03 2020 档案

摘要:SURF 算法概述 SURF,英文全称为 SpeededUp Robust Features,直译为“加速版的具有鲁棒性的特征”算法,由 Bay 在 2006 年首次提出。SURF 最大特征在于采用了 harr 特征以及积分图像的概念,这大大加快了程序的运行时间。SURF 可以应用于计算机视觉的物体 阅读全文
posted @ 2020-03-30 17:29 狂奔的小学生 阅读(1208) 评论(3) 推荐(0) 编辑
摘要:原理介绍 若我们进行图像处理的目的不是提取用于识别的特征点而是进行几何测量,这通常需要更高的精度,而函数 goodFeaturesToTrack() 只能提供简单的像素的坐标值,也就是说有时会需要实数坐标值而不是整数坐标值。 角点位置特征:角点与边缘点的连线和边缘点的梯度方向垂直。 如上图所示,假设 阅读全文
posted @ 2020-03-13 10:33 狂奔的小学生 阅读(6545) 评论(0) 推荐(0) 编辑
摘要:Shi-Tomasi 角点检测概述 除了利用 Harris 进行角点检测外,我们通常还可以利用 Shi-Tomasi 方法进行角点检测。Shi-Tomasi 算法是 Harris 算法的改进,此算法最原始的定义是将矩阵 M 的行列式值与 M 的迹相减,再将差值同预先给定的阈值进行比较。后来 Shi 阅读全文
posted @ 2020-03-10 21:48 狂奔的小学生 阅读(1039) 评论(0) 推荐(1) 编辑
摘要:Harris 角点检测原理 人眼对角点的识别通常是在一个局部区域(小窗口)内完成的。主要有三种情况: 小窗口在各个方向上移动,窗口内区域的灰度均发生较大的变化,那么就认为在窗口内遇到了角点。 小窗口在各个方向上移动,窗口内区域的灰度没有发生变化,那么就认为窗口内就不存在角点。 小窗口在各个方向上移动 阅读全文
posted @ 2020-03-10 16:09 狂奔的小学生 阅读(567) 评论(0) 推荐(0) 编辑
摘要:模板匹配的概念和原理 模板匹配就是在一幅图像中寻找与模板图像最匹配(相似)部分。 具体步骤为从左到右,从上向下计算模板图像与图像覆盖区域的匹配度,匹配程度越大,两者相同的可能性越大。 实现模板匹配:matchTemplate 函数 void matchTemplate(InputArray imag 阅读全文
posted @ 2020-03-10 12:29 狂奔的小学生 阅读(4094) 评论(0) 推荐(0) 编辑
摘要:mixChannels 主要就是把输入的图像(或图像集)的某些通道拆分复制给对应的输出图像(或图像集)的某些通道中,其中的对应关系由 fromTo 参数制定。 通道复制:mixChannels 函数 void mixChannels(const Mat* src, size_t nsrcs, Mat 阅读全文
posted @ 2020-03-10 09:37 狂奔的小学生 阅读(1062) 评论(0) 推荐(0) 编辑
摘要:反向投影的工作原理 反向投影图中,某一位置(x,y)的像素值 = 原图对应位置(x,y)像素值在原图的总数目。 即若原图中(5,5)位置上像素值为 200,而原图中像素值为 200 的像素点有 500 个,则反向投影图中(5,5)位置上的像素值就设为 500。 具体步骤: 计算图像直方图:统计各像素 阅读全文
posted @ 2020-03-09 23:05 狂奔的小学生 阅读(3118) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示