计算图形学
文章平均质量分 82
Walker Zhang
机器视觉
展开
-
空间三维点绕任意空间直线旋转
绕任意轴旋转的情况比较复杂,主要分为两种情况,一种是平行于坐标轴的,一种是不平行于坐标轴的,对于平行于坐标轴的,我们首先将旋转轴平移至与坐标轴重合,然后进行旋转,最后再平移回去。将旋转轴平移至与坐标轴重合,对应平移操作旋转,对应操作步骤1的逆过程,对应操作 整个过程就是对于不平行于坐标轴的,可按如下方法处理。(该方法实际上涵盖了上面的情况)将旋转轴平移至原点将旋转轴旋转转载 2016-11-14 11:41:45 · 26449 阅读 · 5 评论 -
特征值和特征向量
介绍特征向量和特征值在计算机视觉和机器学习中有许多重要的应用。众所周知的例子是PCA(主成分分析)进行降维或人脸识别是特征脸。特征向量和特征值的一个有趣应用在我的另一篇有关误差椭圆的博文中提到。此外,特征值分解形成协方差矩阵几何解释的基础。在这篇文章中,我将简单的介绍这个数学概念,并且展示如何手动获取二维方形矩阵的特征值分解。特征向量是一个向量,当在它上面应用线性变换时其方向保持不转载 2016-11-14 23:55:39 · 7786 阅读 · 0 评论 -
协方差矩阵的几何解释
A geometric interpretation of the covariance matrixhttp://www.visiondummy.com/2014/04/geometric-interpretation-covariance-matrix/译文:http://demo.netfoucs.com/u010182633/article/details/45937051转载 2016-11-14 23:59:11 · 6058 阅读 · 1 评论 -
SVD分解(奇异值分解)求旋转矩阵
参考文献:http://igl.ethz.ch/projects/ARAP/svd_rot.pdf一 问题描述假设P={p1,p2,...,pn}和Q={q1,q2,...,qn}是两组Rd空间中的对应点集,现在想要根据这个两个点集的数据来计算出它们之间的刚性转置信息,可以知道这其实是一个最小二乘求优问题,问题可以用如下计算式描述:其中wi>0,是点集中每个转载 2016-11-18 10:19:31 · 28577 阅读 · 13 评论 -
图像卷积与滤波的一些知识点
一、线性滤波与卷积的基本概念线性滤波可以说是图像处理最基本的方法,它可以允许我们对图像进行处理,产生很多不同的效果。做法很简单。首先,我们有一个二维的滤波器矩阵(有个高大上的名字叫卷积核)和一个要处理的二维图像。然后,对于图像的每一个像素点,计算它的邻域像素和滤波器矩阵的对应元素的乘积,然后加起来,作为该像素位置的值。这样就完成了滤波过程。对图像和滤波矩阵进行逐个元素相乘再转载 2017-06-08 11:39:51 · 592 阅读 · 0 评论 -
曲率-通俗讲解
怎么说它有多弯? 曲線與曲面的特性在其彎曲。在數學上,我們不似要說它們是彎曲的,而且還得說它們彎曲到什麼程度。衡量彎曲的程度,在數學上叫做曲率。我們先談小面曲線的曲率。先說直線,它到處都平直不彎曲,所以曲率到處都是 0。再看圓,一個圓的彎曲程度到處都一樣,所以曲率是個常數;但大的圓比小的圓平直些,所以大的圓的曲率要較小的來得小。若大转载 2017-10-24 15:13:54 · 33801 阅读 · 0 评论