Envoyé par
Orus
pour simplifier la chose, on m'a demandé d'extraire le profil grace à l'horizon (j'ai réalisé un truc assez basique qui ne peut marcher que sur une partie des images mais ca suffit pour s'interesser à la suite)
Je suppose qu'on t'a demandé ca afin d'avoir a traiter un signal a 1 dimension:
y = f(x) , avec x variant entre 0 et la largeur de ton image.
De plus, ton signal (l'horizon) est censé etre continu. Donc tu peux supprimer les points aberrants et les remplacer par une approximation lineaire.
je pense qu'en prenant un groupe de points, et en les testant tout le long de l'autre image ca pourrait donner quelquechose
Oui, ca s'appelle la cross-correlation. Ca permet de calculer la "ressemblance" entre 2 signaux. Dans ton cas, le plus simple c'est de se créer une librairie de "motifs" (pattern) spécifiques a tes horizons.
1 2 3 4 5 6
|
Cross-correlation entre un signal f() (image) et un signal p() (pattern)
Somme[ (f(x) - mf) * (p(x-d)-mp) ]
r(d) = -----------------------------------------------------------------
Racine[ Somme[(f(x) - mf)^2] ] * Racine[ Somme[(p(x-d) - mp)^2] ] |
mf et mp sont les moyennes des 2 signaux. Les sommes varient entre 0 et la largeur de l'image. Pour le pattern (qui est moins large que l'image) on considere qu'il se repete a l'infini.
Tu peux ainsi calculer la courbe r(d), avec d variant entre 0 et la largeur du pattern. Tu prend le maximum de cette courbe, et ca te donne ton facteur de correlation.
Tu calcules ce facteur de correlation pour tous les motifs de ta librairie, et tu gardes les motifs qui ont le plus gros score. Enfin tu classifies ton image a l'aide des "annotations" associées a ces motifs.
le probleme est que sur une image on peut avoir divers objets, ou des objets à l'échelle différente
donc je me demandais si rien qu'avec ce profil, on pouvait arriver à déterminer si les images étaient corrélées ?
Non, pas avec la formule que j'ai donnée.
En effet, elle prend seulement en compte les translations. Mais tu peux modifier la formule pour rajouter un coefficient d'echelle. Tu obtiendra ansi une famille de courbes r(d).
Partager