易的话,我们可以假设大小为2^nx2^m)。

现在,给出这个图像的描述状态,我们将其转换为512位特性(512位哈希)如下:

  1. (192个比特)通过与3x3sobel算子卷积来计算图像的梯度。将每条边缘的梯度方向量化为12 directions.
  2. (192比特),结构特征发生器取梯度映射,在邻域内寻找一定的梯度值组合。(用于计算图像中表示直线和角的8个不同的特征)
  3. (128个比特)凹面发生器使用8点星光运算符在4个方向、孔和滞后尺度的笔画上查找粗凹。

图像特征映射是用4x4网格标准化的。

我现在还在思考如何拍摄任意的图像,分割成16个部分,并使用3x3Sobel操作符为每个部分提供12位。(但如果你对其他部分有一些洞察力,可以随意评论:)

EN

回答 2

Stack Overflow用户

发布于 2009-11-03 11:56:01

我在为Srihari等人写的同一篇论文而挣扎。(2002)我的博士论文。我想说这篇文章并不是很具体,但是作者参考了一份技术报告(CEDAR-TR-01-1)来获得更多的细节。这份报告似乎无法在互联网上查阅,所以我的建议是通过电子邮件与作者联系,并要求提供这份报告。如果有些事情不清楚,你也可以要求澄清。

票数 3
EN

Stack Overflow用户

发布于 2014-07-18 12:45:50

我看到这个问题很老,但也许它可以帮助某人--你可以将sobel算子应用于图像的水平和垂直边缘检测。根据结果,您可以计算图像的每个点的图像方向向量。在您的例子中,您需要将这些向量映射到12个方向。然后,在您的例子中,您将图像划分为4x4个子图像(16个部分),并计算每个部分中每个方向的强度。这为您提供了12*16=192特性。如果需要的话,我可以给出更详细的解释。

票数 2
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/1237236

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档