降采样但不完全划分的影响
Effect of Downsample but not fully divide
嘿，我需要一个 320x240 8 位灰度图像用于某些计算机视觉算法（Orb 特征跟踪）。我使用的 Raspicam 驱动程序可以提供不同的图像尺寸。不同的图像尺寸是通过裁剪而不是从驱动程序中进行下采样来实现的。由于我的环境照明不理想，因此图像非常暗且嘈杂。现在我有了拍摄 640x480 图像的想法，并通过始终将 2x2 像素合并为一个来将其采样到 320x240。通常我当然会除以 4 以获得正确的结果。但是将它除以二甚至一会产生什么影响（假设 99% 的强度值不大于 64 (256/4)）。这不会模拟更大的 CCD 单元的效果，可以在更短的时间内收集更多的光。
我做的第一个测试显示了一些相当不错的结果。这意味着我检测到更多特征并且可以在两帧之间更好地跟踪它们。
在这里，您没有对 2x2 块（除以 4）取适当的平均值。比如说，你有两个块，它们在强度上有 Delta-I 差异。如果将两个块的强度除以较大的数字，则强度差异将减小，反之亦然。
当你将差异 (Delta-I) 除以 2（而不是 4）时，你在某种程度上增加了对比度（背景和前景之间的强度差异。正如你提到的你的图像光照不足，因此，除以较小的数字会增加对比度，从而改善跟踪。这种方法将采用对比度增强技术，是线性对比度增强的一种变体。
嘿，我需要一个 320x240 8 位灰度图像用于某些计算机视觉算法（Orb 特征跟踪）。我使用的 Raspicam 驱动程序可以提供不同的图像尺寸。不同的图像尺寸是通过裁剪而不是从驱动程序中进行下采样来实现的。由于我的环境照明不理想，因此图像非常暗且嘈杂。现在我有了拍摄 640x480 图像的想法，并通过始终将 2x2 像素合并为一个来将其采样到 320x240。通常我当然会除以 4 以获得正确的结果。但是将它除以二甚至一会产生什么影响（假设 99% 的强度值不大于 64 (256/4)）。这不会模拟更大的 CCD 单元的效果，可以在更短的时间内收集更多的光。 我做的第一个测试显示了一些相当不错的结果。这意味着我检测到更多特征并且可以在两帧之间更好地跟踪它们。
在这里，您没有对 2x2 块（除以 4）取适当的平均值。比如说，你有两个块，它们在强度上有 Delta-I 差异。如果将两个块的强度除以较大的数字，则强度差异将减小，反之亦然。
当你将差异 (Delta-I) 除以 2（而不是 4）时，你在某种程度上增加了对比度（背景和前景之间的强度差异。正如你提到的你的图像光照不足，因此，除以较小的数字会增加对比度，从而改善跟踪。这种方法将采用对比度增强技术，是线性对比度增强的一种变体。