像素正态分布计算器

Your browser doesn't support canvas. Please update your browser.

分布参数:
覆盖法线
平均值(μ 或 x̄)
标准差(σ 或 s)

经验概率

P( ≤ X ≤ )
结果:
近似概率: P(1.5< X <2) ≈ 0
正态概率: P(1.5< X <2) = 0.0441

像素正态分布计算器可用于用于实时像素分类的统计背景建模算法。

首先要考虑的是,即使是连续测量实际上也是离散的。例如,温度始终被认为是连续的,但每次处理温度数据时,这些数据都是离散数据,其精度与用于测量它们的传感器的精度相当。对于每一个物理的、可测量的量(包括强度)也是如此。话虽如此,对于我们的现代物理模型,认为温度遵循具有数千种可能输出的离散质量概率并且每个人都在连续假设下研究它们是没有意义的。

那么我们在哪里设置边界呢?我们什么时候认为有“太多”可能的输出来处理概率质量函数并选择使用连续分布?这是一个悬而未决的问题!:)

事情是这样的,我们在以连续方式处理离散数据时不会丢失信息,因此这样做没有任何限制!

现在考虑图像的像素强度,大多数时候,我们需要考虑具有 256 个可能输出的离散质量概率,这意味着需要估计或调整 256 个参数(或权重)。如果我们通过连续分布对强度进行建模,参数的数量会大大减少!以高斯为例:2 个参数。即使使用更复杂的分布或混合模型,我们也不需要调整数百个参数。这是主要优势!紧凑的表示!

关于高斯的选择,让我们说它已被经验证明效果很好。中心极限定理也支持这种常见的选择。现在,最重要的是,许多算法都很容易获得,前提是数据遵循高斯分布,这使得它们更多地被该领域的人们使用。这并不意味着没有其他东西可以使用,但这就是事情的现实。