这取决于你真正想要达到的目标,如果你想要的是一个均匀分布,那么你可以简单地在圈中的所有的点,取它们的平均值非常多,这均是圆的中心越近,分配越平均。
这里虽然需要说明的是,在180℃,在0℃和180点与180点分布是一样在每一度的单点分布一样好。这只是一个定义问题,如果这是你想要或不想要的。
相关但稍微复杂的概念是几何标准偏差:http://en.wikipedia.org/wiki/Geometric_standard_deviation
另一种方法是像您的其他问题的建议,看看在各个角度点的平均数,看看有多少对于每个角度,点的数量都会偏离这个角度。
即让I
成为你角度的集合,比方说{0..359}
v_i = #points at angle i, for i in I
和,其中一个点p
是在角度i
IFF floor(p) == i
。然后mean_v = (sum of v_i for i in I)/length(I)
和d_v_i = v_i - mean_v
。
现在,您可以定义多个指标:
maximum of abs(d_v_i) for i in I
sum of abs(d_v_i) for i in I
sqrt((sum of (d_v_i^2) for i in I)/length(I))
(这是标准偏差)
有很多,你可以采取更多的指标,任何数量的表达了d_v_i中所包含的偏差会有所斩获。这完全取决于你想要什么来确定最佳指标。最后
一个说明,看到你可能要被比较各种输入集之间的指标,即设定了不同的数据点,其中,你的情况是不同大小的图像数量。你可能需要扩展根据你输入的大小,取决于您使用您可能需要扩展以不同的方式度量指标。这里有一个简单的方法来验证您的度量标准,虽然,只是计算度量的图像,然后缩放图像以不同的尺寸和重新计算其对缩放后的图像。当然两个指标都应该是一样的。
重新感知颜色空间,我决定不理想现在符合人的视觉和先解决简单情况。 – hippietrail 2011-01-12 02:07:06