从直方图中删除不必要的直方图峰值。答案

【问题标题】：Remove unnecessary histogram peaks from a histogram.从直方图中删除不必要的直方图峰值。
【发布时间】：2014-01-29 16:15:23
【问题描述】：

我正在处理一个对象跟踪问题。我有两个对象的直方图一个连续的帧。假设这些直方图是在时间实例t-1 和t 上计算的。下面是这两个直方图的示例。

从第一个直方图（在时刻t-1 计算）可以看出，直方图的所有峰值/分布都集中在强度值 100 附近。这基本上代表了一个对象。然而，在时间瞬间t，出现了一些不必要的峰值（在强度值 75 附近）。

我想从第二个直方图中删除这些峰值，因此，我想问一下是否存在一些可靠的方法来完成这项工作。这些不必要的峰值几乎存在于每一帧中，因此，使用一些简单的阈值对我没有帮助。

我目前在做什么（阈值法）：我使用以下公式计算t-1 的直方图和t 的阈值当前直方图的中值和标准差：

low_thresh = med(t-1) - alpha*std(t-1)

high_thresh = med(t-1) + alpha*std(t-1)

hist_without_unnecessary_peaks = low_thresh < current_hist(t) < high_thresh

这个alpha是一个可以调整的参数。这样，我在所有帧中传播这个阈值。但是，我没有得到可靠的结果。如果有人可以帮助我，我会很高兴。谢谢。

【问题讨论】：

标签： matlab image-processing computer-vision histogram

【解决方案1】：

你可以使用更多的连续帧吗？如果是这样，并且您希望保持的峰值足够一致（看起来就是这样），那么您可以在多个帧中获取中间值。

因此，不要计算整个直方图的中值，而是使用前一帧和下一帧（或更多帧以提高准确性）对每个单独的强度值进行计算。然后使用中值作为直方图中的新强度值。这将删除异常值（即您在第二帧中看到的噪音）。

【讨论】：

感谢您的建议，这可能有效。但是，不幸的是，我不能有更多的连续帧。因为它是一个对象跟踪问题。而且，这些峰值也不会稳定。在我看来，阈值（我目前正在做的事情）是我留下的唯一选择。
我想你可以退后一帧，仍然可以获得看似实时的结果（取决于帧速率）。然后，如果您在当前帧之后工作一帧，则可以访问三帧并允许中值滤波器发挥其魔力。
再次感谢，是的，它也可以工作。我向您解释我的确切问题：我有两个立体声视频（左和右）和一个深度视频（从它们那里获得）。问题是跟踪任一视频中的对象（或称它们为帧），我想通过使用附加信息（即深度帧）来改进跟踪器的结果。因此，这些直方图实际上是根据对象的深度值计算得出的。因此，属于该对象的所有峰值都将以随机方式移动，具体取决于对象的运动。因此，在这种情况下使用多个帧可能会有风险。
阈值过程中最大的弊端是标准差值，因为如果直方图中存在不必要的峰值（异常值），则该值会发生很大变化。但是，中位数相当稳定。
hmm... 这改变了事情... 我现在可以建议的就是尽可能多地使用算法中的知识，例如对象是否在任何事情上都是一致的（深度？）然后将其用作匹配的模板。你越能远离门槛越好，imo。也许使用更具概率性的方法或类似抓取方法？

【解决方案2】：

Sanchit，我在处理 RGBD 相机时也必须解决这个问题。

解决办法：

(A) 在直方图上应用以下对比函数：其中 C(i,n) 是索引 i（旧直方图的）处的新直方图，n 是您选择（和调整）的参数 - 请注意，这会产生一个新直方图，n 只是一个参数

(B) 找到直方图上的所有局部最大值/最小值点并选择最大值。网上有很多寻找 Matlab 代码的最大值/最小值，所以你不会有问题。

希望对你有帮助。

【讨论】：

【解决方案3】：

您可以尝试对数据进行聚类并仅保留成员最多的聚类。这可以通过在直方图中找到峰值（这可能很棘手，具体取决于您有多少噪声）并将其用作kmeans 中的 k 值来完成。

【讨论】：