問題タブ [gaussian]

私が取り組んでいるプロジェクトでは、ポイントのセットからガウスフィットを取得する必要があります-いくつかの処理の平均と分散、およびポイントのセットが本当にあるかどうかを判断するためのエラー度（または精度レベル）が必要です正規分布を持っています。

私はこの質問を見つけました

ただし、3ポイントに制限されていますが、任意の数のポイントで機能するフィットが必要です。

私が必要としているのは、LabVIEWのガウスピークフィットに似ています

mathdotnetとaforge.net（同じプロジェクトで両方を使用）を見ましたが、何も見つかりませんでした。

誰かがC＃または（簡単に変換可能な）C / C ++またはJavaソリューションを知っていますか？

あるいは、反復アルゴリズムを使用する必要があると言われました。自分で実装することもできます（数学がそれほど複雑でない場合）。私が何を使うことができるかについて何か考えはありますか？私は（ウィキペディアやGoogleで見つけた他の記事で）たくさんの記事を読みましたが、解決策の明確な兆候は見つかりませんでした。

学校のプロジェクトでガウスぼかしを実装しようとしています。パフォーマンスを比較するには、CPU と GPU の両方の実装を作成する必要があります。

ガウスぼかしがどのように機能するかを理解しているかどうかはよくわかりません。私の質問の 1 つは、正しく理解できているかどうかです。

私が今やっていることは次のとおりです。ウィキペディアhttp://en.wikipedia.org/wiki/Gaussian_blurの式を使用してフィルターを計算します。2d の場合、画像内の各ピクセルの RGB を取得し、ピクセルと周囲のピクセルの RGB に関連するフィルター位置を乗算してフィルターを適用します。次に、これらが合計されて、新しいピクセル RGB 値になります。1d の場合、フィルターを最初に水平方向に適用し、次に垂直方向に適用します。物事を正しく理解していれば、同じ結果が得られるはずです。この結果は、2d フィルターを適用した場合とまったく同じ結果ですか?

もう 1 つの質問は、アルゴリズムを最適化する方法についてです。高速フーリエ変換がガウスぼかしに適用できることを読みました。しかし、私はそれを関連付ける方法がわかりません。誰かが正しい方向へのヒントを教えてくれますか?

ありがとう。

emgucv を使用してガウス ノイズ (特定の平均と分散) を画像に追加するにはどうすればよいですか?

ガウス部分ピボット除去法を使用して行列式を計算する単純なコンソールアプリケーションをCで作成しようとしています。私が持っている2つの問題は次のとおりです：-誰かが私にこの方法で動作しない特定のマトリックスがあると言いました（数学的に言えば）、グーグルで記事を読んだ後、私はその特別なケースが何であるかを見つけることができませんでした-後多くのテストで、私のプログラムが一部のマトリックスで機能していないことがわかりました。編集と元に戻すのに2日間の「無駄な」時間を費やした後、問題を見つけることができませんでした。

どんな種類の改善も歓迎されます。私はCから始めています。

以下のこのリターンは、ガウスフォールオフとして定義されています。eまたは2の累乗が表示されないため、これがガウスフォールオフとどのように関連しているか、またはメッシュを滑らかに変形させるために使用するフォールアウトの種類が間違っているかどうかはわかりません。

ここでMathf.Clamp01、0から1までの値を返します。

inRadiusは歪みのサイズであり、次の要素distanceによって決定されます。

verticesはメッシュの頂点のリストでありposition、メッシュの操作/変形のポイントです。

私の質問は2つの部分です：

1）上記は実際にガウスフォールオフですか？指数関数的ですが、2の重要なeまたは累乗はないようです...（更新-グラフがガウスのように滑らかに減少するように見えることがわかります。おそらく、この関数は問題2の原因ではありません。下）

2）メッシュが十分にスムーズに変形していません-上記のパラメーターを考慮して、別のガウスフォールオフをお勧めしますか？

私は T. Mertens の et を複製しようとしています。アル。論文 [1] では、異なるカメラ露出で撮影された複数の写真を「より良い」露出の写真に融合する方法を著者が提示しています。この論文で使用できる Matlab デモ コードもあります [2]。この方法は非常に単純です。各ピクセルのピクセル ウェイト マップを計算し、ウェイト マップとラプラス/ガウス ピラミッド ブレンディング アプローチを使用して画像を結合し、ブレンディング アーティファクトを防ぎます。

私は基本的に Matlab コードを C++ に移植しましたが、結果の画像は Matlab の実装と比較して色あせて見えます (画像: http://imageshack.us/photo/my-images/204/exposuresample.jpg/ )。

C++ ポートの処理ワークフローのさまざまなステップを既に比較しましたが、これらは問題ないようです。私のピラミッド処理に問題があるようです。

画像処理のバックグラウンドを持つ人は、色あせた結果を引き起こす可能性のある提案やアイデアを持っていますか?

よろしく、

[ 1 ] http://research.edm.uhasselt.be/%7Etmertens/exposure_fusion/ [ 2 ] http : //research.edm.uhasselt.be/%7Etmertens/exposure_fusion/exposure_fusion.zip

私の質問はこの質問に非常に近いです:組み込みのガウス関数を使用せずに画像をガウスぼかしするにはどうすればよいですか?

この質問に対する答えは非常に良いですが、実際のガウス フィルター カーネルを実際に計算する例は示されていません。答えは任意のカーネルを与え、そのカーネルを使用してフィルターを適用する方法を示しますが、実際のカーネル自体を計算する方法は示しません。C++ または Matlab でゼロからガウスぼかしを実装しようとしているため、カーネルをゼロから計算する方法を知る必要があります。

誰かが小さなサンプル画像マトリックスを使用して実際のガウス フィルター カーネルを計算できれば幸いです。

MATLAB で実行する必要があるバイナリ分類の問題があります。2 つのクラスがあり、トレーニング データとテスト データの問題は 2 つのクラスからのもので、ガウス分布から得られた 2 次元座標です。

サンプルは 2D ポイントであり、次のようなものです (クラス A の場合は 1000 サンプル、クラス B の場合は 1000 サンプル): それらのいくつかをここに投稿しています:

5.867766 3.843014 5.019520 2.874257 1.787476 4.483156 4.494783 3.551501 1.212243 5.949315 2.216728 4.126151 2.864502 3.139245 1.532942 6.669650 6.569531 5.032038 2.552391 5.753817 2.610070 4.251235 1.943493 4.326230 1.617939 4.948345

新しいテスト データが入ってきた場合、テスト サンプルをどのように分類すればよいですか?

P(Class/TestPoint) は、P(TestPoint/Class) * (ProbabilityOfClass) に比例します。

指定された 2D 座標の P(Sample/Class) 変数をどのように計算するかはわかりません。今、私は式を使用しています

P(座標/クラス) = (座標 - そのクラスの平均) / そのクラスのポイントの標準偏差)。

ただし、これではあまり良いテスト結果が得られません。私は何か間違ったことをしていますか？

範囲(0-99)内の異なる分布を使用してJavaで乱数を生成するにはどうすればよいですか?

標準の Java.util.Random getNextInt() が Uniform と PRNG を使用していることは知っています。nextGaussian はどのように使用しますか? しかし、どうすれば残りを生成できますか? 問題は、それらが指定された範囲 (0-99) 内にある必要があり、ランダム ライブラリに nextPossion、nextExponential、nextGeometric などがないことです。

御時間ありがとうございます。