【摘要】：计算机视觉开源库中提供get_regression（）方法用来对指定的图像矩形区域里的所有阈值特征像素点进行线性回归计算。但是，只要阈值转换后的像素数量较少，即使在高达30%的阈值像素是异常值的情况下也依然会有较好的计算效果。仅考虑落在这些阈值之间的像素区域。为方便使用，此功能将自动修复交换的最小值和最大值。此外，如果元组大于6个值，则忽略其余值；相反，如果元组太短，则假定其余阈值处于最大范围。
计算机视觉开源库中提供get_regression（）方法用来对指定的图像矩形区域里的所有阈值特征像素点进行线性回归计算。使用方法：
image.get_regression(thresholds[,invert=False[,roi[,x_stride=2[,y_stride=1[,area_threshold=10[,pixels_threshold=10[,robust=False]]]]]]])
get_regression（）方法中通过最小二乘法对图像区域里所有阈值像素进行线性回归计算，速度比较快，但不能处理任何异常值。若robust为True，则使用Theil-Sen线性回归算法，它计算图像中所有阈值像素的斜率的中位数。若在阈值处理后有太多像素，即使在80×60的图像上，这个O（N^2）操作也可能将FPS降到5帧以下。但是，只要阈值转换后的像素数量较少，即使在高达30%的阈值像素是异常值的情况下也依然会有较好的计算效果。(www.xing528.com)
thresholds必须是元组列表。[（lo，hi），（lo，hi），...，（lo，hi）]定义设计者想追踪的颜色范围。对灰度图像，每个元组需要包含2个值：最小灰度值和最大灰度值。仅考虑落在这些阈值之间的像素区域。对RGB565图像，每个元组需要有6个值（l_lo，l_hi，a_lo，a_hi，b_lo，b_hi）-分别是Lab中L，a和b通道的最小值和最大值。为方便使用，此功能将自动修复交换的最小值和最大值。此外，如果元组大于6个值，则忽略其余值；相反，如果元组太短，则假定其余阈值处于最大范围。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
