Je travaille actuellement sur la réplication de certaines des fonctionnalités de la région de régionProps de Matlab à Octave. Cependant, j'ai un peu de pincement sur un sous-ensemble de la fonctionnalité. L'excentricité ', la «longueur de majoraxislength», les propriétés «minoraxislength« et «orientation» sont mon point de collage. Dans la documentation, ils dérivent tous de "... l'ellipse qui a les mêmes second moments que la région."
Donc, ma question est, quels sont ces seconds moments et comment puis-je les trouver?
Je regardais ce lien: http://fr.wikipedia.org/wiki/Image_moments
Honnêtement, cela vient de me laisser plus confus. Quelqu'un peut-il me diriger vers quelque chose un peu plus débutant amical? Merci.
3 Réponses :
Pas exactement la réponse que vous recherchez, mais cela pourrait aider quelqu'un.
J'ai écrit ce livre sur le sujet de la mécanique et a écrit des fichiers M pour calculer le moment de la zone d'inertie:
Maîtrise en utilisant MATLAB 5
Le code de celui-ci peut être trouvé ici:
chapitre 9 devrait être d'intérêt. Je soupçonne que vous pouvez utiliser le code comme point de départ.
Je ne suis pas vraiment sûr, mais cela ne se réfère pas au notion statistique de Moments (comme dans la fonction de génération de moments):
Moments centraux (moments sur la moyenne):
mu_k = e [(x - e [x]) ^ k] , où e est la valeur attendueAinsi, les quatre premiers moments sont respectivement: {1,
variance , asymétrie, kurtose}.
Mais encore une fois, je pourrais avoir tort;)
par "Deuxième moments", la documentation signifie le deuxième moment central .
in Le cas de données unidimensionnelles, ce serait le Variance (ou carré de l'écart type) . P>
Dans votre cas, où vous avez des données bidimensionnelles, le deuxième moment central est le Matrice de covariance . p>
si x code> est une matrice N-by-2 des points de votre région, vous pouvez calculer la matrice de covariance sigma Dans Matlab comme ceci (non testé): P> sqrt(1-(b/a)^2)
Merci. Ceci est très bien écrit et ressemble exactement à ce dont j'ai besoin.
+1 - Il a donc besoin d'explications plus élégantes comme celle-ci ..... quand il s'agit de mathématiques, au moins.
BTW, vous pouvez calculer directement la covariance dans MATLAB avec COV mais votre code était évidemment plus instructif.
De plus, Eigshow est une belle démo MATLAB à jouer avec si vous voulez une sensation pour la décomposition SVD ou Eigenvalue.