做光流图像时容易出现很多噪点,将重采样后变化较大的部分 mask 掉,就可以得到相对可靠但是有缺失值(nan)的图像:
突发奇想的一种解决方法就是采集每个以缺失点为中心的 32x32、16x16、8x8、4x4、2x2 的区域(还可以更高)的非 nan 均值,这些均值可以看作一个点的运动(由大范围模糊准确值向小范围精确噪声值运动),再直接取均值就能得到考虑了图像连续性的一个较好的估计。得出结果如下:
2023/4/6大约 3 分钟
做光流图像时容易出现很多噪点,将重采样后变化较大的部分 mask 掉,就可以得到相对可靠但是有缺失值(nan)的图像:
突发奇想的一种解决方法就是采集每个以缺失点为中心的 32x32、16x16、8x8、4x4、2x2 的区域(还可以更高)的非 nan 均值,这些均值可以看作一个点的运动(由大范围模糊准确值向小范围精确噪声值运动),再直接取均值就能得到考虑了图像连续性的一个较好的估计。得出结果如下: