我正在尽力复制此paper中所述的算法，以制作修复算法。我们的想法是获得需要修复的图像部分的轮廓或边缘点。为了找到该区域中的最线性点，找到正交法向量。在第6页，给出了实现的简短描述。
在我们的实现中，轮廓 目标区域的δΩ被建模为图像点的密集列表 位置。给定点p∈δΩ，法线方向 np 计算如下：i）的位置 通过二维高斯滤波“强”δΩ的“控制”点 内核和ii） np 被估计为正交的单位向量 通过前面和后续点的线 名单。
所以看来我需要将所有这些点都放在高斯滤波器中。当我们有一个维度或一个点列表时，如何设置二维高斯滤波器？
让我们说我们的轮廓是点的盒子形状，然后我创建一个点的一维点列表：[1,1]，[1,2]，[1,3]，[2,1]，[2] ，3]，[3,1]，[3,2]，[3,3]。我是否需要简单地制作一个新的2d矩阵表并将点放入并将[2,2]的中间点留空，然后在其上运行高斯滤波器？但这似乎并非密集。
我试图通过python库运行它。
答案 0 :(得分：0)
一个密集的图像点列表
只是一条线。
根据我的理解，您基本上将高斯滤镜应用于黑白图像，其中线条为黑色，背景为白色。我认为通过这样做，他们可以近似拟合曲线模型。
卷积点周围的2D区域中的所有点，然后用结果覆盖该点。
这将使目标区域边缘上的任何曲线不那么尖锐，降低法线计算中的噪声，这将是与当前区域周围的两个点正交的矢量。