1

我有一个高分辨率的二进制图像，看起来像：

在此处输入图像描述

我正在尝试计算应该稍微向右旋转的主轴并最终获得对象的方向轴

这里的一篇文章（在 matlab 中）建议这样做的一种方法是计算数据点的协方差矩阵并找到它们的特征值/特征向量

我正在尝试在 R 中实现类似的东西

%% MATLAB CODE Calculate axis and draw

[M N] = size(Ibw);
[X Y] = meshgrid(1:N,1:M);

%Mass and mass center
m = sum(sum(Ibw));
x0 = sum(sum(Ibw.*X))/m;
y0 = sum(sum(Ibw.*Y))/m;

#R code

d = dim(im)
M = d[1]
N = d[2]

t = meshgrid(M,N)
X = t[[2]]
Y = t[[1]]
m = sum(im);
x0 = sum(im %*% X)/m;
y0 = sum(im %*% Y)/m;

meshgrid <-function(r,c){
  return(list(R=matrix(rep(1:r, r), r, byrow=T), 
          C=matrix(rep(1:c, c), c)))
}

但是，计算m,x0和y0在 R 中花费的时间太长。

有人知道R中的实现吗？

4

2 回答 2

2

直接计算方差矩阵var需要 1/3 秒。

# Sample data
M <- 2736
N <- 3648
im <- matrix( FALSE, M, N );
y <- as.vector(row(im))
x <- as.vector(col(im))
im[ abs( y - M/2 ) < M/3 & abs( x - N/2 ) < N/3 ] <- TRUE
#image(im)
theta <- runif(1, -pi/12, pi/12)
xy <- cbind(x+1-N/2,y+1-M/2) %*% matrix(c( cos(theta), sin(theta), -sin(theta), cos(theta) ), 2, 2)
#plot(xy[,1]+N/2-1, xy[,2]+M/2-1); abline(h=c(1,M),v=c(1,N))
f <- function(u, lower, upper) pmax(lower,pmin(round(u),upper))
im[] <- im[cbind( f(xy[,2] + M/2 - 1,1,M), f(xy[,1] + N/2 - 1,1,N) )]
image(1:N, 1:M, t(im), asp=1)

# Variance matrix of the points in the rectangle
i <- which(im)
V <- var(cbind( col(im)[i], row(im)[i] ))
# Their eigenvectors
u <- eigen(V)$vectors
abline( M/2-N/2*u[2,1]/u[1,1], u[2,1]/u[1,1], lwd=5 )
abline( M/2-N/2*u[2,2]/u[1,2], u[2,2]/u[1,2] )

具有长轴和短轴的二进制图像

于 2013-04-17T08:29:53.810 回答
1

尝试用此链接中的合适的替换默认的 Rblas.dll 。

于 2013-04-17T05:19:55.110 回答