在图片中,我需要找到“表”--简单的矩形。问题是边缘识别,因为潜在的照片将是“黑暗的”。
我试过edge - sobel,canny,log,....-识别,然后进行Hough变换和直线查找。但是对于这个任务,这些算法是不够的。
一些对我有帮助的东西:
it is rectangle!,仅在透视视图中(例如,拟合透视rectangle?)that对象必须覆盖至少90%的照片(我知道我需要查看照片边缘附近))具有快速相同颜色的矩形(例如木质餐桌)我需要找到至少4个角..(但是的,最好是找到该桌子的边缘)
例如,我知道sobel,canny或log算法是如何工作的,Hough也是如此。自然地,这些
我有一个二维数组,我试图对数据拟合一条曲线。我的目标函数是多项式函数:
def objective(x, a, b, c):
return a * x + b * x**2 + c
我使用curve_fit从scipy.optimize找到适合的曲线为数据。但是,我需要知道这个模型有多好。实际数据和估计曲线之间有什么区别?我怎么能找到这个?curve_fit是否使用均方误差来求出曲线?我怎样才能控制这种差异?
我正在使用来自nlsLM包的minpack.lm函数来查找参数a, e和c的值,这些参数最适合于数据out。这是我的代码:
n <- seq(0, 70000, by = 1)
TR <- 0.946
b <- 2000
k <- 50000
nr <- 25
na <- 4000
nd <- 3200
d <- 0.05775
y <- d + ((TR*b)/k)*(nr/(na + nd + nr))*n
## summary(y)
out <- data.frame(n = n, y = y)
plot(out$n, out