摘要：
图像旋转是指把定义的图像绕某一点以逆时针或顺时针方向旋转一定的角度，通常是指绕图像的中心以逆时针方向旋转。首先我们来计算任一一点（x,y）绕其中点（xcenter，ycenter）经过角度sigma逆时针旋转后新坐标（x1,y1），我们假设图像的左上角为（left, top）,右下角为（right, bottom），图像的宽为width，高为height，可得下列公式（具体推导见下面部分）：xcenter = (width+1)/2+left;ycenter = (height+1)/2+top;x1 = (x - xcenter) cosθ - (y - ycenter)... 阅读全文
摘要：
边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括（i）深度上的不连续、（ii）表面方向不连续、（iii）物质属性变化和（iv）场景照明变化。 边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。有许多方法用于边缘检测，它们的绝大部分可以划分为两类：基于查找一类和基于零穿越的一类。基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边界，通常是将边界定位在梯度最大的方向。基于零穿越的方 阅读全文
摘要：
fasthessian.h和fasthessian.h主要完成关键点的检测1、建立fasthesian结构2、初始化fasthessian结构3、建立DOH4、找出极值点5、确定关键点准确位置源码分析：/*********************************************************** * --- OpenSURF --- *
* This library is distributed under the GNU GPL. Please *
* use the conta... 阅读全文
摘要：
surflib.h有三个函数组成，第一个函数是第二个和第三个的合体1、提取关键点并提取特征点描述因子surfDetDes（）2、提取关键点surfDet（）3、提取特征点描述因子surfDes(（）#ifndef SURFLIB_H
#define SURFLIB_H #include #include #include "integral.h"
#include "fasthessian.h"
#include "surf.h"
#include "ipoint.h"
#include "utils.h 阅读全文
摘要：
main.cpp主要由几个主函数组成，通过选择PROCEDURE的值可进行下列6个操作：1、特征点检测2、视频特征点检测3、图像与视频匹配4、动点查询5、图像与图像匹配6、特征点聚类-Kmeas算法/*********************************************************** * --- OpenSURF --- *
* This library is distributed under the GNU GPL. Please *
* use the contact... 阅读全文
摘要：
SURF：Speed Up Robust Features是继SIFT算法后有H Bay提出的一特征点提取算法，其灵感来自于SIFT，所以该算法的几个步骤和SIFT算法相似，但其速度是SIFT算法的多倍之多（基于hessian的快速计算方法），下面我们就来看看该算法实现的过程：（ps：本文纯属个人理解，如有错误望指正）1、初始化图像：将图像转变成32位单精度单通道图像2、得到图像积分图：积分图是为下面计算fast-hessian做准备3、hessian矩阵计算：采用近似计算，加快计算速度4、构建尺度空间：保持图片不变，增大高斯核的尺度5、找出关键点：利用hessian矩阵发现关键点，同时关键点 阅读全文
摘要：
看了一周的SIFT，感觉到了该算法的强大，下面就将介绍下该算法的实现过程（主要参考lowe的论文）SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求得一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，首先由lowe于99年提出，于04年对其进行了完善。主要应用：物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对。SIFT算法的特点有：1.SIFT特征是图像的局部特征，其对旋转、 阅读全文
摘要：
数字图像处理中，经常遇到求导的情况，但是我们的数字图像都是离散变量，因此无法直接对其求导，我们只能对其近似求导，所以此时我们可以采用有限差分求导对其近似求解有限差分法以变量离散取值后对应的函数值来近似微分方程中独立变量的连续取值。在有限差分方法中，我们放弃了微分方程中独立变量可以取连续值的特征，而关注独立变量离散取值后对应的函数值。但是从原则上说，这种方法仍然可以达到任意满意的计算精度。因为方程的连续数值解可以通过减小独立变量离散取值的间格，或者通过离散点上的函数值插值计算来近似得到。这种方法是随着计算机的诞生和应用而发展起来的。其计算格式和程序的设计都比较直观和简单，因而，它在计算数学中使用 阅读全文
摘要：
初来乍到的新人，刚搜论文的时候无意中搜到如此好东西，赶紧拿出来给大家分享分享，希望能对大家有所帮助。。。在此还得感谢整理此文章的人。。。前言：最近由于工作的关系，接触到了很多篇以前都没有听说过的经典文章，在感叹这些文章伟大的同时，也顿感自己视野的狭小。 想在网上找找计算机视觉界的经典文章汇总，一直没有找到。失望之余，我决定自己总结一篇，希望对 CV 领域的童鞋们有所帮助。由于自己的视野比较狭窄，肯定也有很多疏漏，权当抛砖引玉了，如果你觉得哪篇文章是非常经典的，也可以把相关信息连带你的昵称发给我，我好补上。我的信箱 xdyang.ustc@gmail.com文章主要来源：PAMI, IJCV, 阅读全文