如何在云数据中提取高原（Matlab）

Question

我目前正在编写一个程序来检测低分辨率二进制图像中的边缘（在 Matlab 中）。

由于霍夫变换在边缘较多的图片中效果不佳，我尝试了另一种方法

1. 跟随对象区域的边界。

2. 确定每个边界像素i 的斜率/角度a_i（使用特定数量的邻居来确定）。

3. 确定每个像素i的角度(a_ort)_i与2)中计算的斜率正交。

4. 按照(a_ort)_i 的方向确定像素i 位置处潜在边缘的宽度w_i（假设我朝正确的方向前进，而不是与(a_ort)_i 成180°） .

最后我得到了两个地块

a) 边界像素索引 i 在 x 轴上和 (a_ort)_i 在 y 轴上的绘图。

b) 边界像素索引 i 位于 x 轴，w_i 位于 y 轴的绘图。

我想检测边缘可能在哪里。因此，对于绘图 a) 可能会出现一条边缘，其中 x 轴上的某个范围 A 有一个平台（假设角度几乎恒定a_A），然后范围 B 有一个非常小的平台（大部分只有大约 3- 5 像素），角度为a_B，其后是范围为 C 且角度为 a_C 的区域。

当我用我想象中的汽车“绕过”边界时，边缘将转换为 w_A-w_C=180° 和 w_B=w_A-90° - 听起来既公平又简单。同样（但不同！）适用于图 b），其中 w_A 对应于宽度w_A，它应该与范围 C 和w_C 相同（所以w_C=w_A）。 范围 B 将有一些不同的值w_B。现在到有问题的部分： 我得到的图非常模糊，难以读取和提取数据。由于范围B大多非常小（只有几个像素），而a_B和w_B对应的角度和宽度的计算由于误差非常大而几乎没有用，我可以完全忽略它们。我基本上只需要找到板块 A 和 C 以及哪里有一些“断点”。实际上，我只需要绘制 a) 或 b) 来确定我想要的（边缘可能所在的像素），但由于数据非常糟糕，有很多异常值，我想同时包含并使用它们。

问题：(TL:DR)。

我有来自 plot a) 的数据和来自 plot b) 的数据，我想在其中找到高原（常数值线）（忽略并过滤其他所有内容）。在 a) 中确定 x 轴上的值，其中存在从一个高原到另一个高原的“跳跃”，而高原在 180° 上不同。在 b) 中，我想确定一个高原之间的“差距”在哪里，理想情况下，应该与我在情节 a) 中寻找的两个高原一样长。

三张图：

Answer 1

三个“高原”的案例似乎对应于论文第 14-16 页的案例处理：https://fr.scribd.com/document/380941024/Regression-par-morceaux-Piecewise-Regression-pdf

下面，从上面的参考资料中复制（翻译）。我希望这会有所帮助。

有关变体（全局而不是分段回归），请参阅参考论文。

这是一个非常简单的算法，不是迭代的。我想在 Matlab 中实现它很容易。

注意：如果 a1 和\或 a2 不是实数，或者其中一个在 [x1,xn] 范围之外，这意味着由三个高原组成的模型与数据不一致。在这种情况下，人们必须尝试一些其他算法来获得更少或更多的高原或非水平段，如参考论文中所示。