OpenCV进阶提高
文章平均质量分 80
梧桐栖鸦
opencv系列教程代码已上传至github:https://github.com/keithMaybe/code/tree/master/opencv
以后更新会继续上传
CUDA、Python、ML努力填坑中>>>
展开
-
opencv之SURF算法原理及关键点检测
1.概述在基础篇里面讲模板匹配的时候已经介绍过,图像匹配主要有基于灰度和基于特征两种方法。基于特征匹配的方法有很多种如:FAST、HARRIS、SIFT、SURF、SUSAN等。其中SIFT算法由D.G.Lowe于1999年提出,2004年完善总结。SIFT是一种鲁棒性好的尺度不变特征描述方法,但SIFT算法计算数据量大、时间复杂度高、算法耗时长。针对上述缺点许多研究者对SIFT算法做了不同的改进,原创 2017-04-18 10:51:54 · 20669 阅读 · 4 评论 -
opencv之SURF特征点提取及匹配
1.概述在基于特征匹配的方法中,Surf算法对物体的旋转、光照等情况有较好的鲁棒性,且教SIFT算法而言计算速度更快。通过Surf算法检测到的特征点其描述符包含了这个点的位置和尺度信息,故对两幅图片进行匹配时可以通过两幅图中特征点匹配对进行匹配。即使物体位置和光照的改变也能够有良好的匹配效果。 在本片文章中将使用SurfDescriptorExtractor及其函数compute来完成特定计算,使原创 2017-04-18 18:54:16 · 19578 阅读 · 4 评论 -
opencv之SURF图像匹配
1.概述前面介绍模板匹配的时候已经提到模板匹配时一种基于灰度的匹配方法,而基于特征的匹配方法有FAST、SIFT、SURF等,上面两篇文章已经介绍过使用Surf算法进行特征点检测以及使用暴力匹配(BruteForceMatcher)和最近邻匹配(FLANN)两种匹配方法。接下来将更深一步介绍利用Surf检测到的特征点以及匹配对进行图像匹配. 利用Surf算法进行图像匹配其一般流程为:检测物体特征点原创 2017-04-19 14:04:11 · 22766 阅读 · 1 评论 -
opencv提高之人脸检测
上一篇介绍了cascade分类器的训练,这里给出训练好的xml文件进行人脸检测的代码(由于眼睛发炎不能长时间看电脑屏幕,以后补详细介绍)#include <iostream>#include <opencv2\core\core.hpp>#include <opencv2\highgui\highgui.hpp>#include <opencv2\imgproc\imgproc.hpp>#i原创 2017-05-04 17:46:51 · 3437 阅读 · 2 评论 -
opencv提高之cascade分类器训练人脸检测模型
1.概述在opencv中有两个类型的分类器:opencv_haartraining和opencv_traincascade,后者是2.x版本中基于C++写的新版本的分类器。二者最主要的区别是opencv_traincascade支持Haar和LBP。LBP在训练和检测方面要比Haar特征快数倍。Haar和LBP的检测质量取决于要训练的数据和训练的参数设置。 opencv_traincascade与原创 2017-04-22 12:11:04 · 10757 阅读 · 8 评论