opencv
文章平均质量分 71
fangjian1204
这个作者很懒,什么都没留下…
展开
-
摄像机标定:像素焦距与毫米焦距转换
1、像素焦距与毫米焦距转换 fu = ku * dpx; fv = kv * dpy;1) ku、kv分别为摄像机内参矩阵的x(u)、y(v)方向的像素焦距;2) fu、fv分别为摄像机x(u)、y(v)方向的毫米焦距;3) dpx、dpy单位为mm/pixel;4) dpx、dpy含义分别是Effective X(Y) dimension of pixel in转载 2013-08-21 16:19:11 · 2394 阅读 · 0 评论 -
sift算法
SIFT算法的实现学习过程:一幅图像SIFT特征向量的生成算法总共包括4步:1、检测尺度空间极值点,初步确定关键点位置和所在尺度。2、抽取稳定的关键点,精确确定关键点的位置和尺度,同时去除低对比度的关键点和不稳定的边缘响应点,以增强匹配稳定性、提高抗噪声能力。3、为每个关键点指定方向参数,使算子具备旋转不变性。4、关键点描述子的生成,即生成SIFT特征向量。匹配过程:当一幅原创 2013-08-29 15:29:07 · 1791 阅读 · 0 评论 -
用opencv实现的PCA算法,非API调用
理论参考文献:但此文没有代码实现,这里自己实现一下,让理解更为深刻问题:假设在IR中我们建立的文档-词项矩阵中,有两个词项为“learn”和“study”,在传统的向量空间模型中,认为两者独立。然而从语义的角度来讲,两者是相似的,而且两者出现频率也类似,是不是可以合成为一个特征呢? 《模型选择和规则化》谈到的特征选择的问题,就是要剔除的特征主要是和类标签无关的特征。比如原创 2014-07-31 11:16:07 · 2239 阅读 · 2 评论 -
图像的膨胀和腐蚀、开运算和闭运算
图像的膨胀与腐蚀、细化原理:在特殊领域运算形式——结构元素(Sturcture Element),在每个像素位置上与二值图像对应的区域进行特定的逻辑运算。运算结构是输出图像的相应像素。运算效果取决于结构元素大小内容以及逻辑运算性质。结构元素:膨胀和腐蚀操作的最基本组成部分,用于测试输出图像,通常要比待处理的图像小还很多。二维平面结构元素由一个数值为0或1的矩阵组成。结构元素的原点指定了图像转载 2013-08-23 14:14:08 · 12796 阅读 · 0 评论 -
mean-shift算法在目标跟踪方面的应用
mean-shift算法具体内容在学习opencv这本书上讲解的比较详细,但是怎么应用到目标跟踪方面描述的有点欠缺。大致思路如下:将要跟踪的目标划分成hsv三个子空间,可以对三个子空间都计算,也可以只针对h空间进行计算,假设只对h空间计算。计算出h空间的颜色直方图,该直方图就用于后面的目标跟踪的漂移计算。第一次计算时,用要跟踪的目标的矩形窗口的位置作为搜索窗口,在图像中利用mean-shift原创 2013-09-16 16:57:16 · 1160 阅读 · 0 评论 -
Opencv安装问题
出现如下错误:OpenCVERROR: Unspecified error (The function is not implemented. Rebuildthe library with Windows, GTK+ 2.x or Carbon support);解决方法:先卸载Opencv,安装所需的库,然后再重新安装,具体如下:进入opencv目录,输入sudomake unin原创 2013-09-14 23:27:48 · 2724 阅读 · 0 评论 -
opencv中直方图的反向投影
关于直方图的反向投影,opencv中有两个函数cvCalcBackProject和cvCalcBackProjectPatch(),这两个函数的功能有点难以区别。简单点说:cvCalcBackProject是检测输入图像中的每个像素,然后查找该像素在直方图中的值,值越大,则输出图像中的对应像素灰度值就越大,即越亮,可以理解为输出图像是直方图中对应位置的值的大小。而直方图是由一幅模版图像计算得到的。原创 2013-09-10 11:41:25 · 1248 阅读 · 0 评论 -
opencv中直方图的反向投影之cvCalcBackProjectPatch
cvCalcBackProjectPatch()是用于在被查找图像上查找给定的模版的位置,这也是反向投影的主要用途。具体算法如下:假设我们有一张100x100的输入图像,有一张10x10的模板图像,查找的过程是这样的:(1)从输入图像的左上角(0,0)开始,切割一块(0,0)至(10,10)的临时图像;(2)生成临时图像的直方图;(3)用临时图像的直方图和模板图像的直方图对比,对比原创 2013-09-10 11:45:02 · 2190 阅读 · 0 评论 -
opencv中图像一种相似性度量方法-------EMD
EMD算法是用来比较两幅图像相似性的方法。在颜色直方图中,由于光线等的变化会引起图像颜色值的漂移,它们会引起颜色值位置的变化,从而导致直方图匹配失效。EMD的思想是求得从一幅图像转化为另一幅图像的代价,用直方图来表示就是求得一个直方图转化为另一个直方图的代价,代价越小,越相似。计算 EMD 的方法来源于有名的运输问题的解决方案,其实质是双向网络最优路径的选择问题。运输问题是假设有几个供货商原创 2013-09-09 14:12:57 · 6838 阅读 · 0 评论 -
opencv法制化函数cvThreshold的使用
opencv法制化函数cvThreshold的使用cvThreshold只能用于处理单通道图像,因此在处理前应先对图像进行分割,然后进行处理,再把处理后的图像进行合并。cvThreshold有很多阀值处理的方法,其中使用最多的是CV_THRESH_TRUNC,称为截断阀值化,即当像素值大于阀值时,将像素截断为最大值,否则保持不变。具体看下面例子:#include#include#i原创 2013-09-02 10:21:45 · 1198 阅读 · 0 评论 -
多尺度空间
多尺度空间想要得知图像中哪些是有意义的,必须先要明确这样一个问题:在一幅图像中,只有在一定的尺度范围内,一个物体才有意义。举一个例子,树枝这个概念,只有在几厘米到几米的距离去观察它,才能感知到它的确是树枝;如果在微米级或者千米级去观察,就不能感知到树枝这个概念了,这样的话可以感知到的是细胞或者是森林的概念。因而,如果想要描述现实世界的结构,或者将三维物体映射到二维的图像上去,多尺度表示将会原创 2013-08-29 11:49:29 · 3404 阅读 · 2 评论 -
moravec角点检测算法
一、Moravec角点检测算法原理Moravec角点检测算法是最早的角点检测算法之一,虽然该算法有很多缺点而且实用性也很差,但是它是很多算法的基础,后面讲解的Harris算法就是基于该思想进行改进的。该算法将角点定义为具有低“自相关性”的。算法会检测图像的每一个像素,将像素周边的一个邻域作为一个窗口,并检测这个窗口和周围其他窗口的相关性。这种相关性通过两个窗口间的平方差之和(SSD)来衡量原创 2013-08-26 14:35:31 · 8948 阅读 · 0 评论 -
计算机视觉领域的一些牛人博客,超有实力的研究机构等的网站链接
转自:blog.csdn.net/carson2005 以下链接是本人整理的关于计算机视觉(ComputerVision, CV)相关领域的网站链接,其中有CV牛人的主页,CV研究小组的主页,CV领域的paper,代码,CV领域的最新动态,国内的应用情况等等。打算从事这个行业或者刚入门的朋友可以多关注这些网站,多了解一些CV的具体应用。搞研究的朋友也可以从中了解到很多牛人的研转载 2013-08-24 09:30:58 · 3119 阅读 · 0 评论 -
漫水填充算法
漫水填充算法描述1.1、种子填充算法种子填充算法是从多边形区域内部的一点开始,由此出发找到区域内的所有像素。种子填充算法采用的边界定义是区域边界上所有像素具有某个特定的颜色值,区域内部所有像素均不取这一特定颜色,而边界外的像素则可具有与边界相同的颜色值。具体算法步骤:(1)标记种子(x,y)的像素点(2)检测该点的颜色,若他与边界色和填充色均不同,就用填充色填充该点,否则不填充(3原创 2013-08-23 16:12:34 · 1729 阅读 · 0 评论 -
Harris角点检测算法
Harris算法是使用比较多的角点算法之一,opencv中实现的角点检测算法就是Harris和它的改进。Harris角点检测的原理:Harris 角点最初由Harris在A combined corner and edge detector一文中提出,该文实际上是对Moravec算法思想的改进。Harris角点最直观的解释是,在两个相互垂直的方向,都有较大变化的点。通俗原创 2013-08-26 15:49:58 · 3792 阅读 · 0 评论