タグ付けされた質問 「geometry」

バイナリマスクで定義された任意の形状があります（灰色=形状、黒=背景）。 私は灰色のピクセルのみを含む可能な限り大きな長方形を見つけたいです（そのような長方形は黄色で描かれています）： 形状は常に「ワンピース」ですが、必ずしも凸状ではありません（形状の境界上のすべてのポイントペアが、形状を通る直線で接続できるわけではありません）。 そのような「最大の長方形」の多くが存在する場合があり、その後、次のようなさらなる制約を導入できます。 中心が図形の重心（または画像の中心）に最も近い長方形を撮影する 定義済みの比率（4：3など）に最も近いアスペクト比を持つ長方形を撮影します アルゴリズムについて最初に考えたのは次のとおりです。 形状の距離変換を計算し、その重心を見つける シェイプのピクセルのみが含まれる正方形の領域を拡大します 長方形（元は正方形）の幅または高さを拡大し、形状のピクセルのみが含まれるようにします。 ただし、このようなアルゴリズムは時間がかかり、最適な解決策にはならないでしょう。 助言がありますか？

14 image-processing  image  geometry 

コンピュータービジョンと3D再構成の問題は、カメラの固有パラメーターを取得することです。一般的な解決策は、チェッカーボードなど、事前に形状の測定値がわかっているオブジェクトを使用することです。この方法の問題は、焦点距離や倍率など、カメラのパラメーターを変更するたびに行う必要があることです。 A Self Technique for Self-Calibrationで説明されているカメラのセルフキャリブレーションを実装しようとしています。必須行列は、2つの特異値によって制約されます。これを使用して、手動のキャリブレーションを実行せずに（つまり、チェッカーボードを使用して）カメラの組み込み機能を回復できます。コスト関数を最小化する方法に少し混乱しています。これが私がこれまでに理解したことです： 必須行列 E=KT2FK1E=K2TFK1E=K_2^TFK_1 固有行列 K=⎡⎣⎢αバツ00sεαバツ0あなた0v01⎤⎦⎥K=[αxsu00ϵαxv0001]K=\begin{bmatrix}\alpha_x & s & u_0 \\ 0 & \epsilon\alpha_x & v_0 \\ 0 & 0 & 1\end{bmatrix} αバツαx\alpha_x焦点距離と倍率の積 ] εϵ\epsilonアスペクト比[提供されていると仮定します。カメラまたはEXIFデータから推測しますか？] あなた0v0u0v0u_0 v_0はの座標です[0、0と仮定] sss skew [仮定0] コスト関数 sはの特異値であるC（K私、i = 1 .. n ）=Σ私はjん（σ1私はj- σ2私はj）/ σ1私はjC(Ki,i=1..n)=∑ijn(σ1ij−σ2ij)/σ1ijC(K_i,i=1..n)=\sum_{ij}^n(\sigma1_{ij}-\sigma2_{ij})/\sigma1_{ij}σσ\sigmaKTjF私はjKjKjTFijKjK_j^TF_{ij}K_j 質問：このコスト関数はどのように最小化されていますか？

7 computer-vision  3d  reconstruction  stereo-vision  geometry