電腦培訓(xùn),計(jì)算機(jī)培訓(xùn),平面設(shè)計(jì)培訓(xùn),網(wǎng)頁(yè)設(shè)計(jì)培訓(xùn),美工培訓(xùn),Web培訓(xùn),Web前端開(kāi)發(fā)培訓(xùn)研究圖像到一定程度的人,應(yīng)該都對(duì)積分圖像有所了解,大家在百度或者google中都可以搜索到大量的相關(guān)博客,我這里不做多介紹。用積分圖也確實(shí)能解決很多實(shí)際的問(wèn)題,比如我博客中的基于局部均方差相關(guān)信息的圖像去噪及其在實(shí)時(shí)磨皮美容算法中的應(yīng)用 一文我就在網(wǎng)上看到很多人用累計(jì)積分圖和乘積積分圖來(lái)實(shí)現(xiàn)了。不過(guò)我瀏覽了很多人的博客,覺(jué)得很多人哪怕是圖像方面的似乎還比較牛的人都對(duì)這個(gè)積分圖的理解還不到位或者說(shuō)理解有誤,這里有必要借助我微弱的力量再次校正下。

     首先一個(gè)普遍的問(wèn)題就是:積分圖像的大小。你可以看到,90%自己寫(xiě)的積分圖的作者都是把積分圖像定位為W * H,但是不知道他們有沒(méi)有注意到OpenCV里積分圖的相關(guān)文檔,我這里貼出OpenCV的官方文檔:

  C++: void integral(InputArray image, OutputArray sum, int sdepth=-1

          <style id="ekcrh"><dl id="ekcrh"><small id="ekcrh"></small></dl></style>
          Parameters:
          • image – Source image as W X H  , 8-bit or floating-point (32f or 64f).

          • sum – Integral image as (W + 1) X (H + 1) , 32-bit integer or floating-point (32f or 64f).

          • sdepth&nb

            網(wǎng)友評(píng)論