Cuadro delimitador mínimo: Revelando el poder de la optimización espacial en la visión por computadora
Por Fouad Sabry
()
Información de este libro electrónico
¿Qué es el cuadro delimitador mínimo?
En geometría, el cuadro delimitador mínimo o el cuadro delimitador más pequeño para un conjunto de puntos S en N dimensiones es el cuadro con la medida más pequeña dentro de la cual todos los puntos mienten. Cuando se utilizan otros tipos de medidas, el cuadro mínimo generalmente se denomina en consecuencia, por ejemplo, "cuadro delimitador de perímetro mínimo".
Cómo se beneficiará
(I) Información y validaciones sobre los siguientes temas:
Capítulo 1: Cuadro delimitador mínimo
Capítulo 2: Casco convexo
Capítulo 3: Detección de colisiones
Capítulo 4: Geometría computacional
Capítulo 5: Volumen delimitador
Capítulo 6: Esfera delimitadora
Capítulo 7: Árbol R
Capítulo 8: Politopo convexo
Capítulo 9: Rectángulo delimitador mínimo
Capítulo 10: Algoritmos de casco convexo
(II) Respondiendo al público Preguntas principales sobre el cuadro delimitador mínimo.
(III) Ejemplos del mundo real sobre el uso del cuadro delimitador mínimo en muchos campos.
Para quién es este libro
Profesionales, estudiantes de pregrado y posgrado, entusiastas, aficionados y aquellos que quieran ir más allá del conocimiento o la información básica para cualquier tipo de cuadro delimitador mínimo.
Lee más de Fouad Sabry
Tecnologías Emergentes En El Transporte [Spanish]
Relacionado con Cuadro delimitador mínimo
Títulos en esta serie (100)
Transformacion afin: Desbloqueo de perspectivas visuales: exploración de la transformación afín en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesVisión por computador: Explorando las profundidades de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCorrección gamma: Mejora de la claridad visual en la visión por computadora: la técnica de corrección gamma Calificación: 0 de 5 estrellas0 calificacionesHistograma de imagen: Revelando conocimientos visuales, explorando las profundidades de los histogramas de imágenes en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación dura: Revelando la magia de Hough Transform en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesRetinax: Revelando los secretos de la visión computacional con Retinex Calificación: 0 de 5 estrellas0 calificacionesBanco de filtros: Información sobre las técnicas del banco de filtros de Computer Vision Calificación: 0 de 5 estrellas0 calificacionesReducción de ruido: Mejora de la claridad, técnicas avanzadas para la reducción del ruido en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesVisión por computadora submarina: Explorando las profundidades de la visión por computadora debajo de las olas Calificación: 0 de 5 estrellas0 calificacionesJoint Photographic Experts Group: Liberando el poder de los datos visuales con el estándar JPEG Calificación: 0 de 5 estrellas0 calificacionesVisión estéreo por computadora: Explorando la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesHomografía: Homografía: Transformaciones en Visión por Computador Calificación: 0 de 5 estrellas0 calificacionesEn Pintura: Cerrar brechas en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDetector de bordes astuto: Revelando el arte de la percepción visual Calificación: 0 de 5 estrellas0 calificacionesEcualización de histograma: Mejora del contraste de la imagen para mejorar la percepción visual Calificación: 0 de 5 estrellas0 calificacionesTransformación lineal directa: Aplicaciones prácticas y técnicas en visión por computadora. Calificación: 0 de 5 estrellas0 calificacionesMapeo de tonos: Mapeo de tonos: perspectivas iluminadoras en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesFiltro adaptativo: Mejora de la visión por computadora mediante filtrado adaptativo Calificación: 0 de 5 estrellas0 calificacionesCompresión de imagen: Técnicas eficientes para la optimización de datos visuales Calificación: 0 de 5 estrellas0 calificacionesPercepción visual: Información sobre el procesamiento visual computacional Calificación: 0 de 5 estrellas0 calificacionesDifusión anisotrópica: Mejora del análisis de imágenes mediante difusión anisotrópica Calificación: 0 de 5 estrellas0 calificacionesModelo de color: Comprensión del espectro de la visión por computadora: exploración de modelos de color Calificación: 0 de 5 estrellas0 calificacionesTransformación de Hadamard: Revelando el poder de la transformación de Hadamard en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesContorno activo: Avances en la visión por computadora con técnicas de contorno activo Calificación: 0 de 5 estrellas0 calificacionesTransformación de radón: Revelando patrones ocultos en datos visuales Calificación: 0 de 5 estrellas0 calificacionesModelo de cámara estenopeica: Comprender la perspectiva a través de la óptica computacional Calificación: 0 de 5 estrellas0 calificacionesSistema de gestión de color: Optimización de la percepción visual en entornos digitales Calificación: 0 de 5 estrellas0 calificacionesDetección de contorno: Revelando el arte de la percepción visual en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesModelo de apariencia de color: Comprensión de la percepción y la representación en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesConsenso de muestra aleatoria: Estimación robusta en visión por computadora Calificación: 0 de 5 estrellas0 calificaciones
Libros electrónicos relacionados
Casco convexo: Explorando el casco convexo en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesMétodo de ajuste de nivel: Avances en la visión por computadora, exploración del método de conjunto de niveles Calificación: 0 de 5 estrellas0 calificacionesVolumen límite: Explorando la representación espacial en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesAjuste del paquete: Optimización de datos visuales para una reconstrucción precisa Calificación: 0 de 5 estrellas0 calificacionesGeometría descriptiva: Desbloqueando el ámbito visual: explorando la geometría descriptiva en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesModelo de cámara estenopeica: Comprender la perspectiva a través de la óptica computacional Calificación: 0 de 5 estrellas0 calificacionesCampo de movimiento: Explorando la dinámica de la visión por computadora: campo de movimiento revelado Calificación: 0 de 5 estrellas0 calificacionesEjercicios de Formas Diferenciales Calificación: 0 de 5 estrellas0 calificacionesGeneración de malla: Avances y aplicaciones en la generación de mallas de visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación lineal directa: Aplicaciones prácticas y técnicas en visión por computadora. Calificación: 0 de 5 estrellas0 calificacionesCurvas algebraicas Calificación: 0 de 5 estrellas0 calificacionesEje medial: Explorando el núcleo de la visión por computadora: revelando el eje medial Calificación: 0 de 5 estrellas0 calificacionesTensor trifocal: Explorando la profundidad, el movimiento y la estructura en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesGráficos por computadora de polígono: Explorando la intersección de gráficos por computadora poligonales y visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación de radón: Revelando patrones ocultos en datos visuales Calificación: 0 de 5 estrellas0 calificacionesPrimitiva geométrica: Explorando los fundamentos y aplicaciones de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDetector de bordes astuto: Revelando el arte de la percepción visual Calificación: 0 de 5 estrellas0 calificacionesSuperficie procesal: Explorando la generación y el análisis de texturas en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesModelo geométrica bidimensional: Comprensión y aplicaciones en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDetección de bordes: Explorando los límites en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesReconstrucción tridimensional multivista: Técnicas avanzadas de percepción espacial en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEspacio de escala: Explorando las dimensiones en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDeterminación de superficies ocultas: Revelando los secretos de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesAlgoritmo de la línea de Bresenham: Representación eficiente de líneas con píxeles perfectos para visión por computadora Calificación: 0 de 5 estrellas0 calificacionesModelado y renderizado basado en imágenes: Explorando el realismo visual: técnicas en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDetector de esquinas Harris: Revelando la magia de la detección de características de imagen Calificación: 0 de 5 estrellas0 calificacionesGeometría Computacional: Explorando conocimientos geométricos para la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesLeast Squares: Técnicas de optimización para visión por computadora: métodos de mínimos cuadrados Calificación: 0 de 5 estrellas0 calificacionesGráficos por computadora de vértice: Explorando la intersección de los gráficos por computadora Vertex y la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesHomografía: Homografía: Transformaciones en Visión por Computador Calificación: 0 de 5 estrellas0 calificaciones
Inteligencia (IA) y semántica para usted
Fundamentos de Programación: Diagramas de flujo, Diagramas N-S, Pseudocódigo y Java Calificación: 0 de 5 estrellas0 calificacionesResumen CHAT GPT IA Revolución en 2023: Guía de la Tecnología CHAT GPT y su Impacto Social: Resumen Tecnológico, #1 Calificación: 0 de 5 estrellas0 calificacionesCómo Ganar Dinero por Internet con Inteligencia Artificial Emprende tu negocio digital con ChatGPT, Escríbelo.ia, Playground AI, You.com, Canva, Midjourney, Dall-E 2, Amazon... Calificación: 0 de 5 estrellas0 calificacionesIntroducción a la ingeniería Calificación: 0 de 5 estrellas0 calificacionesInteligencia Artificial Calificación: 4 de 5 estrellas4/5Dominando ChatGPT: Desbloquea el poder de la IA para mejorar la comunicación y las relaciones: Spanish Calificación: 3 de 5 estrellas3/5Máquinas predictivas: La sencilla economía de la inteligencia artificial Calificación: 5 de 5 estrellas5/5Metodología de la programación Calificación: 0 de 5 estrellas0 calificacionesEl mito de la inteligencia artificial: Por qué las máquinas no pueden pensar como nosotros lo hacemos Calificación: 5 de 5 estrellas5/5Klara y el Sol Calificación: 5 de 5 estrellas5/5GuíaBurros: Inteligencia Artificial: Su lado oscuro y el fin del principio Calificación: 0 de 5 estrellas0 calificacionesCómo usar Chatgpt para tu negocio Calificación: 0 de 5 estrellas0 calificacionesAprendizaje automático y profundo en python: Una mirada hacia la inteligencia artificial Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: Una exploración filosófica sobre el futuro de la mente y la conciencia Calificación: 4 de 5 estrellas4/5Escritura Creativa en la Era de la IA: Dominando la Colaboración con ChatGPT para Crear Libros Impactantes Calificación: 4 de 5 estrellas4/5ANDROID: Aprende desde cero a crear aplicaciones Calificación: 0 de 5 estrellas0 calificacionesCalidad en el desarrollo de software Calificación: 0 de 5 estrellas0 calificacionesChat GPT-4 para Principiantes: Chat GPT, #1 Calificación: 0 de 5 estrellas0 calificacionesIntroducción a la Ingeniería Industrial Calificación: 0 de 5 estrellas0 calificacionesMecatrónica Calificación: 0 de 5 estrellas0 calificacionesMáquinas como yo Calificación: 4 de 5 estrellas4/5Sobreviviendo a la IA Calificación: 3 de 5 estrellas3/5Business Intelligence: Técnicas herramientas y aplicaciones Calificación: 0 de 5 estrellas0 calificacionesMonetización de ChatGPT: aproveche el poder de AI: Spanish Calificación: 1 de 5 estrellas1/5El poder de las imagenes, la palabra no tiene poder Calificación: 0 de 5 estrellas0 calificacionesCómo triunfar en Instagram usando ChatGPT: La guía definitiva para crear contenido impactante con ChatGPT Calificación: 0 de 5 estrellas0 calificacionesEl imperio de los algoritmos: IA inclusiva, ética y al servicio de la humanidad Calificación: 0 de 5 estrellas0 calificacionesCiencias de la Computación en la escuela: Guía para enseñar mucho más que a programar Calificación: 5 de 5 estrellas5/5
Comentarios para Cuadro delimitador mínimo
0 clasificaciones0 comentarios
Vista previa del libro
Cuadro delimitador mínimo - Fouad Sabry
Capítulo 1: Cuadro delimitador mínimo
El cuadro delimitador o envolvente más bajo o más pequeño de un conjunto de puntos S en N cotas es el cuadro con la medida más pequeña (área, volumen o hipervolumen en cotas superiores) que contiene todos los puntos. Cuando se emplean diferentes unidades de medida, el cuadro mínimo se denomina típicamente cuadro delimitador de perímetro mínimo
.
El hecho de que el cuadro delimitador mínimo de un conjunto de puntos sea idéntico al cuadro delimitador mínimo de su envoltura convexa se puede aprovechar para acelerar los cálculos.
Las etiquetas caja
e hiperrectángulo
se derivan de su uso en el sistema de coordenadas cartesianas, donde se representan como un rectángulo (caso bidimensional), paralelepípedo rectangular (instancia tridimensional), etc.
En dos dimensiones, se denomina rectángulo delimitador mínimo.
El cuadro delimitador mínimo alineado con el eje (o AABB) para un conjunto de puntos determinado es el cuadro delimitador mínimo cuyos bordes son paralelos a los ejes de coordenadas (cartesianas). Es el producto cartesiano de N intervalos determinado por el valor mínimo y máximo de la coordenada asociada para cada punto en S.
Los cuadros delimitadores mínimos alineados con los ejes se utilizan para aproximarse a la ubicación de un objeto y para describir su forma de una manera muy básica. En geometría computacional y sus aplicaciones, por ejemplo, cuando es necesario localizar intersecciones en un grupo de objetos, las intersecciones entre sus MBB sirven como comprobación inicial. Debido al hecho de que suele ser una operación considerablemente menos costosa que la comprobación de intersección real (porque simplemente requiere comparaciones de coordenadas), permite omitir rápidamente las comprobaciones de emparejamientos que están muy separados.
El cuadro delimitador mínimo orientado arbitrariamente es el cuadro delimitador mínimo que se calcula sin restricciones de orientación. Los algoritmos de cuadro delimitador mínimo basados en el método de calibradores giratorios pueden encontrar el cuadro delimitador de área mínima o perímetro mínimo de un polígono convexo bidimensional en tiempo lineal y de un punto tridimensional establecido en el tiempo requerido para construir su envoltura convexa seguido de un cálculo de tiempo lineal.
Cuando un objeto tiene su propio sistema de coordenadas local, puede ser ventajoso guardar un cuadro delimitador relativo a estos ejes, que no requiere transformación a medida que cambia la propia transformación del objeto.
En el procesamiento digital de imágenes, el cuadro delimitador es simplemente las coordenadas del borde rectangular que encierra completamente una imagen digital cuando se muestra en una página, lienzo, pantalla u otro fondo bidimensional.
{Fin del capítulo 1}
Capítulo 2: Casco convexo
La envoltura convexa, la envoltura convexa o el cierre convexo de una forma en geometría es el conjunto convexo más pequeño que contiene la forma. La envoltura convexa puede definirse como la intersección de todos los conjuntos convexos que contienen un subconjunto particular de un espacio euclídeo, o como el conjunto de todas las combinaciones convexas de puntos en el subconjunto. Para un subconjunto acotado del plano, el casco convexo se puede ver como la forma contenida por una banda elástica extendida.
Los conjuntos abiertos son los cascos convexos de los conjuntos abiertos, y los conjuntos compactos tienen cascos convexos que son compactos.
Cada conjunto compacto convexo es el casco convexo de sus extremidades.
El operador de casco convexo es un ejemplo de operador de cierre, cada antimatroide se puede representar aplicando este operador de cierre a conjuntos de puntos finitos.
Encontrar la envoltura convexa de un número finito de puntos en el plano u otros espacios euclidianos de baja dimensión presenta desafíos algorítmicos, y el doble problema de la superposición de semiespacios, son problemas esenciales de geometría computacional.
Pueden resolverse en el tiempo O(n\log n) para conjuntos de puntos bidimensionales o tridimensionales, y en el tiempo coincidiendo con la complejidad de salida del peor de los casos dada por el teorema del límite superior en dimensiones superiores.
Las envolturas convexas también se han explorado para polígonos simples, movimiento browniano, curvas espaciales y epígrafes de funciones, además de conjuntos de puntos finitos. En matemáticas, estadística, optimización combinatoria, economía, modelado geométrico y etología, los cascos convexos tienen numerosos usos. El cráneo convexo, el casco convexo ortogonal, las capas convexas, la triangulación de Delaunay y el diagrama de Voronoi son estructuras relacionadas.
Una colección de puntos en un espacio euclidiano es convexa si contiene los segmentos de recta que conectan cada par de sus puntos.
La envoltura convexa de un conjunto dado X puede definirse como:
El conjunto convexo mínimo (único) que contiene X
La intersección de todos los conjuntos convexos que contienen X
El conjunto de todas las combinaciones convexas de puntos en X
La unión de todos los simplices con vértices en X
Para conjuntos que están limitados en el plano euclidiano, no en una sola línea, el límite de la envoltura convexa es la curva cerrada simple con un perímetro mínimo que contiene X .
Uno puede imaginar estirar una banda elástica para que rodee todo el conjunto S y luego soltarla, permitiendo que se encoja; cuando se aprieta, encierra el casco convexo de S .
En el caso de los objetos tridimensionales, la definición inicial de la envoltura convexa especifica que es el volumen delimitador convexo más pequeño posible. La definición que utiliza intersecciones de conjuntos convexos puede extenderse a geometría no euclidiana, y la definición que utiliza combinaciones convexas puede extenderse desde espacios euclidianos a espacios vectoriales reales arbitrarios o espacios afines; Las cascas convexas también se pueden generalizar abstractamente a las matroides orientadas.
No es obvio que la primera definición tenga sentido: ¿por qué debería existir un único conjunto convexo mínimo que contenga X , para cada X ? Sin embargo, la segunda acepción, la intersección de todos los conjuntos convexos que contienen X , está claramente definida.
Es un subconjunto de todos los demás conjuntos convexos Y que contienen X , porque Y se incluye entre los conjuntos que se intersecan.
Por lo tanto, es exactamente el único conjunto convexo mínimo que contiene X .
Por lo tanto, las dos definiciones iniciales son idénticas.
Cada conjunto convexo que contiene X debe (asumiendo que es convexo) contener todas las combinaciones convexas de puntos en X , por lo que el conjunto de todas las combinaciones convexas está contenido en la