이미지 분석에서 음영을 소스에 연결합니다.

Question

두 개의 래스터가 있습니다. 첫 번째 것은 구름 마스크에 해당합니다. 즉, 픽셀이 구름에 해당 할 때 1이고 그렇지 않은 경우에 0을 갖는 이미지입니다. 두 번째는 그림자 마스크이며, 픽셀이 그림자로 분류되면 1입니다.

그림자 분류와 관련된 오류를 줄이려면 그림자가 구름과 연결되어야한다는 사실을 사용할 수 있습니다. 어떤 방향으로 각 구름의 x 미터 내에 그림자가 있어야합니다 (태양 각으로 인해 검색 될 수 있음).

이 연결 단계를 구현하는 방법에 대한 아이디어가 있으십니까? 여기

은 RAW 이미지의 스냅 샷, 클라우드 마스크 (흰색)와 섀도우 마스크 (블랙) 나는 큐으로 수행 본 적이

Answer 1

입니다.

points = new list() 
queue = new queue() 
for x,y in image_coordinates: 
    if is_cloud(x,y): 
    point = new point(x=x, y=y, distance=0, cloud_x=x, cloud_y=y) 
    queue.push(point) 
    else: 
    point = new point(x=x, y=y, distance=null, could_x=null, cloud_y=null) 
    points.push(point) 

while(!queue.is_empty()): 
    point = queue.pop() 
    for neighbor in point.neighbors(): 
    if angle_is_correct(point.cloud_x, point.cloud_y, neighbor.point.x, neighbor.point.y): 
     if neighbor.is_direct(): //N,S,E,W 
     new_distance = point.distance + 1 
     else: //NE, SE, SW, NW 
     new_distance = point.distance + SQRT_2 
     if neighbor.point.distance == null or neighbor.point.distance > new_distance: 
     neighbor.point.distance = new_distance 
     neighbor.point.cloud_x = point.cloud_x 
     neighbor.point.cloud_y = point.cloud_y 
     queue.push(neighbor.point) 

실행이 완료 점은 X, Y 좌표, 가장 가까운 클라우드로의 거리의 목록이 될 것입니다 경우, 그리고 X는 Y는 (가장 가까운 클라우드 좌표 : 기본적으로 의사 코드는 같은 것이 보인다 당신은 아마도 필요하지 않습니다). 올바른 방향의 구름 만 고려하려면 angle_is_correct 함수를 사용해야합니다. 거리가 최대 거리를 초과하면 대기열에 점을 추가하는 것을 중지하기 위해이를 더 최적화 할 수도 있습니다.

알고리즘의 복잡성은 확실하지 않지만 이것이 O (n) 또는 O (log (n))임을 증명할 수있는 것으로 생각됩니다. 내가 아는 전부는 그것이 필요할 때 나를 위해 빨리 일했다는 것입니다.