Region运算之骨骼网格鞍点

1.select_region_point(Region:DestRegions:Row,Column:)
*选择包括已给点的所有区域
2.skeleton(Region:Skeleton:)
*获得区域的骨骼
3.junctions_skeleton(Region:EndPoints,JuncPoints)
*获得骨架区域的交点和结束点
read_image(lena,'C:/Users/z12073245/Desktop/lena.jpg')
dev_close_window()
dev_open_window(0,0,512,512,'black',WindowHandle)
dev_display(lena)
threshold(lena,Region, 128, 255)
connection(Region, ConnectedRegions)
*选择包括已给点的所有区域
select_region_point(ConnectedRegions, DestRegions, 100, 100)
select_region_point(ConnectedRegions, DestRegions1, 154, 254)
threshold(lena, Region1, 0, 50)
connection(Region1, ConnectedRegions1)
skeleton(ConnectedRegions, Skeleton)

junctions_skeleton(Skeleton, EndPoints, JuncPoints)


gen_grid_region(:RegionGrid:RowSteps,ColumnSteps,Type,Width,Height:)
*生成网格/点区域
2.projection_pl(::Row,Column,Rowl,Column1,Row2,Column2:RowProj,ColProj)
*计算点到直线的投影
* Create a region from lines or pixels
* 
read_image (Image, 'particle')
get_image_size (Image, Width, Height)
Gap := 10
gen_grid_region (RegionGrid, Gap, Gap, 'lines', Width, Height)
* Reduce the domain of the image
reduce_domain (Image, RegionGrid, ImageReduced)
* Select gray values lying within an interval
threshold (ImageReduced, Region, 100, 255)
dilation_rectangle1 (Region, RegionDilation, Gap, Gap)
reduce_domain (Image, RegionDilation, ImageReduced2)
threshold (ImageReduced2, Region, 100, 255)

gen_grid_region列子


projection_pl.hdev

dev_clear_window()
dev_open_window(0,0,512,512,'black',WindowID)
dev_set_color('green')

RowLine1 :=200
ColLine1 :=100
RowLine2 :=120
ColLine2 :=200

Rows :=150
Columns := 50

disp_line(WindowID,RowLine1,ColLine1,RowLine2,ColLine2)
gen_region_line(RegionLines1,RowLine1,ColLine1,RowLine2,ColLine2)

n := 0
for Rows := 20 to 100 by 4
    dev_set_color('red')
    gen_circle(Wcir, Rows + n, Columns, 3)
    projection_pl(Rows + n, Columns, RowLine1, ColLine1,RowLine2,ColLine2,RowProj,ColProj)
    dev_set_color('blue')
    gen_circle(Wcir,RowProj,ColProj,3)
    gen_region_line(RegionLines,Rows+n,Columns,RowProj,ColProj)
    distance_ss(Rows,Columns,Rows+n,Columns+n,RowLine1,ColLine1,RowLine2,ColLine2,DistanceMin,DistanceMax)
    n := n + 8
endfor

read_image(Image,'landmarks')
get_image_size(Image,Width,Height)
dev_close_window()
dev_open_window(0,0,Width,Height,'black',WindowHandle)

rgb1_to_gray(Image,GrayImage)
sigma := 1.5
Threshold := 12

saddle_points_sub_pix(GrayImage,'facet', Threshold, sigma, Row, Column)
gen_cross_contour_xld(Crosses,Row,Column,12,0.785398)
dev_display(GrayImage)
dev_set_color('blue')
gen_cross_contour_xld(Crosses,Row,Column, 12, 0.785398)


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
鞍点是指函数在某个点的梯度为零,且该点的“拐点”(也就是 Hessian 矩阵的矩阵特征值有正有负)的点。在 C 语言中,可以使用数值优化库,如 GSL(GNU Scientific Library)或 NAG(Numerical Algorithms Group)库来找到函数的鞍点。 下面是使用 GSL 库找到函数的鞍点的示例代码: ```c #include <stdio.h> #include <gsl/gsl_multimin.h> // 定义函数 double func(const gsl_vector *v, void *params) { double x = gsl_vector_get(v, 0); double y = gsl_vector_get(v, 1); return x * x - y * y; } // 定义函数的梯度 void grad(const gsl_vector *v, void *params, gsl_vector *df) { double x = gsl_vector_get(v, 0); double y = gsl_vector_get(v, 1); gsl_vector_set(df, 0, 2 * x); gsl_vector_set(df, 1, -2 * y); } int main() { const gsl_multimin_fdfminimizer_type *T; gsl_multimin_fdfminimizer *s; int iter = 0, status; const size_t n = 2; double eps = 1e-8; // 初始点 gsl_vector *x = gsl_vector_alloc(n); gsl_vector_set(x, 0, 1.0); gsl_vector_set(x, 1, 1.0); // 定义函数及梯度 gsl_multimin_function_fdf my_func; my_func.n = n; my_func.f = &func; my_func.df = &grad; my_func.fdf = NULL; my_func.params = NULL; // 定义优化器类型 T = gsl_multimin_fdfminimizer_conjugate_fr; s = gsl_multimin_fdfminimizer_alloc(T, n); // 初始化优化器 gsl_multimin_fdfminimizer_set(s, &my_func, x, 0.01, eps); do { iter++; status = gsl_multimin_fdfminimizer_iterate(s); if (status) break; status = gsl_multimin_test_gradient(s->gradient, eps); } while (status == GSL_CONTINUE && iter < 100); printf("Minimum found at:\n"); printf("%5.5f %5.5f\n", gsl_vector_get(s->x, 0), gsl_vector_get(s->x, 1)); gsl_multimin_fdfminimizer_free(s); gsl_vector_free(x); return 0; } ``` 该示例代码中,我们首先定义了函数 `func` 和它的梯度 `grad`。然后,我们使用 GSL 库中的 `gsl_multimin_fdfminimizer` 类型来定义优化器。在初始化优化器时,我们通过 `gsl_multimin_fdfminimizer_set` 函数将函数及梯度传递给了优化器。最后,我们使用 `gsl_multimin_fdfminimizer_iterate` 函数迭代求解函数的鞍点,并使用 `gsl_multimin_test_gradient` 函数检查是否已收敛。 需要注意的是,由于鞍点通常比最小值或最大值更难以找到,因此需要更多的迭代次数和更小的收敛阈值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值