根據相關性的定義,並根據題目要求,寫了對應的如下**,執行出來的結果如下,發現並沒有對應到相應的位置上。
但是想一想也是,因為所取的點是最大的點,那麼在進行互相關運算的時候,如果運算的區域基本上都是有白色畫素組成,那麼根據相關性計算出來的值必定是要大於與模板一樣的區域。
然後作業提示使用zero-mean
,零均值去預處理模板,
g = g - np.mean(g)
再次計算得出的結果準確性相當之高(怎麼就突然變成夜空中最亮的星了???)
相比是吃了沒文化的虧,去了解了一下中心化(零均值化)
中心化相當於資料發生了平移,使得資料的中心為0,因為中心化後的模板有負數的存在,就可以避免初始方法中,對乙個均值很大的區域計算出的結果遠大於目標區域。但同樣這也會引入乙個新的問題。
舉乙個極端一點的例子,假設模板為中心
化後存在
兩個區域
和,顯然
後者的值
會大於前
者(模板
)的值\left\ 1 & 2 & 3\\ 4 & 5 & 6\\ 7 & 8 & 9 \end \right\} 中心化後 \left\ -4 & -3 & -2\\ -1 & 0 & 1\\ 2 & 3 & 4 \end \right\} \\ 存在兩個區域 \left\ 1 & 2 & 3\\ 4 & 5 & 6\\ 7 & 8 & 9 \end \right\} 和 \left\ 0 & 0 & 0\\ 0 & 0 & 9\\ 9 & 9 & 9 \end \right\},\\ 顯然後者的值會大於前者(模板)的值
⎩⎨⎧14
725
836
9⎭⎬
⎫中心
化後⎩⎨
⎧−4
−12
−303
−21
4⎭⎬
⎫存在
兩個區域
⎩⎨⎧
147
258
369
⎭⎬⎫
和⎩⎨⎧
009
009
099
⎭⎬⎫
,顯然
後者的值
會大於前
者(模板
)的值所以只能使用於特定場合??
CS131學習筆記(lecture4)
課程講義 首先,自然界中的每一景象都是 continuous 然而這在計算機的世界觀中是不可接受的。所以必須把模擬訊號進行取樣和量化才能得到影象矩陣,當然了,這一過程產生誤差和丟失資訊也是不可避免的。影象矩陣的每乙個元素都是乙個畫素點 pixel dot,以下畫素點和矩陣元素等價 解析度 resol...