精华内容
下载资源
问答
  • 像素和亚像素
    千次阅读
    2018-08-12 22:42:29

    像素和亚像素,听起来视乎很厉害,但是理解起来就容易了

    Halcon中的 ROI(region of interest) 感兴趣的区域,这个是 像素级别的,也就是说这个区域是沿着像素点的边缘行走,例如一个圆,当你放大看的时候,其实是很多个正方形组成的,也就是一个个像素。

    Halcon中的 XLD(eXtended Line Descriptions) 扩展的线性描述,通俗来说就是 轮廓。这个是亚像素级别的,这个轮廓是没有明显界限的,也就是它可以从像素中间穿过,形成一个平滑的轮廓。用XLD来表示一个圆,那这个圆就是一个圆滑的圆,而不是ROI那样边界是锯齿形的圆

     

    更多相关内容
  • 友发来两个小项目,要求亚像素精度。突然想问几个问题:1、何为亚像素?2、何为亚像素精度?3、使用亚像素测量,系统应注意什么?1、何谓亚像素?面阵摄像机的成像面以像素为最小单位。例如某CMOS摄像芯片,其像素...

    友发来两个小项目,要求亚像素精度。突然想问几个问题:1、何为亚像素?2、何为亚像素精度?3、使用亚像素测量,系统应注意什么?

    1、何谓亚像素?

    面阵摄像机的成像面以像素为最小单位。例如某CMOS摄像芯片,其像素间距为5.2微米。摄像机拍摄时,将物理世界中连续的图像进行了离散化处理。到成像面上每一个像素点只代表其附近的颜色。至于“附近”到什么程度?就很困难解释。两个像素之间有5.2微米的距离,在宏观上可以看作是连在一起的。但是在微观上,它们之间还有无限的更小的东西存在。这个更小的东西我们称它为“亚像素”。实际上“亚像素”应该是存在的,只是硬件上没有个细微的传感器把它检测出来。于是软件上把它近似地计算出来。为了最大限度利用图像信息来提高分辨率,有人提出了Sub-Pixel概念。意思是说,在两个物理像素之间还有像素,称之为Sub-Pixel,如果原始图像是n行m列的,希望做k细分的Sub-Pixel,这样就有新的行N和列M,有N = k*nM = k*m原来相邻4个像素包含的区域现在变成了(k+1)*(k+1)的区域了;要填满这个(k+1)*(k+1)的区域,从一个小正方形映照到一个大正方形。

    2、何谓亚像素精度?

    亚像素精度是指相邻两像素之间细分情况。输入值通常为二分之一,三分之一或四分之一。这意味着每个像素将被分为更小的单元从而对这些更小的单元实施插值算法。例如,如果选择四分之一,就相当于每个像素在横向和纵向上都被当作四个像素来计算。

    由上图可知,检测结果为对“插值后图像”处理的结果,由于图像分辨率提高了一倍,故用于表示小圆直径的像素数量也增加了一倍,这就是一阶亚像素元技术。我们在每两个像素之间插值一个像素,这样本来是120万像素的图像,插值后的实际处理图像就是240万像素了,相当于把一个像素拆分为1/2,同理依次有1/3拆分、1/4拆分等,一些优秀的算法甚至可以达到1/100拆分,同时还能保证处理速度。亚像素元技术相对于传统方案,检测精度是提升了1倍吗?

    3、3、使用亚像素测量,系统应注意什么?

    在图像上,通过算法对图像插值,是不存在任何问题的。然而,一个重大的误差来源是,成像系统。

    a、如果摄像机没有进行几何标定,以亚像素准确度提取边缘是无意义的。假设在整个视野内某镜头的畸变小于1%,这意味着对于一幅640x480图象,边缘偏移4像素。

    b、图象透视失真造成的影响。任何时候如果在安装摄像机时不能保证其垂直于被测物体,那么都会引发透视失真。如果对摄像机进行了标定,确定了摄像机内方位参数以及被测物体所在平面的外方位参数,那么通过此标定就能将图象中得到的测量结果转换成世界坐标上的测量结果。

    为了得到准确的亚像素精度级的测量,首先摄像机和图象采集设备的灰度值响应应该是线形的。为了保证这个前提,应对摄像机进行辐射标定。此外,被选用的镜头其像差(如彗差和像散应该非常小)。还应该使用单色光以避免色差的影响。另外,摄像机的填充因子应该尽可能的大以避免“盲点”的影响。最后,应对相继进行几何标定以获取有意义的测量结果。

    Halcon实践

    1、亚像素精度阈值分割

    threshold_sub_pix(Image : Border : Threshold : )

    2、亚像素轮廓查找

    edges_sub_pix(Image : Edges : Filter, Alpha, Low, High : )

    zero_crossing_sub_pix(Image : ZeroCrossings : : )

    #转载请注明出处 www.skcircle.com 《少有人走的路》勇哥的工业自动化技术网站。如果需要本贴图片源码等资源,请向勇哥索取。

    展开全文
  • 像素1.1 亚像素1.2 亚像素的精度2. 超像素2.2 超像素判别条件2.3 超像素生成算法 1. 亚像素 1.1 亚像素像素,英文subpixel 在相机成像的过程中,获得的图像数据是将图像进行了离散化的处理,由于感光元件本身...

    1. 亚像素

    1.1 亚像素

    亚像素,英文subpixel

    在相机成像的过程中,获得的图像数据是将图像进行了离散化的处理,由于感光元件本身的能力限制,到成像面上每个像素只代表附近的颜色。例如两个感官原件上的像素之间有4.5um的间距,宏观上它们是连在一起的,微观上它们之间还有无数微小的东西存在,这些存在于两个实际物理像素之间的像素,就被称为“亚像素”。亚像素实际上应该是存在的,只是缺少更小的传感器将其检测出来而已,因此只能在软件上将其近似计算出来。

    这句话其实是在说,两个紧邻的像素实际上它们中间还有其他更小的像素存在,只是肉眼无法观测到。其实,存在于这两个像素之间的像素,就是 “subpiexel(亚像素)”

    亚像素可以表示为如下图所示,每四个红色点围成的矩形区域为实际原件上的像素点,黑色点为亚像素点:
    在这里插入图片描述
       根据相邻两像素之间插值情况的不同,可以调整亚像素的精度,例如四分之一,就是将每个像素从横向和纵向上当做四个像素点。也就是上面图里的红色点之间有三个黑色点。这样通过亚像素插值的方法可以实现从小矩形到大矩形的映射,从而提高分辨率。

    正因为这样的操作,所以在图像超分辨的任务里使用pixel shuffle的方式获得高分辨图像(例如ESPCN)。在一般的反卷积里会存在大量补0的区域,这可能对结果有害。因此pixel shuffle通过亚像素卷积的方式,实现从低分辨图到高分辨图的重构,具体如下所示,通过将多通道feature上的单个像素组合成一个feature上的单位即可,每个feature上的像素就相当于新的feature上的亚像素了。
       在这里插入图片描述

    超分辨率的效果如下

    在这里插入图片描述
    第一层是输入的模糊图像x。

    中间是超分辨后的图片f(x)

    最下层是对照样例y

    1.2 亚像素的精度

    亚像素精度是指相邻两像素之间细分情况。输入值通常为二分之一,三分之一或四分之一。这意味着每个像素将被分为更小的单元从而对这些更小的单元实施插值算法。例如,如果选择四分之一,就相当于每个像素在横向和纵向上都被当作四个像素来计算。

    在这里插入图片描述
    由上图可知,检测结果为对“插值后图像”处理的结果,由于图像分辨率提高了一倍,故用于表示小圆直径的像素数量也增加了一倍,这就是一阶亚像素元技术。我们在每两个像素之间插值一个像素,这样本来是120万像素的图像,插值后的实际处理图像就是240万像素了,相当于把一个像素拆分为1/2,同理依次有1/3拆分、1/4拆分等,一些优秀的算法甚至可以达到1/100拆分,同时还能保证处理速度。亚像素元技术相对于传统方案,检测精度是提升了1倍吗?

    2. 超像素

    超像素最直观的解释,便是把一些具有相似特性的像素“聚合”起来,形成一个更具有代表性的大“元素”。

    在这里插入图片描述
    (a)是原始图像,(b)是基于人类视角的分割图(groundtruth),(c)是超像素分割的图像,(d)是基于(c)进行分割的图像。

    图像分割中的超像素是指具有相似纹理、颜色、亮度等特征的相邻相似构成的具有一定意义的不规则的像素块。它利用像素之间特征的相似性将像素分组,用少量的超像素代替大量的像素来表达图像特征,很大程度上降低了图像处理的复杂度,所以通常作为分割算法的预处理步骤。

    2.2 超像素判别条件

    市面上如此多的超像素算法,如何比较他们的优劣呢?

    一般业内参考以下三个指标(具体公式请参考【1】).

    - Undersegmentation Error

    如上图所示,白色是图像中的一个物体,红线是一个个超像素的轮廓,而粉红色的区域就是undersegmentation区域,这部分区域越大越不好。

    在这里插入图片描述

    • Boundary Recall

    在这里插入图片描述

    如上图所示,黑色虚线及实线是图像中物体的轮廓,红线是超像素的边界。一个好的超像素算法,应该覆盖图像中物体的轮廓。在给予一定缓冲(粉红色区域)的情况下,超像素边缘可以覆盖图像物体边缘(黑色实线)越多越好。

    • Compactness score

    衡量超像素是否“紧实”。

    在这里插入图片描述

    2.3 超像素生成算法

    在这里插入图片描述

    参考链接:
    https://blog.csdn.net/moonlightpeng/article/details/97691006
    https://blog.csdn.net/CHNguoshiwushuang/article/details/81155361
    https://www.zhihu.com/question/27623988?sort=created

    展开全文
  • 什么是亚像素(子像素)?sub-pixel

    千次阅读 2020-10-09 21:23:06
    什么是子像素像素是区域阵列相机图像平面的最小单位。例如,CMOS相机芯片的像素间距为5.2微米。在相机拍照时,物理世界中的连续图像被离散化了。成像平面上的每个像素只代表它附近的颜色。"近 "到什么程度?很难...

    什么是子像素?

    像素是区域阵列相机图像平面的最小单位。例如,CMOS相机芯片的像素间距为5.2微米。在相机拍照时,物理世界中的连续图像被离散化了。成像平面上的每个像素只代表它附近的颜色。"近 "到什么程度?很难解释。两个像素之间有5.2微米的距离,宏观上可以看成是连在一起的。但在微观上,它们之间还有无限小的东西。这个更小的东西我们称之为 "子像素"。其实 "子像素 "应该是存在的,但是硬件上没有微小的传感器来检测它。所以软件就会大概计算出来。

    子像素精度

    子像素精度是指相邻两个像素之间的细分。输入值通常为二分之一、三分之一或四分之一。这意味着每个像素将被划分为更小的单位,以实现这些更小单位的插值算法。例如,如果选择四分之一,就相当于每个像素在水平和垂直方向上都被计算为四个像素。因此,如果5x5像素的图像选择四分之一的子像素精度,就相当于创建一个16x16的离散网格,然后对网格进行插值。参考下图。红点代表原始像素,黑点代表新生成的子像素。

    子像素精度

    子像素在机器视觉中的应用

    在机器视觉中,子像素是一个常见的概念。在很多功能中,我们可以选择是否使用子像素。在测量中,如位置、线、圆等,都会出现子像素。例如,圆的直径是100.12像素。后面的0.12就是子像素。因为从像素可以理解为,工业相机最小的物理单位其实是像素,但我们在机器视觉测量中,还是可以得到小数点的数值,这是由软件计算出来的。其实在实际情况下,并不一定非常准确。通常这个值在灰度图像中更容易体现,而在二进制图像中,因为这个值只有0,1。所以很多函数不一定能计算出子像素。

    https://www.pomeas.com/newsview/529.html

    展开全文
  • 像素理解

    万次阅读 多人点赞 2019-07-29 22:35:51
    3 相机的像素精度,物理定位精度,亚像素定位之间的关系和进行像素的固定误差累积 4 亚像素级角点定位原理及opencv实现 1 亚像素理解   在相机成像的过程中,获得的图像数据是将图像进行了离散化的处理,由于...
  • python 操作某个超像素

    千次阅读 2017-09-29 12:14:34
    如果想要操作其中某个超像素,即某个聚类中的所有点,可以使用numpy.where(label_mat == label)其中label_mat是超像素的标签矩阵,label是想要操作超像素的标签值,这样可以返回二个对应标签值的坐标list,分别对应...
  • 在分析现有棋盘格角点像素级和亚像素级定位方法不足的基础上,提出了一种基于改进SV方法的棋盘格角点亚像素定位方法。首先,采用SV算子对角点进行像素级检测;其次,选取标定图像中以初定位角点坐标为中心的5×5像素...
  • 加载Photron mraw文件,允许流畅预览、图像光谱滤波、二项式滤波和时间中值滤波_具有图像增强和亚像素跟踪的MRAW阅读器
  • 该算法也已在 CUDA 语言中实现,用于并行执行,允许执行实时光流。 有关更多详细信息,请参阅 CUDA 区。
  • 像素卷积和转置卷积

    千次阅读 2019-05-20 15:27:14
    CNN中对特征图进行上采样常用的操作有转置卷积和亚像素卷积 1、转置卷积 转置卷积(Transposed Convolution)又称为反卷积(Deconvolution) 先看下普通的卷积过程: 如下图: 这是一个卷积核大小为3x3,...
  • 像素图像 大家有没有你想过,在软件层面,如何提高图像处理的精度?比如,我们要用图像处理测量工业零件的周长,怎么在不改变硬件条件的情况下尽可能得到更高的精度? 我们平时看到的图像都是由像素点组成的,不...
  • imgproc.so \ /usr/local/lib/libopencv_imgcodecs.so LIBS += -L/usr/local/lib -lopencv_core -lopencv_imgcodecs -lopencv_highgui -lopencv_calib3d (一)棋盘格角点检测和亚像素检测 #include <iostream> #...
  • 首先进行粗检测,函数goodFeaturesToTrack,存储进入corners中,然后cornerSubPix函数进行亚像素精确匹配,设置结束条件。 由于实际应用中线条较粗,因此 CORNER_BLOCKSIZE = 9; CORNER_QUALITYLEVEL = 0.6; ...
  • 本发明属于一种图像检测方法,具体为一种针对传统Harris角点的亚像素级别的检测方法。技术背景在机器视觉研究中,角点检测是一个重要环节。在摄像机标定,立体匹配,三维重建等计算机视觉处理任务中起重要作用。角点...
  • 图像处理之角点检测与亚像素角点定位 角点是图像中亮度变化最强地方反映了图像的本质特征,提取图像中的角点可以有效提高图像处理速度与精准度。所以对于整张图像来说特别重要,角点检测与提取的越准确图像处理与...
  • 基于多项式插值的亚像素边缘定位算法

    万次阅读 多人点赞 2019-11-20 11:31:51
    基于多项式插值的亚像素边缘定位算法 OpenCV, C++, 有图有真相
  • 对困扰亚像素图像块匹配方法的三个重要因素:搜索区域大小、模板图像大小、亚像素拟合精度进行详细分析和试验,提出根据试验结果和微纳米图像序列的测量特点选择最佳的搜索区域、模板大小、匹配准则函数和亚像素拟合...
  • 一种亚像素边缘检测方法与流程

    千次阅读 2021-04-21 09:21:48
    本发明涉及图像处理技术领域,尤其涉及一种亚像素边缘检测方法。背景技术:随着计算机视觉工业测量技术的发展,高精度的边缘检测和边缘定位技术应运而生。高效且精确的检测技术将极大突破图像采集设备的硬件限制,既...
  • 最近在弄对齐,对齐里有个亚像素对齐,然后opencv里又有个角点亚像素refine,然后就到了角点...,这一系列关联下去,就去学了个角点,然后这些基本推导都非常类似... 看上去只要是扯到图像结构啥的,都会涉及到梯度...
  • 目录 1.1 亚像素理解 ...例如两个感官原件上的像素之间有4.5um的间距,宏观上它们是连在一起的,微观上它们之间还有无数微小的东西存在,这些存在于两个实际物理像素之间的像素,就被称为“亚像素”。 亚像素
  • 本研究提出了一种自动识别和亚像素提取黑白平面棋盘格模板图像内部角点的方法,该方法在详细分析了棋盘格图像的局部特性基础上,建立了准确高效的改进的SUSAN角点检测算法和精确的亚像素级提取角点坐标的方法,并通过...
  • 像素算法

    万次阅读 2018-09-13 17:57:11
    在这篇博客里,主要讲解两点:点定位(Point localization)以及边缘定位(Edge localization),均是亚像素级定位精度。当然还有其他定位方法,这里仅针对亮点和边缘两种情形分别进行精确定位。   1. 为何需要进行亚...
  • 用一张棋盘格来进行图像的像素精度计算,其计算程序是:   #include"opencv2/opencv.hpp" using namespace cv; int main() { Mat srcimg = imread("6.bmp"); Mat gray; cvtColor(srcimg,...
  • Harris、Shi-Tomasi和亚像素角点都是角点,隶属于特征点这个大类(特征点可以分为边缘、角点、斑点). 一、Harris角点检测是一种直接基于灰度图像的角点提取算法,稳定性较高,但是也可能出现有用信息丢失的情况。 ...
  • 【深度学习笔记】亚像素 / sub-pixel、亚像素卷积

    千次阅读 多人点赞 2020-06-20 14:32:56
    近段时间需要用到亚像素卷积的知识,因此上网查阅了论文和资料,此文是根据网上的博文以及相关论文,依据个人的理解整理而来。 总而言之,拾人牙慧而已。 Content1 亚像素的定义1.1 亚像素理解1.2 何谓亚像素?...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 452
精华内容 180
关键字:

像素和亚像素