一点心青

摘要： 前面提到了YV12转RGB的各种实现方法和优化方法，主要是CPU上的实现。本文主要介绍基于GPU的YV12转RGB的实现。1. 基于OpenGL的实现利用OpenGL shader实现将YV12转RGB，将Y、U、V分量数据作为纹理数据，并构造YUV转RGB的shader代码，最终纹理数据在shad... 阅读全文

摘要： YUV格式具有亮度信息和色彩信息分离的特点，但大多数图像处理操作都是基于RGB格式。因此当要对图像进行后期处理显示时，需要把YUV格式转换成RGB格式。RGB与YUV的变换公式如下： YUV(256 级别) 可以从8位 RGB 直接计算：Y = 0.299 R + 0.587 G + 0.114... 阅读全文

摘要： YUV，是一种颜色编码方法，Y表示明亮度(Luminance、Luma)，U和V则是色度、浓度(Chrominance、Chroma)。YUV，Y`UV,YCbCr，YPbPr等都可以称为YUV，彼此有重叠。YUV和Y`UV通常用来描述模拟信号，YCbCr与YPbPr则是用来描述数位的影像信号。YU... 阅读全文

摘要： 本文主要记录在64位Windows 7下，编译64位ffmpeg的过程。1.资源准备 (1). MSYShttp://sourceforge.net/projects/mingwbuilds/files/external-binary-packages/ (2). MinGW-w64http://www.drangon.org/mingw/ (3). SDLhttp://www.libsdl.org/download-1.2.php (4). x264http://www.videolan.org/developers/x264.html (5). FFmpeghttp://ww... 阅读全文

摘要： 为了深入了解ffmpeg的工作原理，需要阅读源代码，调试源代码。在Windows下调试ffmpeg源码，一种方法是在MinGW+Msys环境下，利用GDB进行调试；另一种是借助Eclipse进调试，其本质也是调用GDB进行调试，只是提供了良好界面，便于用户交互。本文主要记录利用Eclipse调试FFmpeg源码的过程。1.Eclipse安装 Eclipse安装过程可参考网上其他资料，安装完Eclipse后，需要配置C/C++开发环境，参考：http://shinepaopao.iteye.com/blog/1926445。2.建立ffmpeg工程 Eclipse-->File--> 阅读全文

摘要： 由于FFmpeg是基于Linux开发的开源项目，源代码和Windows下最常见的Visual Studio提供的C/C++编译器不兼容，因此它不能使用MSVC++编译，需要在Windows下配置一个类似Linux的编译环境。本文主要记录Windows下FFmpeg编译的过程。1.资源准备准备编译过程所需的软件工具和源代码。(1). MinGW-MSYS Bundlehttp://sourceforge.net/projects/mingwbundle/(2).Yasm http://yasm.tortall.net/Download.html(3).SDL http://www.libsd.. 阅读全文

摘要： 由于相机正面白摄物体时，相机的光轴方向可能发生变化，带来扭曲。而SIFT算法虽具有完全的尺度不变性，但不具有完全的仿射不变性，对拍摄角度发生大角度空间变化的图像特征提取有一定的局限性。ASift通过模拟经度与纬度实现完全的仿射不变，然后用SIFT算法把模拟图像进行比较，最后实现特征匹配。ASIFT算法的具体步骤如下：1.选取采样参数，模拟不同经度与纬度的图像。2.计算模拟图像的特征。3.结合所有的模拟图像的特征，进行特征匹配。注意：ASIFT提供的一种框架，其核心思想是模拟不同的经度与纬度的图像，具体模拟图像的特征提取和匹配，可选择SIFT、SURF等特征。ASIFT算法代码资源：htt... 阅读全文

摘要： SACON（SAmple CONsensus）算法是基于样本一致性的运动目标检测算法。该算法通过对每个像素进行样本一致性判断来判定像素是否为背景。算法框架图 由上图可知，该算法主要分为四个主要部分，分别是邻域差分、SACON算法核心处理、空洞填充后处理、TOM(Time Out Map)，其中TOM(Time Out Map)主要用于背景模型更新，其他部分属于前景目标检测。背景模型建立 SACON算法建立背景模型的方法是直接取视频序列的前N帧作为背景模型。 对于每个像素而言，其背景模型可以表示为：C(c1,c2,...,cN)，对于彩色图像，ci=(r,g,b)，对于灰度图像，则... 阅读全文

摘要： SOBS（self-Organizing through artificial neural networks）是一种基于自组织神经网络的背景差分算法，主要是借鉴神经网络的特性，一个网络输入节点，对应多个中间节点，将背景模型中的一个像素映射到模型的多个位置，并采用了像素邻域空间相关的更新方式，使邻域的信息进一步融入模型中，使得算法具有邻域空间相关性。算法伪代码 背景模型建立 选择背景模型的映射大小，一般选取n = 3，即一个像素点对应于模型中的3*3块，背景模型相比于原始图像扩大了9倍。 选择HSV颜色空间，选取第一帧数据作为背景模型的初始化数据。如上图示例所示，ai(h,s,v... 阅读全文

摘要： PbModel是基于概率模型的背景差分算法，其基本思想是像素点会因光照变化、运动物体经过产生多种颜色值，但是一段时间内，像素点处于静止状态的时间会比处于运动状态的时间长。因而一段时间内，像素点某个颜色值出现的概率会高于其他颜色值，高概率的颜色值即为该像素点的背景值。创新点1.关注基于概率的背景模型的内存占用率和计算复杂度 基于概率的背景模型是常用的背景建模方法，但是现有一些算法，其内存占用率高，计算复杂度大。 该算法利用聚类减少内存占用率，将像素点可能出现的颜色值，按距离聚类，以聚类中心代替颜色值，从而减少内存占用率。 利用不固定长度的帧序列建立背景模型，由于许多像素点一般都处于静止... 阅读全文