我正在使用Criminisi 的基于示例的算法。在他论文的第 3 节中，它描述了该算法。需要修复的目标区域表示为Ω（欧米茄）。 Ω 与图像其余部分相交的边界或轮廓（表示为 Φ(phi)）为 δΩ（delta omega )。
现在在论文的第四页，它指出 np(n 下标 p) 是 δΩ 轮廓的法线。而▽Ip（也包括正交上标）是p点的等光线，也就是转90度的梯度。
我的多元微积分生锈了，但是我们如何用 python 库计算 np 和 ▽Ip 呢？ np 对于 δΩ 上的每个点 p 是否也不同？
【问题讨论】：
标签： python opencv image-processing numpy calculus
计算这些变量的方法有很多种，都取决于您对该边界的数字描述。 n_p 是轮廓的法线方向。
一般来说，如果您的轮廓是用解析方程描述的，或者您可以编写一个近似轮廓的解析方程（例如，适合 5 个点的样条曲线（您想要的点的每一侧各有 2 个）），您可以导出该样条，计算您想要使用的点的切线
然后，在该行中获取一个单位向量，并获得该行的正交向量。这一切都很容易做到（不懂就问）。
那么你就有了isophone。它看起来像是梯度的向量正交法及其模。计算图像上的方向梯度是图像处理中非常常用的技术。您可以轻松获得图像的 X 和 Y 导数（提示：numpy.gradient 或 SO python gradient）。那么，图像的总梯度描述为：
所以只需创建一个带有 x 和 y 梯度的向量（取自 numpy.gradient）。然后得到那个的正交向量。
注意：如何获得二维正交向量
[v2x v2y] = [v1y, -v1x]
【讨论】：
P。 2）知道你对接近边界的曲线的描述（当然也经过P）3）推导该曲线4）在推导上替换点P。这应该给出一个数字。这是方程中的斜率 f'(a)。 （a=x 或 a =y 取决于您如何描述曲线。不相关）。 5) 用计算的斜率构建穿过点 P 的线。 6）得到该曲线上的单位向量。 7) 得到正交向量 8) ????? 9) 盈利！ @JakeFund