1
1
首先,您需要定义度量。例如,它可以是欧几里德3D距离,定义为| | delta\u X、delta\u y、delta\u角| |,其中delta\u X和delta\u y是矩形中心沿X和y坐标之间的距离,delta\u角是角度方向之间的距离。 简言之,矩形将转换为具有坐标(x、y、角度)的三维数据点。 定义后。您可以对数据使用聚类算法。看来DBSCAN在这里应该工作得很好。查看本文,例如: link 这可能有助于选择聚类算法。 |
2
0
我通过与字母和单词的几何特性(距离、角度、面积、相邻字母面积的比率等)相关的其他几个元素扩展了上述度量,现在它运行良好。谢谢你的建议。 |
PKrange · 未在Anaconda提示符上安装Opencv 2 年前 |
GabyUnalaq · 从原始RGB深度图像到灰度的转换不正确 2 年前 |
Sam12 · 棋盘检测方块OpenCV 2 年前 |
pete2213 · 从一个图像到另一个图像的梯度转移以增强边缘 2 年前 |