私は添付画像における明るい被写体の向きを検索したいPCA

Question

を使用してオブジェクトの向きを探します。この目的のために、主成分分析（PCA）を使用しました。

イメージ1の場合、最初の主成分がその方向にアライメントされるため、PCAは正しい向きを見つけます。しかし、画像2の場合、主成分は方向を変える。

PCAが2つの画像で異なる結果を表示している理由は誰でも説明できますか？また、オブジェクトの向きを見つけるための他の方法があるかどうかを提案してください。

import os 
import gdal 
import matplotlib 
import matplotlib.pyplot as plt 
import numpy as np 
import skimage 
from skimage.filters import threshold_otsu 
from skimage.filters import try_all_threshold 
import cv2 
import math 
from skimage import img_as_ubyte 
from skimage.morphology import convex_hull_image 
import pandas as pd 

file="path to image file" 

(fileRoot, fileExt)= os.path.splitext(file) 

ds = gdal.Open(file) 
band = ds.GetRasterBand(1) 
arr = band.ReadAsArray() 
geotransform = ds.GetGeoTransform() 
[cols, rows] = arr.shape 
thresh = threshold_otsu(arr) 
binary = arr > thresh 
points = binary>0 
y,x = np.nonzero(points) 
x = x - np.mean(x) 
y = y - np.mean(y) 
coords = np.vstack([x, y]) 
cov = np.cov(coords) 
evals, evecs = np.linalg.eig(cov) 
sort_indices = np.argsort(evals)[::-1] 
evec1, evec2 = evecs[:, sort_indices] 
x_v1, y_v1 = evec1 
x_v2, y_v2 = evec2 
scale = 40 
plt.plot([x_v1*-scale*2, x_v1*scale*2], 
     [y_v1*-scale*2, y_v1*scale*2], color='red') 
plt.plot([x_v2*-scale, x_v2*scale], 
     [y_v2*-scale, y_v2*scale], color='blue') 
plt.plot(x,y, 'k.') 
plt.axis('equal') 
plt.gca().invert_yaxis() 
plt.show() 
theta = np.tanh((x_v1)/(y_v1)) * 180 /(math.pi) 

Answer 1

白いピクセルだけを使用していると主張しています。オーバーレイレンダリングで選択されているものを確認しましたか？とにかく、完全に飽和した白いピクセルが含まれていないので、特に2番目のイメージでは十分ではないと思います。私はPCAの前にもっと多くの処理を使います。

1. あなたの現在の画像のダイナミックレンジを向上させる彼らは黒と白のほぼ完全に飽和の両方が含まれているとして、この手順は必要ありません。このステップにより、より多くのサンプル入力画像間で閾値を統一することが可能になる。詳細は以下を参照してください。

   • Enhancing dynamic range and normalizing illumination

2. は、このステップが大幅恋人雑音点の強度と大きなオブジェクトのエッジを滑らかに（それら縮小するビット

   を平滑化ビット）。これは、任意のFIRフィルタまたは畳み込みまたはガウスフィルタリングによって行うことができる。また、いくつかは、形態学演算子を使用しています。これは（黒にクリア）より暗い画素を除去するので、ノイズを完全に元のサイズに戻ってモルフォロジー演算子によってオブジェクトを残り

3. 拡大を除去する

   強度によって

   は

4. 閾値

   結果として生じるOBBを少数のピクセルで拡大することによってこれを避けることができます（数字は＃2から滑らかな強さに拘束されます）。

5. は今、あなたがそれを使用PCAを使用しているOBB検索

   を適用します。私は、この代わりに使用しています：

   

   ：
   • How to Compute OBB of Multiple Curves?

は、私はこれらの結果を得た（＃4なし）上記のアプローチを使用して画像をしようとしたとき

2番目の画像で気付いたもう1つの問題は、白が多くないことですその中のピクセル。これは、特に前処理を行わずにPCAに偏っている可能性があります。私はバイキュービックフィルタリングによって画像を拡大し、それを入力として使用しようとします。それがあなたが持っている唯一の問題であるかもしれません。