- 博客(8)
- 资源 (20)
- 收藏
- 关注
RSS订阅转载 几种典型的立体匹配算法
使用左右两张图片，计算深度图。一下几种算法代码参考 http://www.360doc.com/content/13/0129/11/11533449_263014896.shtml，经验证可行。并得到一下的深度图，貌似DP算法比较快并且效果还蛮好的。 SAD算法#include<iostream> #include<cv.h> #include<highgui.h> using
2016-04-18 15:21:11
29527
11
转载 FPGA基础知识
1:什么是同步逻辑和异步逻辑? 同步逻辑是时钟之间有固定的因果关系。异步逻辑是各时钟之间没有固定的因果关系。 同步时序逻辑电路的特点:各触发器的时钟端全部连接在一起,并接在系统时钟端,只有当时钟脉冲到来时,电路的状态才能改变。改变后的状态将一直保持到下一个时 钟脉冲的到来,此时无论外部输入 x有无变化,状态表中的每个状态都是稳定的。 异步时序逻辑电路的特点:电路中除可以使用带时钟的触发器外
2016-04-06 01:00:28
9863
1
转载 图像修补
图像修补就是使用坏点周围的像素取代坏点,这样它看起来和周围像素就比较像了。OpenCV 使用函数 cv2.inpaint() 来实施。 第一个算法是根据 Alexandru_Telea 在 2004 发表的文章实现的。它是基于快速行进算法的。以图像中一个要修补的区域为例。算法从这个区域的边界开始向区域内部慢慢前进,首先填充区域边界像素。它要选取待修补像素周围的一个小的邻域,使用这个邻域内的归一化加
2016-04-05 23:11:25
3163
转载 图像去噪
很多图像平滑技术,比如高斯平滑,中值平滑等,当噪声比较小时这些技术的效果都是很好的。在这些技术中我们选取像素周围一个小的邻域然后用高斯平均值或者中值平均值取代中心像素。简单来说,像素级别的噪声去除是限制在局部邻域的。 噪声有一个性质。我们认为噪声是平均值为一的随机变量。考虑一个带噪声的像素点,p = p 0 + n,其中 p 0 为像素的真实值,n 为这个像素的噪声。我们可以从不同图片中选取大量的
2016-04-05 23:06:38
9740
转载 光流
1： 光流 由于目标对象或者摄像机的移动造成的图像对象在连续两帧图像中的移动被称为光流。它是一个 2D 向量场,可以用来显示一个点从第一帧图像到第二帧图像之间的移动。 上图显示了一个点在连续的五帧图像间的移动。箭头表示光流场向量。光流在很多领域中都很有用: • 由运动重建结构 • 视频压缩 • Video Stabilization 等光流是基于一下假设的: 1. 在连续的两帧图像之间(
2016-04-05 10:26:14
7067
转载 Meanshift 和 Camshift
使用 Meanshift 和 Camshift 算法在视频中找到并跟踪目标对象。 1：Meanshift Meanshift 算法的基本原理是和很简单的。假设我们有一堆点(比如直方图反向投影得到的点),和一个小的圆形窗口,我们要完成的任务就是将这个窗口移动到最大灰度密度处(或者是点最多的地方)。如下图所示: 初始窗口是蓝色的“C1”,它的圆心为蓝色方框“C1_o”,而窗口中所有点质心却是“C1
2016-04-05 10:10:30
1631
转载 背景减除-提取前景
在很多基础应用中背景检出都是一个非常重要的步骤。例如顾客统计,使用一个静态摄像头来记录进入和离开房间的人数,或者是交通摄像头,需要提取交通工具的信息等。在所有的这些例子中,首先要将人或车单独提取出来。 技术上来说,我们需要从静止的背景中提取移动的前景。如果你有一张背景(仅有背景不含前景)图像,比如没有顾客的房间,没有交通工具的道路等,那就好办了。我们只需要在新的图像中减去背景就可以得到前景对象了。
2016-04-05 00:55:32
21123
5
转载 特征匹配和单应性
使用 OpenCV 中的蛮力(Brute-Force)匹配和 FLANN 匹配。 1：Brute-Force 匹配的基础 蛮力匹配器是很简单的。首先在第一幅图像中选取一个关键点然后依次与第二幅图像的每个关键点进行(描述符)距离测试,最后返回距离最近的关键点。 对于 BF 匹配器,我们首先要使用 cv2.BFMatcher() 创建一个 BF-Matcher 对象。它有两个可选参数。第一个是 n
2016-04-04 23:21:26
4306
zynq内核配置文件
2015-10-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人