问题标签 [haar-wavelet]

所以我有这样的图像：

我想得到这样的东西（我没有画出我想要的所有线条，但我希望你能明白我的想法）：

我想使用 SURF（（Speeded Up Robust Features）是一种强大的图像描述符，由Herbert Bay 等人于 2006 年首次提出）或基于 2D Haar 小波响应之和并有效利用积分图像的东西找到图像上的所有直线。我想获得相对于图片像素坐标线的起点和终点。

所以在这张图片上找到瓷砖之间的所有线条和顶部的那两条黑线。

是否有任何这样的代码示例（具有行搜索功能）可以开始？

我喜欢 C 和 C++，但任何其他可读的代码都可能对我有用=)

我正在尝试复制（部分）本文中的工作：http: //www.mit.edu/~kimo/publications/harmonization/

我不明白他们所说的“哈尔金字塔”是什么意思。我在高斯和拉普拉斯图像金字塔上找到了各种各样的东西，在 Haar 过滤器上也找到了很多东西，但在任何地方（除了本文之外）我都没有找到任何被称为“Haar 金字塔”的东西。

目前，我大致使用链接到此页面底部的 2D Haar 变换（稍作编辑以使用我自己的图像格式）：http ://www.cs.ucf.edu/~mali/haar/

当给出这个：

它产生这个：

这就是我要找的吗？我无法理解以这种格式处理图像有什么好处。此外，该论文提到他们使用“过采样”的 Haar 金字塔，我认为这意味着他们不会在每次通过过滤器时调整图像的大小。如果是这样的话，那么我怎样才能紧凑地存储所有这些图像呢？我喜欢我拥有的代码，因为它将所有内容都存储在一个位图中，并且必须存储图片的多个实例的数组的想法并不太吸引人。

对我的问题的任何部分的最轻微的洞察将不胜感激。谢谢！

我正在尝试编写一个简单的自包含程序，该程序使用 CDF 9/7 小波在一维列表上执行单级离散小波变换，然后对其进行重建。我只是使用卷积/滤波器组方法来了解它是如何工作的。换句话说，将列表与滤波器进行卷积以获得比例系数，将列表与不同的滤波器进行卷积以获得小波系数，但仅从每个其他元素开始执行此操作。然后上采样（即在元素之间添加零），将滤波器应用于小波和比例系数，将它们加在一起，并得到原始列表。

我可以让它适用于 Haar 小波滤波器，但是当我尝试使用 CDF 9/7 滤波器时，它不会产生相同的输入。然而，结果列表和原始列表的总和是相同的。

我确定这是卷积中的一个非常愚蠢的错误，但我就是想不通。我已经尝试了一堆卷积的排列，比如将过滤器集中在索引“i”上，而不是从它的左边缘开始，但似乎没有任何效果......这可能是那些会导致的错误之一当我弄清楚时，我拍了拍我的头。

这是代码：

顺便说一句，我从这里的附录中获取了过滤器值：http ://www1.cs.columbia.edu/~rso2102/AWR/Files/Overbeck2009AWR.pdf ，但我已经看到它们在一堆matlab示例代码中使用出色地。

我目前有一个 Java 程序，它将获取图像中每个像素的 rgb 值。我还有一种方法可以在二维值矩阵上计算 Haar 小波。但是我不知道应该为计算 Haar 小波的方法赋予哪些值。我应该平均每个像素的 rgb 值并计算一个 haar 小波吗？或者只使用 r、g、b 中的 1 个。我正在尝试为图像创建一个唯一的指纹。我在其他地方读到这是一个很好的方法，因为我可以取 2 个小波的点积来查看图像彼此之间的相似程度。

请让我知道我应该计算 Haar 小波的值。谢谢杰斯

使用 CvRect 我能够检测面部坐标

但我的问题是当人微笑时如何找出 whitePixelValue ？

什么微笑补偿是合适的？150值准确吗？

微笑 haarcascade 根本不起作用。只需要对白色像素进行逻辑处理

请帮忙！！！

更新：我认为我的赏金将被浪费..在这个线程上没有得到专家的回应。我正在寻找算法:(

我正在使用隐藏马尔可夫模型（HMM）做一个手势识别项目。对于手部的检测，我将范围缩小到两种技术：haar 训练和基于肤色的检测。哈尔训练看起来更有希望，请你告诉我如何从检测部分开始，我已经有了左手的 xml 文件。谢谢你

我一直在 OpenCV（开源计算机视觉库）中尝试人脸检测，发现可以使用 Haar 级联来检测人脸，因为 OpenCV 提供了几种人脸。但是，我注意到还有几个 LBP 级联。经过一番研究，我发现 LBP 代表 Local Binary Patterns，根据OpenCV 人脸检测文档，它也可以用于人脸检测。

我想知道的是，哪个效果更好？哪一个执行得更快，哪一个更准确？似乎 LBP 执行得更快，但我也不是 100% 确定这一点。谢谢。

我正在尝试通过使用 OpenCV 和 Haar 级联来制作手部检测程序。它工作得很好，但它很生涩。所以我问自己这是否是 haar 文件太“便宜”的问题，或者是否有办法通过使用轮廓或特征检测（或者可能是其他一些技术）来改进检测。

我想执行的操作与此人脸检测相同，但对于手：人脸检测（请参阅 FaceOSC）

非常感谢。

编辑：这是我想做的事情：手提取似乎他通过轮廓检测执行它，但是如何找到手？

我找不到有关在 OpenCV 中训练 Haar 分类器的数据的任何信息。我想知道这些分类器的生成方式、数量和方式（手动或通过程序）。

您可以在..OpenCV2.3.1\opencv\data\haarcascades..目录中找到这些分类器的 xml 文件。谢谢

我想绘制 Haar 函数，其定义为：

那么第 k 个 Haar 函数为：

例如我想画h(t,1,1)，它必须是函数：

那么如何在 R 中绘制具有固定 k 和 n 的第 k 个函数？