tony365的博客

【代码】hist seg, find_peaks。

比如拉格朗日插值 和牛顿插值，无论是Lagrange插值还是Newton插值，本质都是用一个多项式来进可能精确地描绘过节点的原始函数。但多项式插值的矛盾之处在于，若节点太少，则插值出来的函数与原始函数可能偏离较大，返回的插值结果对于实际的指导用处不大；但若节点太多，则多项式的阶数也会需要相应增加，但太高的阶数容易又会导致绘制出的插值曲线在边缘处不稳定，这便是龙格现象。多项式插值，顾名思义，即以一个多项式的形式来刻画经过一系列点的曲线。仅用于精确的数据，因为拟合曲线精确地通过给定的点。

本文将颜色映射分为两个步骤：第一，非线性各通道映射，比如gamma；第二，线性跨通道映射, 比ccm。此外，该方法从稀疏匹配中估计模型，并且不需要密集的几何对应，并显示出良好的性能。本文提出了一种颜色映射方法，它可以补偿具有共同语义内容的图像之间的颜色差异，例如从不同视点拍摄的场景的多个视图。2）各通道非线性拟合（利用HMM方法得到一个lut 或者 拟合一个方程，应该差不多）颜色映射模型可以通过 点的匹配 作为前提。

是否可以利用特征点检测和匹配，然后进行渲染？答案是不可以，特征点不保证渲染结果良好。所以还是要利用 本文提取的landmark, 关键就是如何将target 图像的landmark转换到另一个图像。文中1）是利用EMD算法匹配 landmark2)是首先配准图像求得配准矩阵或者光流，然后得到landmark的对应关系。

着色是一种由计算机辅助的向单色图像或电影添加颜色的过程。本文提出了一种简单的着色方法，它既不需要精确的图像分割，也不需要精确的区域跟踪。可以通过最小二乘方法，也可以通过迭代法，比如代码中使用雅可比迭代法求解该方程。只需要用一些颜色的涂鸦来注释图像，该算法可以产生一个完全彩色的图像或图像序列。代码中实现两个方法，一个调用库函数，一个雅可比迭代求线性方程组。本文主要分析下面的代码，写的很清晰易懂，效果很好。一个像素的颜色可以由邻域像素颜色的加权得到。具有相似强度的相邻像素应该具有相似的颜色。

根据图像对学习滤波核之前研究过根据图像对生成3Dlut, 以及生成颜色变换系数这里我们利用图像对学习 滤波。

torchgeometry 是一个基于pytorch的几何库，后续可能会用到。采用暴力搜索的方法求 仿射变换的旋转角度，位移等参数是可以的，但是速度很慢。利用深度学习求解位姿变换矩阵的论文 或 求解光流的论文 都已经有不少。之前通过优化可以得到颜色转换系数，可以得到滤波核，那么是否也可以求解。后续尝试pytorch优化，光流等方法，看是否可以得到 warp参数。已知一对图像，分别是warp前后的图像，如何求解warp参数？实验表示，不太行，或者说我的方法不太行。

多为插值方法，可以应用在2Dlut，3Dlut的生成上面，比如当我们已经有了两组RGB映射数据, 可以插值得到一个查找表。可以应用在2Dlut，3Dlut，当我们已经有了一个多维查找表，然后整个图像作为输入，得到查找和插值后的输出。得到结果如下， RBF一定程度上和 griddata可以互用， griddata方法比较通用。二维网格插值方法（好像和resize的功能比较一致）已知一些grid上的值。