通过前面的实践,我们已经可以通过正态分布函数生成样本点,这是什么意思呢?其实也就是说,任意图像上的样本点如果能和我们的模板重合,我们就认为,这样的样本满足了正态分布,我们已经掌握,调整参数,生成不同的同心圆或者同心椭圆来框定这些样本,这样我们就可以很好的把样本从图像中分离出来,或者说我们掌握了图像的特征,如果图像中有正负两种样本,均满足高斯正态分布,只是参数不同,那么我们就可以很好的把这两种样本分割开来,这就是高斯判别算法GDA。
需要改进的是:
1,椭圆(或者圆)可以在图像时用鼠标任意拖动,即改变中心位置
2,椭圆可以用鼠标拖动任意旋转
3,通过鼠标拖动改变椭圆的长短轴,生成相应的协方差矩阵,或者给出马氏距离,
4,或者通过马氏距离或者协方差矩阵在界面调整参数,改变椭圆形状
5 ,界面上能生成两个,或两个以上的正态分布函数可视可控工具
应该是可以的,因为我们在机器视觉中已经有找圆工具了,只不过我们现在要设计的圆工具是用来框定正态分布样本的,他是椭圆退化而来的。
另外,如果我们的椭圆内的样本逼近直线时,他的主轴是否就是最小二乘法拟合的直线呢?正态分布退化为直线了?
从形式上看,协方差矩阵与黑塞矩阵很相似,从特征值入手,我认为他们是一样的,难道我们的高斯与harris角点也有某种关系?
未来很期待啊!