Что в настоящее время считают “лучшим” алгоритмом для 2D соответствия точки?
Я столкнулся с той же проблемой - по какой-то причине Android не может обнаружить ToolbarItem.AutomationId.
Обходной путь должен назначить ToolbarItem.Text то же значение, что и ToolbarItem.AutomationId.
Xamarin.Forms.ContentPage
Xamarin.UITest
using Query = System.Func;
// ....
protected readonly Query systemMenuButton = x => x.Marked("SettingsToolbarItem");
//....
public void TapSystemMenuButton()
{
app.Tap(systemMenuButton);
app.Screenshot("Tapped System Menu Button");
}
Вот пример приложения, в котором я использую аналогичную логику для нажатия на ToolbarItem в UITest: https://github.com/brminnick/InvestmentDataSampleApp/
Редактировать
В комментариях вы упомянули, что у вас нет доступа к исходному коду приложения Xamarin.Forms .
Если вы не можете изменить исходный код Xamarin.Forms, вам придется использовать x => x.Class("ActionMenuItemView").Index(1).
Я не рекомендую идти по этому маршруту, потому что параметр int в Index может варьироваться в зависимости от устройства; не гарантируется, что он всегда будет 1.
public void TapSystemMenuButton()
{
if (app is iOSApp)
app.Tap(systemMenuButton);
else
app.Tap(x => x.Class("ActionMenuItemView").Index(1));
app.Screenshot("Tapped System Menu Button");
}
6 ответов
Если Вы интересуетесь звездообразным соответствием, проверяете Astrometry.net слепой решатель астрометрии и статья о нем здесь. Они используют четыре четверки точки для решения звездообразных конфигураций в изображениях Flickr ночного неба. Проверьте это интервью.
Нет никакого единственного "лучшего" алгоритма для этого. Существует много различных методов и каждая работа лучше, чем другие на определенных наборах данных и типах данных.
Одна вещь, которую я рекомендовал бы, состоит в том, чтобы считать это введение для обработки изображений регистрации из учебных руководств Инструментария Понимания. ITK поддерживает МНОГО типов регистрации изображения (который является тем, что это кажется, что Вы пытаетесь), и очень устойчиво во многих случаях. Большинство их пользователей находится в медицинском поле, таким образом, необходимо будет пробраться через большое количество медицинского жаргона, но алгоритмы и работу кода с любым типом изображения (включая 1,2,3 и n размерных изображений, различных типов, и т.д.).
Я видел программу по телевизору только что о том, как исследователи снимали китов и использовали пятна на них (которые уникальны для каждого кита) к идентификатору каждый кит. Это использовало углы между пятнами. При помощи углов не имело значения, если изображение поворачивалось или масштабировалось или переводилось. Это звучит подобным тому, что Вы делаете со своими треугольниками.
Я не уверен, что это работало бы, но стоящий попытки:
Поскольку каждая звезда делает круговое время излучает преобразование Фурье - центрируемый вокруг этого - всех других звезд (примечание: это не стандартное преобразование Фурье, которое является строкой времен строки). Фазовое пространство кругового луча времен является целочисленной строкой времен, но так как у нас только есть конечная точность, Вы просто получаете матрицу; размеры матрицы зависят от точности. Теперь попытайтесь соединить матрицы друг другу (например, использующий норму L_2)
Можно рассмотреть применение алгоритма сначала только на самых ярких звездах N, затем прогрессивно включать другие для уточнения результата, уменьшая поисковый диапазон одновременно.
Используя RANSAC для устойчивости к дополнительным очкам также очень распространено.
Я думаю "лучшее" (самый технический), путь был бы, чтобы быть для взятия преобразования Фурье исходного изображения и нового линейно измененного изображения. Путем выполнения некоторой простой фильтрации должно быть легко выяснить ориентацию и масштаб изображения относительно старого. Существует описание 2-го преобразования Фурье здесь.