параметры ядра в OpenCV

[_AliEn_ 0]

Доброго времени суток.

Мне поручено за короткий срок разобраться с задачкой на OpenCV, но при выполнении задачки возникли недопонимания..

Вот, собственно, само задание

Дано изображение А(W x H) и B (W x H), причем известно, что B = A*G, где * -

операция свертки A с ядром G (матрица NxN). Задача, найти ядро G (как

матрицу коэффцициентов NxN).

Процедура тестирования алгоритма должна выглядеть так.

1. Пользователь задает изображение А как аргумент программы, и параметры

ядра (скажем как гауссиана),

2. система автоматически расчитывает изображение B. выводит его на экран (и

А тоже).

3. затем ищется оценка G (используя только А и и выводится на экран

Предполагается, что для поиска G используется линейная регрессия, а не

преобразование фурье.

Непонятен (пока) один момент, как в OpenCV задаются параметры ядра? Что такое гауссиан (знаю есть в физике распределение Гаусса)?

Спасибо!

[kilop 7]

Почитай две ссылки, если возникнут вопросы, спрашивай

http://robocraft.ru/blog/computervision/427.html

http://robocraft.ru/blog/computervision/281.html

[_AliEn_ 0]

Я ознакомился со статьями,спасибо!

Осталось понять,как реализуется линейная регрессия в OpenCV. Я делал в поисковике соответствующий запрос, но ничего не нашел по OpenCV. Направьте меня пожалуйста на путь истинный)

[Smorodov 579]

Поисковый запрос "linear regression normal equation" - вам в помощь.

Матричные операции в opencv вполне удобоваримые.

А можно подробнее, какие переменные подсовываются регрессии ?

PS: Задача Blind Deconvolution ?

[Pavia00 32]

Думаю, что для того чтобы разобраться с линейной регрессий надо прочитать

http://en.wikipedia.org/wiki/Linear_regression

Решается всё просто.

[_AliEn_ 0]

с линейной регрессией разобрался,я думал там что то очень хитрое

[_AliEn_ 0]

Тема приняла неожиданный поворот.. Изложу пожалуй свои мысли, чтобы развеять сомнения.

Пусть у меня есть изображение А, я применяю к нему размытие по Гауссу 3х3, получаю картинку B. Чтобы определить матрицу ядра, мне нужно составить матричное уравнение, B = A*g, где * - уже обычная операция умножения матрицы на вектор, а g - вектор столбец элементов матрицы ядра (в данном случае 9 элементов выписанных в столбец), тогда B - вектор столбец пикселей (тоже 9 штук), А - матрица пикселей исходного изображения (9х9 штук).

1. Можно такую модель применить для того, чтобы решить эту задачу? Например, применив метод наименьших квадратов (линейная модель), как вы и предлагали?

2. Чтобы найти N неизвестных, нужно иметь N линейно независимых уравнений. У меня же их получается больше, чем N. Как выбирать нужные уравнения (пиксели)? Это имеет отношение к моему вопросу?

[Smorodov 579]

Почему через DFT не хотите ? Это наиболее естественный метод работы со свертками (через умножение и деление, что может быть проще?).

[_AliEn_ 0]

Smorodov, дело в том, что эту задачу меня попросил решить человек из отдела кадров я ранее подобные задачи не решал,поэтому обращаюсь к вам за помощью..

[Pavia00 32]

А - матрица составленная из пикселей исходного изображения

1. Можно такую модель применить для того, чтобы решить эту задачу? Например, применив метод наименьших квадратов (линейная модель), как вы и предлагали?

2. Чтобы найти N неизвестных, нужно иметь N линейно независимых уравнений. У меня же их получается больше, чем N. Как выбирать нужные уравнения (пиксели)? Это имеет отношение к моему вопросу?

1) Да. У вас в условии это так и прописано.

2) Не имеет. При линейной зависимости будет множество решений из которых выбирается минимальное, а оно единственное. Формулу я вам привел там матрицы не квадратные.

[_AliEn_ 0]

спасибо большое!

[Smorodov 579]

Матрица 9х9 (точки одного изображения (блок 3х3 вокруг каждого из пикселей блока 3х3). Один блок - одна строка) умножается на вектор (ядро) 9х1 и получается вектор 1х9 (точки другого изображения).

Порисуйте на листе в клетку, выпишите уравнения.

У меня получилось, если ничего не выйдет изображу, а то лень столько цифр вбивать

Есть только одна загвоздка - если матрица 9х9 сингулярная, то её не получится обратить.