ProgRoman

March 23, 2012

изображения переводятся в вещественный тип

img.convertTo(ts,CV_64FC3,1.0/255.0);

и все действия происходят уже в нём...

March 23, 2012

Добрый день разбираюсь с алгоритмом Retinex Single и Multi вроде бы реализовал его но, разница между Single и Multi почему то не видна... да и на некоторых изображениях он работает а на каких то визуально изображение становится хуже.. ниже приведена ссылка с алгоритмом и программный код

Лекции по обработке изображений


Mat msRetinex(const Mat &img)

{	

	Mat ims = img.clone();

	Mat t1,t2,t3;


	int sm = MIN(ims.size().height,ims.size().width);

	if(!(sm%2))sm--;


	GaussianBlur(ims,t1,Size(sm,sm),sm/1);

	GaussianBlur(ims,t2,Size(sm,sm),sm/2);

	GaussianBlur(ims,t3,Size(sm,sm),sm/3);


	Mat l1,l2,l3,l4;

	log(ims,l1);log(t1,l2);log(t2,l3);log(t3,l4);


	Mat tr = (3*l1 - l2-l3-l4)/3;


	return tr;

}

возможно надо применять другие размеры ядра или sigma брать другую...

ниже прикреплены фото с результатами работы алгоритма 1-ое фото оригинальное изображение затем фото обработанное Single Retinex и 3-тье обработанное Multi Retinex... визуально 2-ое и 3-тье изображение везде похоже... хотя должно быть лучше...

March 7, 2012

и у меня возник ещё вопрос для сопоставления дескрипторов я сейчас использую метод ближайших соседей встроенный у flann


        int knn=5;

        FlannBasedMatcher matchr;

	vector<DMatch> matches;

	matchr.knnMatch(descriptors1,descriptors2,matches,knn);

он выдаёт ошибку, что может быть не так...

March 7, 2012

Большое спасибо, всё получилось

у меня сейчас такой вопрос, какие пороги надо писать в сифте

SiftFeatureDetector detector();

я пробовал так SiftFeatureDetector detector(40, 70); но никакого drawMatches не отображалось.. наверно пороги нужно брать другие?..

March 5, 2012

а что за либа может быть не подключена.. в доп зависимостях у меня следующие

C:\OpenCV2.2\lib\opencv_core220d.lib

C:\OpenCV2.2\lib\opencv_highgui220d.lib

C:\OpenCV2.2\lib\opencv_video220d.lib

C:\OpenCV2.2\lib\opencv_ml220d.lib

C:\OpenCV2.2\lib\opencv_legacy220d.lib

C:\OpenCV2.2\lib\opencv_imgproc220d.lib

а в инклудах


#include <stdio.h>

#include <opencv2/core/core.hpp>

#include <opencv2/features2d/features2d.hpp>

#include <opencv2/highgui/highgui.hpp>

March 5, 2012

Добрый день, пытался запустить готовые детекторы из примеров, но что-то не особо получилось пример matcher_simple.cpp

ниже тот же код что и в примере


#include <stdio.h>

#include <opencv2/core/core.hpp>

#include <opencv2/features2d/features2d.hpp>

#include <opencv2/highgui/highgui.hpp>


using namespace cv;


void help()

{

	printf("\nThis program demonstrates using features2d detector, descriptor extractor and simple matcher\n"

			"Using the SURF desriptor:\n"

			"\n"

			"Usage:\n matcher_simple <image1> <image2>\n");

}


int main(int argc, char** argv)

{

	if(argc != 3)

	{

		help();

		return -1;

	}


	Mat img1 = imread(argv[1], CV_LOAD_IMAGE_GRAYSCALE);

	Mat img2 = imread(argv[2], CV_LOAD_IMAGE_GRAYSCALE);

	if(img1.empty() || img2.empty())

	{

		printf("Can't read one of the images\n");

		return -1;

	}


	// detecting keypoints

	SurfFeatureDetector detector();

	vector<KeyPoint> keypoints1, keypoints2;

	detector.detect(img1, keypoints1);

	detector.detect(img2, keypoints2);


	// computing descriptors

	SurfDescriptorExtractor extractor;

	Mat descriptors1, descriptors2;

	extractor.compute(img1, keypoints1, descriptors1);

	extractor.compute(img2, keypoints2, descriptors2);


	// matching descriptors

	BruteForceMatcher<L2<float> > matcher;

    vector<DMatch> matches;

    matcher.match(descriptors1, descriptors2, matches);


	// drawing the results

	namedWindow("matches", 1);

	Mat img_matches;

	drawMatches(img1, keypoints1, img2, keypoints2, matches, img_matches);

	imshow("matches", img_matches);

	waitKey(0);


	return 0;

}

получил следующую ошибку

Ошибка 2 error C2228: выражение слева от ".detect" должно представлять класс, структуру или объединение c:\documents and settings\мои документы\visual studio 2010\projects\testsapp\testsapp\testsapp.cpp 40 1 testsApp

после исправления, исправленный код ниже


	// detecting keypoints

	SurfFeatureDetector  detector();

	vector<KeyPoint> keypoints1, keypoints2;

	detector().detect(img1, keypoints1);

	detector().detect(img2, keypoints2);


	// computing descriptors

	SurfDescriptorExtractor extractor();

	Mat descriptors1, descriptors2;

	extractor().compute(img1, keypoints1, descriptors1);

	extractor().compute(img2, keypoints2, descriptors2);


	// matching descriptors

	BruteForceMatcher<L2<float> > matcher();

    vector<DMatch> matches;

    matcher().match(descriptors1, descriptors2, matches);


	// drawing the results

	namedWindow("matches", 1);

	Mat img_matches;

	drawMatches(img1, keypoints1, img2, keypoints2, matches, img_matches);

	imshow("matches", img_matches);

	waitKey(0);

получил следующую ошибку

Ошибка 2 error LNK2019: ссылка на неразрешенный внешний символ "void __cdecl cv::drawMatches(class cv::Mat const &,class std::vector<class cv::KeyPoint,class std::allocator<class cv::KeyPoint> > const &,class cv::Mat const &,class std::vector<class cv::KeyPoint,class std::allocator<class cv::KeyPoint> > const &,class std::vector<struct cv::DMatch,class std::allocator<struct cv::DMatch> > const &,class cv::Mat &,class cv::Scalar_<double> const &,class cv::Scalar_<double> const &,class std::vector<char,class std::allocator<char> > const &,int)" (?drawMatches@cv@@YAXABVMat@1@ABV?$vector@VKeyPoint@cv@@V?$allocator@VKeyPoint@cv@@@std@@@std@@01ABV?$vector@UDMatch@cv@@V?$allocator@UDMatch@cv@@@std@@@4@AAV21@ABV?$Scalar_@N@1@4ABV?$vector@DV?$allocator@D@std@@@4@H@Z) в функции _wmain c:\documents and settings\мои документы\visual studio 2010\Projects\testsApp\testsApp\testsApp.obj testsApp

February 20, 2012

минимизируем оценку совмещения двух контуров.

Это полный перебор по всем точкам для выяснения какой дескриптор первой формы лежит ближе ко второй.. вроде бы это n² n(количество точек на 1-ой и второй форме)без учёта (подсчёта близости самих дескрипторов этих гистограмм) затем по этим совмещённым точкам подсчитывается (энергия) стоимость чем меньше она тем лучше т.е. образы формы очень близки вроде как то так можно...

February 13, 2012

h(i) что мы строим для каждой точки контура и называется как я понял shape context и мы в конце имеем N(пусть 100) этих дескрипторов, которые описывают контур формы дальше если по алгоритму я понял строится весовая матрица и уже находится полное паросочетание с наименьшей стоимостью..

а можно ли как-то использовать эти дескрипторы для сравнения двух форм с помощью к примеру обычных метрик грубо говоря без переупорядочивания элементов гистограмм h(i)

February 10, 2012

т.е. я правильно понимаю пусть у нас есть два изображения, даже лучше контуры с уже выделенными точками одно это P_i а второе это Q_j i и j изменяются по количеству точек т.е. от 1 до N для построения Shape context надо для каждой точки первого изображения строить эти окружности и считать количество попавших в сектора точек первого же изображения т.е. это потом разворачивается в матрицу число строк это log( r ) а число столбцов Q условно(обозначения из википедии)) и каждый элемент этой матрицы это и есть количество точек попавших в тот или иной сектор. т.е правильно ли при построении диаграммы для одного изображения второе при этом не используется так

в самой формуле стоит так q-p_i или (q )тут просто начальная точка и таким образом получается вектор...

February 9, 2012

Всем привет, вот разбираюсь с алгоритмом Shape context ниже ссылки на него

Shape context Wiki

Matching with Shape Contexts

Shape context

как я понял действует он следующим образом

1. сперва надо получить контуры изображений, затем из изображения(контура) берутся N точек p_i где i = 1 до N

2. для каждой точки строится n-1 вектор

3. для каждой точки p_i получить соответствующую гистограмму h_i

мне единственно пока не очень понятно как строится эта гистограмма

February 1, 2012

Спасибо большое, сейчас разбираюсь с shape context и просматриваю SIFT

January 25, 2012

попробовал вроде бы результаты лучше... также картинки очистил от фона т.е. остались только знаки

January 25, 2012

согласен, что такие методы не особо точны

вот ещё по самому методу я при вычислении расстояния вычислял разность между пикселями каждый с каждым


dmj=MIN(dmj,abs(xi-yj))

не стоит ли брать не только разность интенсивностей у пикселей, но и их расположение ну т.е.


dmj=MIN(dmj,abs(xi-yj)+abs(i-j))

January 25, 2012

эти результаты уже с приведением изображений в градации серого, при бинаризации почему-то у меня всегда 0 получается....

фон пока не пробовал вычитать..., но я как то думал, что она и так должна бы работать ну пусть хуже чем с контурами объектов, но всё равно должна бы давать какие-то разумные реультаты... а эти что-то не особо понятны...

January 25, 2012

ok, спасибо)

я применяю её для сравнения двух изображений к примеру дорожных знаков, и что-то как то не особо успешно... на одном и том же изображении она даёт 0 в других случаях всё как-то не особо понятно... к примеру при сравнении этой мерой 3-х прикреплённых изображений первые два из одного класса а второе из другого такие результаты

первое с третьим 0.0352941

первое со вторым 0.117647

на мой взгляд это странно я думал для более похожих изображений расстояние будет меньше чем для более отличающихся изображений

January 24, 2012

Добрый день у меня вопрос правильно ли я понял само расстояние как оно считается

Пусть есть два изображения X и Y вытягиваем эти два изображения в вектор длина которого пусть N

H(X,Y)- это расстояние Хаусдорфа,

H(X,Y)=max(h1,h2)

h1=max_imin_j|x_i-y_j|

h2=max_jmin_i|x_i-y_j|

то есть само расстояние разница берётся по пикселям изображений ниже приведён код


double calcHausdorff(const Mat &v1,const Mat &v2)

{

	double res=0,h1=-100000,h2=-100000;

	int n=v1.size().area();


	//calc h1

	for(int i=0; i<n; i++)

	{

		double xi = v1.at<double>(i);

		double dmj=100000;

		for(int j=0; j<n; j++)

		{

			double yj = v2.at<double>(j);

			dmj=MIN(dmj,abs(xi-yj))

		}

		h1=MAX(h1,dmj);

	}


	//calc h2

	for(int j=0; j<n; j++)

	{

		double yj = v2.at<double>(j);

		double dmj=100000;

		for(int i=0; i<n; i++)

		{

			double xi = v1.at<double>(i);

			dmj=MIN(dmj,abs(xi-yj))

		}

		h2=MAX(h2,dmj);

	}


	res=MAX(h1,h2);

	return res;

}

похоже ли на правду ну что я реализовал или где-то ошибаюсь?...

January 24, 2012

Спасибо всё действительно работает!)

единственно что-то уж очень долго считает на изображениях

January 19, 2012

вот что у меня получилось

Mat X = (Mat_<double>(4,3)<<1,3,5,22,5,-1,3,20,11,4,-7,34);

во вложении картинка с результатами единичной матрицы нету ни в программе ни в маткаде может это из-за того что определитель ковариационной матрицы близок к нулю...

January 18, 2012

в маткаде я подобрал точки так что бы обратная матрица к ковариационной была отлична от нуля p1(1,2,3,4);p2(3,5,0,-7); p3(5,-1,11,34);, но у меня в маткаде получился один ответ у программы совсем другой причём если при обращении поставить DECOMP_SVD т.е. Mat icov = cov.inv(DECOMP_SVD); то тоже будет другой ответ... почему что-то не особо ясно.. может ошибка где-то в функции махаланоблиса, которую я написал...

January 18, 2012

ну да вроде бы со средний всё нормально... считается средний вектор его размерность будет 4 строки 1 столбец вроде всё так..

January 18, 2012

почему не то у меня 4 это размерность пространства т.е. точка в R⁴ вот всего 2-е точки т.е. первая p1(1,2,3,4); p2(3,5,0,7), ну и точка для тестирования это x1(1,2,3,4)

January 18, 2012

сейчас проверил в маткаде определитель ковариационной матрицы равен 0, что-то как не изменяю матрицу X он всё равно 0

January 18, 2012

пробовал сперва брать просто придуманные вектора, но тоже ничего хорошего (матрица обратная к ковариационной тоже нулевая)


Mat X = (Mat_<double>(4,2)<<1,3,2,5,3,0,4,7);

Mat x1 = (Mat_<double>(4,1)<<1,2,3,4);

double d = calcMah(X,x1);

January 18, 2012

я для тестирования использую базу данных изображений, пока просто матрица состоит из 2-х тестовых изображений и одно беру для сравнения или из этого класса или из другого.. приведу код.. я его писал для проверки расстояния махаланобиса (в матрице tempMt из которой и строится ковариационная и обратная к ней матрицы количество строк это размерность изображения вытянутого в вектор, а количество столбцов это количество этих векторов т.е. изображений)


int imSz = 50;// размер изображения для тестирования

	Mat i1 = imread("C:/GTSRB/Final_Train/00000/00000_00026.jpg");//первое изображение из 0-го класса (тренировочное)

	Mat i2 = imread("C:/GTSRB/Final_Train/00000/00005_00029.jpg");//второе изображение из 0-го класса (тренировочное)

	Mat i3 = imread("C:/GTSRB/Final_Train/00016/00006_00028.jpg");//изображение для тестирования

	Mat tst;


	Mat tempMt(imSz*imSz,2,CV_64F);

        //преобразование перового изображения в вектор и запись в tempMt

	{

		Mat nts;

		Mat rts;

		Mat dts;

		Mat nv(imSz*imSz,1,CV_64F);


		cvtColor(i1,nts,CV_BGR2GRAY);

		resize(nts,rts,Size(imSz,imSz));

		rts.convertTo(dts,CV_64F,1.0/255.0);


		int dx=-1;

		for (int r=0;r<imSz;r++ )

		{

			for (int c=0;c<imSz;c++)

			{

				dx++;

				nv.at<double>(dx)=dts.at<double>(r,c);

			}

		}


		for(int p=0; p<imSz*imSz;p++)

		{

			tempMt.at<double>(p,0)=nv.at<double>(p);

		}		

	}

        //преобразование второго изображения в вектор и запись в tempMt

	{

		Mat nts;

		Mat rts;

		Mat dts;

		Mat nv(imSz*imSz,1,CV_64F);


		cvtColor(i2,nts,CV_BGR2GRAY);

		resize(nts,rts,Size(imSz,imSz));

		rts.convertTo(dts,CV_64F,1.0/255.0);


		int dx=-1;

		for (int r=0;r<imSz;r++ )

		{

			for (int c=0;c<imSz;c++)

			{

				dx++;

				nv.at<double>(dx)=dts.at<double>(r,c);

			}

		}


		for(int p=0; p<imSz*imSz;p++)

		{

			tempMt.at<double>(p,1)=nv.at<double>(p);

		}

	}

        //преобразование тестового изображения в вектор, запись в tst

	{

		Mat nts;

		Mat rts;

		Mat dts;

		Mat nv(imSz*imSz,1,CV_64F);


		cvtColor(i3,nts,CV_BGR2GRAY);

		resize(nts,rts,Size(imSz,imSz));

		rts.convertTo(dts,CV_64F,1.0/255.0);


		int dx=-1;

		for (int r=0;r<imSz;r++ )

		{

			for (int c=0;c<imSz;c++)

			{

				dx++;

				nv.at<double>(dx)=dts.at<double>(r,c);

			}

		}


		tst = nv.clone();

	}



	double d = calcMah(tempMt,tst);	

	cout<<d;

January 17, 2012

С исключением разобрался вот нормальный код без исключений, только вот сейчас непонятно почему матрица обратная ковариационной у меня всегда получается нулевой..


double calcMah(const Mat &Xk,const Mat &x)

{

	int rw = Xk.rows;

	int cl = Xk.cols;

	Mat xm(rw,1,CV_64F);

	Mat mv(rw,cl,CV_64F);


	//calc mean

	for(int r=0; r<rw; r++)

	{

		Mat tmr = Xk.row(r).clone();

		Scalar sc = mean(tmr);

		xm.at<double>(r) = sc.val[0];

	}		


	for(int i=0; i<rw;i++)

	{

		double tempV = xm.at<double>(i);

		for(int j=0; j<cl;j++)

		{

			mv.at<double>(i,j)=tempV;

		}

	}


	Mat Xvg=Xk-mv;	

	Mat cov =Xvg*Xvg.t();	

	cout<<cov<<endl;

	Mat icov = cov.inv();

	cout<<icov<<endl;

	Mat diff = xm - x;

	cout<<diff<<endl<<diff.rows<<"  |  "<<diff.cols<<endl;

	Mat res = diff.t()*icov*diff;


	return res.at<double>(0);

}

Войти

ProgRoman

Количество публикаций

Зарегистрирован

Посещение

Days Won

Тип публикации

Профили

Форум

Сообщения, опубликованные пользователем ProgRoman

Retinex

Retinex

Примеры из opencv

Примеры из opencv

Примеры из opencv

Примеры из opencv

shape context algorithm

shape context algorithm

shape context algorithm

shape context algorithm

расстояние Хаусдорфа

расстояние Хаусдорфа

расстояние Хаусдорфа

расстояние Хаусдорфа

расстояние Хаусдорфа

расстояние Хаусдорфа

Mahalanobis

Mahalanobis

Mahalanobis

Mahalanobis

Mahalanobis

Mahalanobis

Mahalanobis

Mahalanobis

Mahalanobis

Навигация

Последняя активность