素材
不排序情况下的相似度分布对比
排序
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
| 5 : 0.40026788655397105 10 : 0.626774912031553 15 : 0.7453136214204532 20 : 0.8142202385237444 25 : 0.8577027200956364 30 : 0.886459076402205 35 : 0.9067087257282348 40 : 0.9214261250471747 45 : 0.9328178480507326 50 : 0.9414958017290462 55 : 0.9484732866058905 60 : 0.9540611645211746 65 : 0.9586946420507719 70 : 0.9625351492027757 75 : 0.965824830989326 80 : 0.9686967580927699 85 : 0.9711236619306592 90 : 0.9732746077141728 95 : 0.9750601544928807
|
不排序
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
| 5 : 0.1374674685811393 10 : 0.33351548746408727 15 : 0.5115215214560114 20 : 0.639375178609215 25 : 0.7258209479431854 30 : 0.7830369783792863 35 : 0.8227793011825839 40 : 0.8516174632364971 45 : 0.8733101659456853 50 : 0.8903453947727218 55 : 0.9037495391609566 60 : 0.9142632138096828 65 : 0.9231200493888565 70 : 0.9304182127952915 75 : 0.9366376310800758 80 : 0.9419419157378988 85 : 0.9465197653593017 90 : 0.9505260654925906 95 : 0.9540208070191513
|
区别
当不排序时,图像峰值向右偏移,而明显的谷值产生,由此联想到k = 0.5
时的更夸张的情况
这样子的情况是合理的,但是具体的边缘检测效果,需要进行后面的测试
相似度取值及是否排序的比对
排序-平均值
参数 = 40
排序-最大值
参数 = 40
参数 = 60
不排序-平均值
参数 = 40
不排序-最大值
参数 = 40
参数 = 60
参数 = 80
不排序-第二值
参数 = 60
不排序-第三值
参数 = 60