Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
xi
atakżejegoniezmienniczośćwzględemkierunkuliniiiciągłośćlinii.
Badajączagadnieniedoborufunkcjiprzynależnościwykorzystywanejdoroz-
mycia,awszczególnościjejskali,doszedłemdosformułowaniapojęciarozmycia
granicznegohistogramuizwiązanegoznimstopniarozmycia.Wedługmojejnaj-
lepszejwiedzy,niemaodniesieniadotychpojęćwliteraturze,pomimobardzodu-
żegozaawansowaniadziedzinmającychścisłezwiązkizrozmyciemhistogramów,
jakimisąstatystykaodporna(ang.robuststatistics)ijądrowaestymacjarozkła-
dów(ang.kerneldensityestimation),aktórewznacznymstopniuwykraczają
jednakpozazakreswyznaczonyprzezzagadnieniedetekcjiobiektówwobrazach.
Stopieńrozmyciamożebyćpodstawądookreślaniarodzajuiskalifunkcjirozmy-
cia,jakimożnastosowaćwanaliziehistogramówwmetodachakumulacyjnych.Za
mójoryginalny,choćskromnywobecrozległościwymienionychdwóchdziedzin,
wkładdostosowanychrozmytychmetodakumulacyjnychmożnauważaćpragma-
tycznezalecenie,abystosowaćsłaberozmyciehistogramów,czylicharakteryzujące
sięniewielkąwartościąstopniarozmycia.Rozważaniaprowadzącedotegosformu-
łowaniazostałyopublikowanew[Chm06].
Dalszymwynikiemwłasnymjestodkrycie,żeznanydetektorkrawędziSo-
blajestprzypadkiemszczególnymdetektoranależącegodorodzinydetektorów
wykorzystującychdwupikslowesąsiedztwapiksla,zaproponowanegoprzezemnie
wramachćwiczeniawprowadzającegowmetodyakumulacyjne.Elementamitej
rodzinysą:detektormedianowy,detektorakumulacyjnyidetektoruśredniający.
Tenostatni,wprzypadkusąsiedztwapierwszegorzędu,okazałsięwłaśnietożsamy
zdetektoremSobla.
Przedstawianetumetodymogąuchodzićzamniejefektywnewporównaniudozna-
nych,konkurencyjnychmetod.Jednakbiorącpoduwagętrudnośćstawianychza-
dańanalizyobrazówmożnapowiedzieć,żenależyszukaćrozwiązańwśródwszyst-
kichmożliwychmetod.Ciągledośćszybkirozwójsprzętuobliczeniowegosprawia,
żemetodydziśuważanezaczasochłonnezajakiśczasbędąrealizowanewcią-
gusekund.Niesąpowszechniedostępnekomputeryorównoległychjednostkach
centralnych.Jednakpostęptelekomunikacjipowodujeobecnierozwójsiecikom-
puterówłączonychwrozproszoneinstalacjewykonująceobliczeniawsposóbrów-
noległy(siecinazywanewinformatycznymżargoniegridami,ang.gridcomputing,
lubdedykowaneinstalacjelokalne).Metodyakumulacyjne,znaturyrównoległe,
stanąsięwtedybardzoatrakcyjne.Dotegonależysięprzygotowaćprowadzącjuż
obecnieodpowiedniebadania.Zatem,podjęciepracnadmetodamiostosunkowo
dużejzłożonościobliczeniowejbyłomojąświadomądecyzją.
Książkajestpodzielonanadwieczęściisiedemrozdziałów.
Wewprowadzeniu(rozdział1),poprzedstawieniukilkuobjaśniającychprzy-
kładów,podanosformułowaniezasadyakumulacjidanych,którabędziewyznaczać
kierunekwdalszychrozdziałach.Spośródnastępującychdalejinformacjiwpro-
wadzającychwartowspomniećoomówieniupodobieństwakumulacjidanychdo
głosowania,jakiespotykamywkolektywnympodejmowaniudecyzjiwzwykłym
sensie.
WczęściIomówionopodstawymetodstosowanychdalej.
Wrozdziale2wprowadzasięwszystkiestosowanedalejpojęcia,poczynając
odpomiaruihistogramu,akończącnapodstawowejwersjitransformatyHougha.
