适合线条图像

Question

我想根据像素的强度（或颜色）适合线条到图像。下图显示了面板1中的典型测试图像，在面板2中绘制了一条线，手动。测试图像（矩阵）可以在此处下载：.RData from dropbox。

我想用一个回归分析以产生类似于在面板2。然而所述手工画出的线条的东西，因为，与所有的图像，也有错误，我不能使用简单线性回归x轴和y轴。

我对相关方程，链接等的算法描述是开放的，不一定是我可以复制和粘贴的代码。

方法我想避免

1. 3.3.3系列在与实际数据图像的各种斜坡绘制的像素的合成二进制图像。例如，下面两张图片的相关性会很好，但是我想避免这种方法。

使用骨架算法来减小，使得简单的线性回归，可以使用该图像。

Answer 1

地震学家，有趣的是，处理在那里他们校正基于一个地震源，并用称为正常搬出（Normal Moveout）的过程的接收器之间的距离反射数据类似的问题。我使用了类似的过程。

的一般算法是：图像

在

1. 负载限定一系列斜坡调查
2. 定义窗口长度是<数量的图像列的
3. 环在系列斜率和...
   • 定义在图像上的索引位置（x，y）基于图像的斜率和大小窗口（下图中第一行的灰色点）。
   • 从那些从上面的x，y位置索引的原始矩阵（下面图像的第二行中的图）建立矩阵。
   • 对该矩阵进行求和，然后通过除以总和矩阵的长度来将该和归一化。
   • 保存各总和（会有每速度你循环超过1个总和）
4. 对应于最大（小）和向量的索引的速度矢量的最佳斜率/速度在当前像素列的图像（下图中的第三行）。
5. 沿着图像的列执行上述步骤。

该算法在下图中可视化描述。

执行上述程序的代码是在这个问题给出的测试数据，一列是：

load('test.RData') 

## INPUTS ## 
img=test 

vel.min=1 ## minimum velocity (or slope) to test 
vel.max=20 ## max velocity to test 
vel.number=100 ## how many velocities to test 
win=10 ## size of window to investigate 

## define a time index 
ti=nrow(img)/2 

## set up a vector to hold the velocity correlation values 
vel.corrs <- rep(NA,vel.number) 

## define the set of velocities to search over 
vels <- seq(vel.min,vel.max,length.out=vel.number) 

## define a velocity index 
vi=1 

while(vi<=length(vels)) { 

    ## build a binary matrix with corresponding to the window and velocity 
    bin.mat <- matrix(0,ncol=ncol(img),nrow=nrow(img)) 
    slope.line <- seq(0,ncol(bin.mat)/vels[vi],length.out=ncol(bin.mat)) 
    bin.mat[(ti-win/2):(ti+win/2),]=1 


    ## define the offeset 
    offset <- rep(slope.line,each=win+1) 

    ## define the indices of array points according to velocity and window 
    win.vel.ind <- cbind(which(bin.mat==1,arr.ind=TRUE)[,1]+offset,which(bin.mat==1,arr.ind=TRUE)[,2]) 

    ## limit the points to the dimensions of the image 
    if(any(floor(win.vel.ind[,1]) > nrow(img))){ 
     win.vel.ind[(which(floor(win.vel.ind[,1])>nrow(img))),]=NA 
     ##win.vel.ind <- win.vel.ind[-(which(floor(win.vel.ind[,1])>nrow(img))),] 
    } 

    ## pluck the values of the image associated with those non-NA indices 
    slice <- img[win.vel.ind] 

    ## build a matrix of the slice vector with nrow=win+1 
    slice.mat <- matrix(slice,nrow=win+1,ncol=ncol(img),byrow=FALSE) 

    ## apply a hamming window 
    ##ham.mat <- matrix(hamming(win+1),ncol=ncol(slice.mat),nrow=nrow(slice.mat)) 
    ##slice.ham <- slice.mat*ham.mat 

    ## sum this 'slice' and normalize and store 
    vel.corrs[vi] <- sum(slice,na.rm=TRUE)/length(na.omit(slice)) 

    vi=vi+1 
}