Questions tagged «3d»

我有一组以以下方式分组的轮廓（线段集）： 小号一世= { 我0，我π4，我2个π4， ... ，我7个π4}小号一世={一世0，一世π4，一世2π4，…，一世7π4}S_i = \{I^0, I^\frac{\pi}{4}, I^\frac{2\pi}{4}, \ldots, I^\frac{7\pi}{4} \} 哪里 表示一个具体物体的照片序列。 小号一世小号一世S_i 表示一张图像，具有 j t h的视角（ j = 0表示正视图）。 一世Ĵ一世ĴI^jĴŤ ^ hĴŤHj^{th}j = 0Ĵ=0j=0 下面是示例（后视图）： 一世π一世πI^\pi 如何在给定的重建对象的3d结构？小号一世小号一世S_i 有人可以给我指出一些论文，甚至给我一些关键词吗？我知道有很多文章都是用点云计算的，依此类推，但是当我用线操作时，这些文章就不起作用了。

24 image-processing  computer-vision  3d 

我正在尝试实现8阶IIR滤波器，并且我阅读的每个应用笔记和教科书都说，最好将2阶以上的任何滤波器实现为二阶部分。我tf2sos在MATLAB中使用了二阶部分的系数，这与我预期的4个二阶部分的6x4系数有关。在实施为SOS之前，八阶滤波器需要存储7个先前的采样值（以及输出值）。现在，当实现为二阶部分时，流程如何从输入到输出工作，我是否仅需要存储2个先前的样本值？还是第一个滤波器的输出馈x_in入第二个滤波器，依此类推？

20 filters  filter-design  infinite-impulse-response  biquad  audio  image-processing  distance-metrics  algorithms  interpolation  audio  hardware  performance  sampling  computer-vision  dsp-core  music  frequency-spectrum  matlab  power-spectral-density  filter-design  ica  source-separation  fourier-transform  fourier-transform  sampling  bandpass  audio  algorithms  edge-detection  filters  computer-vision  stereo-vision  filters  finite-impulse-response  infinite-impulse-response  image-processing  blur  impulse-response  state-space  linear-systems  dft  floating-point  software-implementation  oscillator  matched-filter  digital-communications  digital-communications  deconvolution  continuous-signals  discrete-signals  transfer-function  image-processing  computer-vision  3d 

假设我只使用一台校准相机。从这台摄像机，我得到图像A和B。我知道A和B之间的单应性，这是通过OpenCV的findHomography（）计算得出的。 我知道图像A的姿态（旋转矩阵R和平移矢量t），并且我需要图像B的姿态。一旦获得它，我想我将能够计算后续图像的每一个进一步的姿态。 您知道计算B的姿势的实现吗？我在网上找到了几篇文章，但找不到易于实施的解决方案...

13 image-processing  computer-vision  3d  opencv 

我有一个输入作为3D二进制图像，下面是首选输出： 输入： 首选输出： 如果仅保留尖刺对象，我应该寻找哪种图像处理方法，就像上面的首选输出一样？

11 image-processing  computer-vision  3d 

我正在编写一种基于局部惯性矩处理3D图像的算法。 我有一个3x3的实对称矩阵，需要从中找到特征值。我已经找到了各种用于矩阵对角化的通用算法，但是我不知道是否存在针对该矩阵的3个特征的解析表达式。 精通数学的人会知道吗？ 编辑 作为记录，这是我自己在问题上发现的。正如Matthias Odisio所说，一旦有了3x3矩阵，就无法简单地分析一个简单的表达式。 但是，我已经找到了3x3 Hermitian矩阵这种特殊情况的专用纸，其中比较了各种数值专用方法： http://arxiv.org/abs/physics/0610206 这是本文的C和Fortran代码： http://www.mpi-hd.mpg.de/personalhomes/globes/3x3/index.html

11 3d  matrix 

我试图在CT重建体积中自动检测一些医学定义的解剖标志。医生使用这些界标来测量某些患者特定参数。我试图使用SIFT特征描述符，因为这些解剖标志是“关键点”。由于地标是通常不是SIFT定义的“兴趣点”的点（或微小区域），因此效果不是很好。我一直在寻找许多模式/模板匹配算法，但是，当我没有旋转/平移/缩放问题时，我发现提取的特征不能将每个界标的区别都足够大（与其余界标以及与非界标的其余部分区别开）地标补丁）以训练性能足够好的分类器（至少80％的检测精度）。 如果我没有足够清楚地说明问题，请告诉我。 我真的很感谢任何建议。 谢谢！ 示例图片： 我想要检测的地标上有小x叉和小方块（我忘了提到我有训练集，带有标记的地标）。白线代表已采取的措施。这些是不同情况的一些片段（当然，我无法发布完整的3D卷）。

10 image-processing  3d  template-matching 

我有一台经过校准的相机，并且具有固有参数。我还具有相对于现实世界中平面上的点（世界原点）的外部参数。我已将这一点设置为法线为[0,0,1]的真实世界坐标[0,0,0]中的原点。 通过这些外部参数，我可以在此处使用以下方法计算出相机在世界平面3d坐标中的位置和旋转：http : //en.wikipedia.org/wiki/Camera_resectioning 现在我有第二点，我已经提取了[x，y]的图像坐标。现在如何获得该点在世界坐标系中的3d位置？ 我认为这里的直觉是我必须追踪从相机光学中心（如上所述，我现在具有3D位置）的光线穿过相机的像平面[x，y]，然后再追踪通过我在顶部定义的现实世界飞机。 现在，我可以将世界坐标3d射线与已知的法线相交并指向该平面。我没有得到的是我如何找出3d位置和方向通过像素离开图像平面时的情况。通过不同坐标系进行的转换使我感到困惑。

10 computer-vision  3d  camera 

我很难理解在利用Y'UV图像中的色度二次采样时如何计算数据速率： 我有以下示例进行计算： 图像分辨率：352*288 频率：25 fps 对于（4：4：4），示例计算如下： (352px * 288px) * 3 color channels * 25 fps * 8 bit = 60 825 600 bit/s 到目前为止，一切都很好。 但是现在来了（4：2：0）： (352px*288px) * 1.5 color channels * 25 * 8 = 30 412 800 bit/s 现在，尝试将此示例转换为例如（4：1：1），我意识到我不确定自己是否正确理解如何计算1.5个颜色通道的比率。 我对计算的第一个猜测是在（4：2：0）的情况下： 2/4*3=1.5 color channels 同样，对于（4：1：1），我将计算颜色通道的比率为： 1/4*3=0.75 color channels 但是我根本不确定这是否是正确的方法。 …

10 image-processing  image-processing  matlab  fourier-series  wavelet  transform  image-processing  matlab  image  image-processing  image-registration  segmentation  image-processing  edge-detection  canny-edge-detector  tracking  image  fft  stft  image-processing  preprocessing  segmentation  image-processing  computer-vision  image-segmentation  thresholding  frequency-spectrum  wave  image-processing  edge-detection  window-functions  image-processing  optical-flow  image-processing  ocr  text-recognition  image-processing  computer-vision  frequency-spectrum  image-processing  image-processing  computer-vision  fourier-transform  dsp-core  wave  image-processing  3d 

在这个问题上，我想重点介绍CT扫描的强度值。首先，请看下面的图片： 上面的图像是原始图像，下面的图像是阈值版本。为了测量任何形状的体积，从理论上讲，仅计算图像中体素的数量是可能的。但是，物体的最外层（例如结节）显示出较暗的强度，而物体内部的所有体素都具有很高的强度。如果仅计算阈值版本中的体素，则极有可能获得大于肺结节实际体积的结果体积。 我还看到有诸如窗口中心（水平）和窗口宽度之类的变量，可用于调整DICOM图像的强度信息。不同的强度可以改变结果量。 所以这是一个问题：如果我要测量任何给定的肺结节，我应该怎么做才能获得最佳的精度？什么时候应该忽略强度较低的体素？还是我必须以其他方式做到这一点？

9 image-processing  3d  computer-vision 

我目前的问题： 我有一个输入3D二值图像（一个只有0和1的3D矩阵），它由半径为r的球体的随机数组成。 我们不知道图像中有多少个球体。 所有球体都具有相同的半径r，但我们不知道半径r。 球体遍布图像中的各个位置，并且可以彼此重叠。 示例图像如下。 我的要求： 半径r是多少？ 目前，我只是将图像变平以摆脱z轴并执行边缘检测，而我正在尝试使用以下方法进行霍夫变换：http : //rsbweb.nih.gov/ij/plugins/hough-circles.html 但是，通过霍夫变换，我看到必须指定变量最小半径，最大半径和圆数。我在下面尝试了一些尝试： 给定正确的参数，霍夫变换可以很好地检测到圆。但是在实际应用中，我不知道有多少个球体，使程序尝试猜测最小和最大半径似乎是不可行的。还有其他方法可以做到这一点吗？ 交叉链接：https : //math.stackexchange.com/questions/118815/finding-radius-r-of-the-overlappable-spheres-in-3d-image

9 image-processing  3d