问题标签 [subsampling]

我有定义英国县轮廓的多边形。这些形状非常详细（每个 10k 到 20k 点），因此使相关的计算（多边形 P 中的点 X 吗？）计算成本很高。

因此，我想对我的多边形进行“二次采样”，以获得相似的形状但点数更少。有哪些不同的技术可以做到这一点？

最简单的方法是每N点取一个（因此按一个因子进行二次抽样N），但这感觉太“粗鲁”了。我宁愿做一些平均分，或者类似的东西。任何指针？

到目前为止我有这个：

但它不起作用，只输出一个空白文件:(

我使用以下公式将 RGB 矩阵转换为 YUV 矩阵：

然后我在矩阵上做了一个 4:2:0 色度子样本。我认为我这样做是正确的，我从 YUV 矩阵中取出 2x2 子矩阵，将值从最小到最大排序，并取中间 2 个值之间的平均值。

然后我使用来自 Wikipedia 的这个公式来访问 Y、U 和 V 平面：

我正在使用 OpenCV，所以我尽力解释这一点：

src 是 YUV 子采样矩阵。我是否正确解释了该公式？

以下是我如何将颜色转换回 RGB：

问题是我的图像没有恢复到原来的颜色。

以下是供参考的图像：http: //i.stack.imgur.com/vQkpT.jpg（二次采样） http://i.stack.imgur.com/Oucc5.jpg（输出）

我看到我现在应该从 YUV444 转换为 RGB，但我不太明白剪辑函数在我在 Wiki 上找到的示例中的作用。

>> 是否意味着我应该移位？

我将不胜感激任何帮助/评论！谢谢

更新

尝试进行 YUV444 转换，但它只是让我的图像出现在绿色阴影中。

而我的剪辑功能： int clip(double value) { return (value > 255) ？255：（值 < 0）？0：值；}

我有一个带有浮点数的 numpy 数组。

我想要的（如果它不存在的话）是一个函数，它为我提供了一个新数组，其中包含给定数组中每个 x 点的平均值，例如子采样（与插值相反（？））。

例如 sub_sample(numpy.array([1, 2, 3, 4, 5, 6]), 2) 给出 [1.5, 3.5, 5.5]

例如，可以删除剩菜，例如 sub_sample(numpy.array([1, 2, 3, 4, 5]), 2) 给出 [1.5, 3.5]

提前致谢。

我正在尝试使用 ImageIO 将 BufferedImage 保存为 JPEG。但即使使用 100 质量进行保存，由于色度子采样，我也会遭受质量损失。

我已经通过恢复到较旧的 JAI 库并将水平和垂直二次采样显式设置为 1 成功解决了这个问题。然而，一个关键要求是我将图像保存为渐进式，JAI 似乎不支持。

有没有办法使用较新的 ImageWriter 禁用子采样？

提前致谢

如果可能的话，我想避免使用 ImageMagick

证明 YUV 4:2:0 方案每像素的等效位数为 12

我正在寻找如何使用该libjpeg库将 YUYV 格式框架保存到 JPEG 文件的示例。

我正在寻求帮助以使下面的代码高效。尽管它有效，但我并不满意。有需要修复的错误（当前无关）。我第一次使用 <random> 标头，第一次使用 stable_partition。

问题定义/规范：
我有一个数字数据（浮点值）的总体（向量）。我想根据用户指定的百分比创建两个 RANDOM 样本（2 个向量）。即 popu_data = 30%Sample1 + 70%Sample2 - 这里 30% 将由用户给出。我还没有实现为 % 但它微不足道。

编程中的问题：我能够从总体中创建 30% 的样本。创建另一个向量（sample2 - 70%）的第二部分是我的问题。原因是在选择 30% 的数据时，我必须随机选择值。我必须跟踪索引以删除它们。但是有些我没有得到比我实现的逻辑更有效的逻辑。

我的逻辑是（不高兴）：在人口数据中，随机索引处的值被替换为唯一值（这里是 0.5555）。后来我了解了 stable_partition 函数，其中将 Population 的各个值与 0.5555 进行比较。设置为 false 时，该数据将创建为与 sample1 互补的新 Sample2。

除此之外：我怎样才能使这个通用，即一个人口到用户定义的人口百分比的 N 个子样本。

感谢您的任何帮助。我尝试了矢量擦除、删除、复制等，但它没有作为当前代码实现。我正在寻找更好、更有效的逻辑和 stl 用法。

我从文件中DataFrame加载了一个。.tsv我想生成一些探索性的情节。问题是数据集很大（约 100 万行），因此图上的点太多而看不到趋势。另外，绘制需要一段时间。

我想对 10000 个随机分布的行进行子抽样。这应该是可重现的，因此每次运行都会生成相同的随机数序列。

这：以相同的方式对两个熊猫数据框进行采样似乎是在正确的轨道上，但我不能保证子样本的大小。

我正在尝试将 scipy 稀疏矩阵子采样为像这样的 numpy 矩阵，以获得每 10 行和每 10 列：

但是，当我运行它并查询connections_sampled 的形状时，我得到了连接的原始尺寸，而不是减少了10 倍的尺寸。

这种类型的子采样现在是否适用于稀疏矩阵？当我使用较小的矩阵时，它似乎有效，但我无法给出正确的答案。