Кто такой Волшебник и каким образом это полезно?

Я предложил бы использовать ядро среднего сдвига для нахождения центра плотности точек.

иллюстрация Среднего сдвига http://cvr.yorku.ca/members/gradstudents/kosta/compvis/file_mean_shift_path.gif

Эти данные показывают, что ядро среднего сдвига (центрируемый первоначально на краю кластера) сходится к точке кластера самой высокой плотности.

В теории (вкратце):

Несколько ответов на это подвергают сомнению, уже намекнул на средний сдвиг способ сделать его:

• размывание Папы P изображение и нахождение самого темного пятна на самом деле оценка плотности ядра метод (KDE), который является теоретическим основанием среднего сдвига.

• И j0rd4n и тарифицирует Ящерицу , предложил дискретизировать Ваше пространство в блоки и осмотреть их плотность.

то, Что Вы видите в анимированном числе, является комбинацией этих двух предложений: это использует движущийся "блок" (т.е. ядро) для поиска локально самой высокой плотности.

средний сдвиг является повторяющимся методом, который использует пиксельное окружение, названное ядро (подобный этот ), и использует его для вычисления средний из данных основного изображения. средний в этом контексте пиксельное взвешенное среднее координат ядра.

В каждом повторении ядро, среднее , определяет свои центральные координаты для следующего повторения - это называют сдвиг . Отсюда имя [1 116] средний сдвиг . Условие остановки для повторений состоит в том, когда расстояние сдвига спадает 0 (т.е. мы в самом плотном пятне в окружении).

А всестороннее введение в средний сдвиг (и в теории и в приложении) может быть найдено в это ppt представление.

На практике:

реализация среднего сдвига доступна в OpenCV:

int cvMeanShift( const CvArr* prob_image, CvRect window,
                 CvTermCriteria criteria, CvConnectedComp* comp );

Приобретение знаний O'Reilly OpenCv (книжные выборки Google) также имеет хорошее объяснение о том, как это работает. В основном просто подайте его Ваше изображение точек (prob_image).

На практике, прием должен выбрать соответствующий размер ядра . Чем меньший ядро, тем ближе необходимо инициировать его к кластеру. Чем больше ядро, тем более случайно Ваше исходное положение может быть. Однако, если существует несколько кластеров точек в Вашем изображении, ядро могло бы сходиться прямо между ними.