mc256 / DBSCAN-with-OpenCV

Density-based spatial clustering of applications with noise (DBSCAN)
1 stars 1 forks source link

data file #1

Open hehern opened 4 years ago

hehern commented 4 years ago

currenttime-11-32-36--224.png.data.txt 这个文件楼主能上传一下吗?参考一下,谢谢!

mc256 commented 4 years ago
line h
1050 438 1104 444
1630 441 1659 445
1521 442 1559 446
1571 446 1619 443
106 444 120 446
577 454 1116 454
1157 455 1211 455
1498 455 1668 458
214 458 385 456
1378 457 1414 457
51 452 158 465
1433 457 1486 460
33 461 271 457
1545 474 1634 460
5 459 158 483
1496 469 1526 474
32 476 158 474
1427 504 1637 467
465 490 582 484
465 492 590 485
465 485 574 492
535 492 575 490
1440 490 1469 494
1631 490 1668 496
1598 489 1684 504
546 496 576 499
1599 503 1684 493
995 500 1102 510
1598 501 1684 512
156 519 197 518
538 524 576 520
1162 527 1177 526
153 529 199 526
148 527 197 534
1162 531 1175 532
1004 538 1106 529
1002 535 1176 538
510 542 635 533
1002 536 1172 542
583 543 636 536
579 545 636 537
516 538 632 544
505 544 526 542
1112 550 1172 543
1121 550 1174 544
1486 556 1573 541
147 552 243 549
1151 550 1168 552
1137 554 1160 550
1506 554 1578 560
1026 558 1044 559
527 559 582 564
594 560 649 566
1486 560 1581 567
430 565 443 563
1486 563 1581 566
1129 573 1150 570
1486 575 1578 570
1480 580 1576 567
28 576 54 574
1131 576 1143 578
1656 583 1683 579
215 585 261 579
1441 591 1578 575
1485 591 1575 578
795 586 810 586
1656 585 1708 590
1485 592 1578 584
428 593 464 587
398 594 429 591
28 594 49 591
1656 598 1725 592
1052 596 1119 598
457 609 605 586
36 594 83 602
220 590 494 614
996 610 1086 595
1485 603 1578 610
21 612 81 603
993 607 1178 610
440 612 496 612
644 613 837 613
1000 608 1100 620
1664 619 1717 610
1074 616 1181 614
465 617 491 617
1682 620 1714 615
1283 620 1305 618
652 624 778 626
1443 627 1578 625
1072 622 1175 633
1257 633 1323 623
1256 630 1276 629
1661 630 1682 630
1070 630 1111 635
1661 628 1745 640
221 642 296 630
219 639 300 634
1001 639 1104 639
1484 647 1577 632
1255 641 1270 640
1661 643 1748 644
438 648 471 647
1065 650 1105 647
1255 650 1270 648
1613 662 1806 638
680 655 766 650
311 656 340 655
441 654 468 658
5 657 26 656
225 658 242 660
310 661 341 662
692 658 758 666
178 664 248 661
1750 664 1776 662
438 663 466 664
1494 668 1540 660
1660 648 1880 683
1110 668 1142 664
1624 687 1849 656
1660 674 1681 671
1515 674 1535 672
1660 679 1841 669
42 676 52 677
308 674 365 681
42 677 52 678
1484 680 1533 676
1483 679 1531 682
205 683 231 680
1465 687 1532 677
205 684 224 687
1640 687 1665 685
1562 720 1603 725
690 725 735 723
905 727 943 727
1394 733 1540 728
905 734 944 729
345 755 373 754
360 756 373 756
1458 757 1633 785
1500 773 1630 771
1467 773 1565 777
1352 794 1630 769
307 782 323 781
1567 787 1631 777
1403 781 1451 786
1402 790 1428 788
1561 798 1607 799
1567 802 1610 797
1571 845 1602 841
1154 845 1192 850
1482 909 1528 912
139 920 182 921
1578 1008 1601 1010
1405 1023 1449 1027
line v
7 696 16 624
13 630 15 647
14 648 18 618
20 658 22 611
20 614 25 658
28 579 28 597
49 597 62 444
54 585 60 536
57 444 62 496
55 550 66 446
67 363 67 342
93 491 101 444
110 489 112 444
123 446 126 490
141 931 144 949
142 934 144 910
143 911 149 952
143 937 154 857
145 588 159 458
157 533 157 444
169 458 176 505
204 760 204 688
213 700 217 676
221 670 224 689
240 550 244 668
250 658 262 580
305 612 311 674
330 688 331 634
347 769 353 697
352 552 367 679
359 756 363 555
362 552 364 574
364 557 366 592
380 637 382 620
425 547 427 516
423 509 431 599
429 520 431 538
439 672 443 627
440 613 447 567
446 571 448 456
456 639 457 673
466 668 478 597
479 485 482 456
481 456 486 487
485 601 487 620
512 547 519 491
527 490 528 564
534 602 534 439
533 491 536 574
535 438 538 601
536 452 539 413
555 525 561 484
570 435 570 422
573 435 574 414
572 485 589 604
587 543 590 604
590 546 591 603
622 564 630 471
625 522 629 564
634 544 637 524
702 630 707 670
732 590 736 671
1010 690 1013 708
1028 574 1028 504
1030 690 1030 504
1022 547 1042 686
1028 607 1041 686
1070 633 1075 595
1089 652 1097 595
1095 492 1097 444
1113 364 1126 455
1115 658 1130 550
1124 692 1126 672
1136 550 1149 674
1139 721 1149 608
1145 550 1157 632
1157 608 1160 647
1161 629 1166 660
1164 608 1167 629
1172 696 1172 641
1187 738 1193 776
1190 734 1194 772
1194 731 1197 754
1217 916 1221 960
1257 634 1263 688
1269 643 1270 658
1280 623 1280 611
1335 688 1338 642
1393 731 1394 686
1388 869 1410 1076
1400 782 1409 864
1403 794 1411 880
1423 563 1423 552
1423 534 1426 585
1430 457 1431 503
1428 779 1436 858
1432 1068 1435 1098
1435 787 1440 875
1438 1025 1440 1102
1446 1101 1449 1028
1448 487 1451 457
1452 724 1459 777
1470 756 1473 784
1485 253 1485 290
1496 538 1496 566
1496 509 1504 442
1506 722 1530 552
1571 642 1572 607
1576 985 1594 1137
1597 499 1598 477
1608 724 1613 823
1619 1004 1621 970
1624 1001 1624 991
1628 441 1628 457
1628 491 1629 451
1635 498 1635 446
1697 617 1702 650
1703 650 1710 588
1709 236 1709 224
1711 657 1713 592
1722 685 1725 664
1753 549 1756 531
1764 558 1777 663
1783 610 1784 666
1806 667 1807 679
1819 687 1827 621
1853 1118 1854 1093
points
1402 788
498 606
1396 731
1618 445
60 457
1435 1060
1449 1046
532 599
1037 527
1055 594
324 597
1437 1047
535 583
1267 663
56 487
556 590
1164 528
614 562
628 525
1105 595
1635 445
1267 628
1446 1025
1165 637
573 487
549 488
109 457
596 562
1269 640
521 543
148 913
1431 1029
1137 662
1034 659
1561 773
1067 596
1613 458
1269 681
444 564
570 500
511 542
588 488
1544 473
1415 785
1076 489
1121 629
1087 597
1117 598
1148 678
538 489
549 527
1588 799
1057 488
242 664
1484 496
551 501
1102 489
427 537
430 515
1138 554
605 547
1090 490
1045 674
1023 674
1129 572
1126 677
474 608
1117 489
1150 569
1046 563
485 602
257 602
1037 553
1520 473
1498 443
485 615
157 550
527 555
332 613
1717 592
249 649
1037 682
10 626
1032 575
270 579
250 567
143 586
535 530
1425 582
500 552
1158 629
547 596
446 543
466 491
1269 651
96 457
1077 600
1024 567
494 489
316 651
550 511
346 637
1765 559
7 656
361 553
1780 564
1758 575
1596 847
1533 473
458 576
1137 686
442 504
345 597
26 535
1528 776
1463 487
1499 567
1540 444
1257 645
1772 539
1500 724
1516 778
1590 459
1515 555
1137 578
1547 772
1539 569
1627 455
363 578
372 755
1775 555
1479 582
1712 617
316 585
1509 471
27 521
1556 444
1463 726
1448 589
126 458
2 614
547 583
1076 611
362 755
1792 575
1109 630
10 565
334 555
532 566
261 634
1434 499
476 595
307 593
335 636
25 568
527 492
465 588
17 542
239 602
8 499
1468 496
1705 603
1423 566
305 616
1458 588
1 486
1452 486
512 601
268 563
1499 550
1561 723
13 646
342 612
1512 542
1545 725
1522 538
1446 1057
25 602
1515 576
27 470
1706 630
2 533
1423 556
1261 672
464 612
365 563
303 577
458 498
1534 534
344 555
1758 540
249 639
27 507
1531 723
560 485
25 578
14 526
1429 510
318 567
240 617
0 470
194 470
292 470
0 494
216 494
260 494
342 494
490 494
548 494
1476 494
0 537
274 537
364 537
406 537
490 537
532 537
1066 537
1106 537
1194 537
1246 537
1454 537
1782 537
1834 537
0 574
316 574
364 574
486 574
708 574
1036 574
1076 574
1190 574
1414 574
1482 574
1784 574
1826 574
0 618
222 618
262 618
344 618
1286 618
1446 618
1712 618
0 645
1472 645
240 666
446 666
1708 666
1408 782
1478 782

理解了就好处理了,其实就是一些横的和竖的辅助线条 可能你会又想要拿原始图片了。。。 原始图片是多张叠加,所以DBSCAN这个简单的算法可以输出比较好的结果。。。。。