算法
文章平均质量分 90
tercel_zhang
酷爱编程,喜爱交友
展开
-
视觉对位贴合系统的基础知识
1,相机选择2,单相机贴合原文地址:https://zhuanlan.zhihu.com/p/37814982转载 2020-03-16 11:06:52 · 6089 阅读 · 0 评论 -
二维坐标系的转换
二维坐标系的变换分为旋转变换和平移变换。一、旋转变换假设已知基坐标系XOY中的一点P(x,y),坐标原点为O,绕点O旋转θ,可以求得点P在新坐标系X'OY'中坐标值(x',y'),如下图所示:求解x'和y'的关键是坚持用已知的边做斜边来求解,结合上图利用三角函数可以求得:x'=x·cos(θ)+y·sin(θ)y'=y·cos(θ)-x·sin(θ)那么点P在X'OY'...转载 2018-03-27 15:16:57 · 25885 阅读 · 9 评论 -
坐标系的转换
如下图,我们会有下面的需求,在坐标系1中,绘出一个图像, 这个图形自身的坐标系是2, 它里面又绘出了3个图形自身坐标系的一些东西。这个变化过程如下图, 通过一个个的仿射变换矩阵完成变化。 一些相关基础知识:矩阵乘法2*2 矩阵 互相乘 参考: http://taop.marchtea.com/02.08.html简单来说,第一个矩阵取行, 第二个矩阵取列, 然后交叉相乘的和。 三角函数常见三...转载 2018-03-27 15:58:20 · 440 阅读 · 0 评论 -
Hough变换与广义霍夫变换
霍夫变换检测直线原理: (x,y)坐标空间的直线,等价于(m,b)坐标空间的一点,等价于(r,θ)坐标空间的一点;(x,y)坐标空间的一点,等价于(m,b)坐标空间的一条直线,等价于(r,θ)坐标空间的一条正弦线注: 转换为r-θ坐标空间,是因为b-m空间在检测垂直线条m->∞和参数的非线性离散化时会遇到困难。霍夫变换检测圆原理(x-a)^2 + (y-b)^2 = r^2 (a-x)^2...转载 2018-04-13 14:44:04 · 4197 阅读 · 0 评论 -
霍夫变换到广义霍夫变换
计算机视觉中经常需要识别或者定位某些几何图形,比如直线、圆、椭圆,还有其他一些图形。检测直线的霍夫变换提供了在图像中寻找直线的一种算法,是最简单的一种情形,后来发展到检测圆、椭圆、还有一般图形的霍夫变换。其核心思想是把图像中属于某种图形的点集(二维)映射到一个点(可以是高维)上,这个点记录了点集中点的数目,使得程序通过搜索峰值找到该点,这个点就是后面要说到的图形的参数,而该参数的范围就叫做参数空间...转载 2018-04-13 15:12:09 · 882 阅读 · 0 评论 -
c/c++ 代码中使用sse指令集加速
在http://blog.csdn.net/gengshenghong/article/details/7008682里面列举了一些手册,其中Intel Intrinsic Guide可以查询到所有的Intrinsic函数、对应的汇编指令以及如何使用等,所以,接下来就不全部进行分析,以下只分析其中一部分,从而了解如何在C/C++代码中使用这些高级指令集的基本方法,至于更多的指令的使用,查询手册就很...转载 2018-04-19 11:42:07 · 8051 阅读 · 0 评论 -
在C/C++代码中使用SSE等指令集的指令(2)参考手册
http://software.intel.com/sites/products/documentation/studio/composer/en-us/2011/compiler_c/index.htm#intref_cls/common/intref_bk_sse.htmhttp://www.tommesani.com/Docs.htmlIntel架构开发人员手册:里面有很多和架构、指令集、优...转载 2018-04-19 11:47:48 · 663 阅读 · 0 评论 -
SSE2指令--使用SSE2的整型内存操作和初始化:加载(Load)
所有的SSE2指令的声明都在emmintrin.h头文件中可以找得到。 1. __m128i _mm_load_si128 (__m128i *p); 指令名:__m128i _mm_load_si128 (__m128i *p); 说明:加载128bits值; 返回值:返回可以存放在代表寄存器的变量中的值; 注意:p必须是一个16-bit对齐的一个变量的地址; ...转载 2018-04-19 13:32:36 · 3593 阅读 · 0 评论 -
图像的七个不变矩 可用于图像的匹配
图像的几何不变矩 矩特征主要表征了图像区域的几何特征,又称为几何矩, 由于其具有旋转、平移、尺度等特性的不变特征,所以又称其为不变矩。在图像处理中,几何不变矩可以作为一个重要的特征来表示物体,可以据此特征来对图像进行分类等操作。1. HU矩几何矩是由Hu(Visual pattern recognition by moment invariants)在1962年提出的,图像f(x,y)的(...转载 2018-05-22 10:19:14 · 1287 阅读 · 0 评论 -
常用相似性度量(距离 相似系数)
在分类聚类算法,推荐系统中,常要用到两个输入变量(通常是特征向量的形式)距离的计算,即相似性度量.不同相似性度量对于算法的结果,有些时候,差异很大.因此,有必要根据输入数据的特征,选择一种合适的相似性度量方法.令X=(x1,x2,..,xn)T,Y=(y1,y2,...yn)T为两个输入向量, 1.欧几里得距离(Euclidean distance)相当于高维空间内向量说表示的点到点之间的距离。...转载 2018-05-22 10:32:03 · 5864 阅读 · 0 评论 -
【图像算法】图像特征:几何不变矩--Hu矩
一 原理 几何矩是由Hu(Visual pattern recognition by moment invariants)在1962年提出的,具有平移、旋转和尺度不变性。 定义如下:① (p+q)阶不变矩定义:② 对于数字图像,离散化,定义为: ③ 归一化中心矩定义: ④Hu矩定义 -----------------------------------------------------...转载 2018-05-22 10:49:29 · 2985 阅读 · 0 评论 -
旋转变换(一)旋转矩阵
原著作者:莫水千流原文网址:https://www.cnblogs.com/zhoug2020/p/7842808.html1. 简介计算机图形学中的应用非常广泛的变换是一种称为仿射变换的特殊变换,在仿射变换中的基本变换包括平移、旋转、缩放、剪切这几种。本文以及接下来的几篇文章重点介绍一下关于旋转的变换,包括二维旋转变换、三维旋转变换以及它的一些表达方式(旋转矩阵、四元数、欧拉角等)。...转载 2018-10-02 12:15:43 · 8159 阅读 · 0 评论 -
相机标定(Camera calibration)原理、步骤
这已经是我第三次找资料看关于相机标定的原理和步骤,以及如何用几何模型,我想十分有必要留下这些资料备以后使用。这属于笔记总结。1.为什么要相机标定? 在图像测量过程以及机器视觉应用中,为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,必须建立相机成像的几何模型,这些几何模型参数就是相机参数。 【1】进行摄像机标定的目的:求出相机...转载 2019-05-24 21:21:30 · 2966 阅读 · 1 评论 -
从点云到网格(一)综述
在计算机图形学中,网格是一种非常基本的表示方法。随着近些年三维表面重建和Dense SLAM的兴起,从海量的三维点云数据生成单一的网格的方法得到了大量的应用。特别是在AR中,因为交互的需要,网格生成算法经常是一个必选项。由于工作中正好涉及到一些这方面的应用,因此想简单介绍一下这方面的知识。以下仅讨论三维情形。本文很多内容来源于Matthew Bolitho的博士论文1。这位仁兄现在在NVidi...转载 2019-05-28 10:30:34 · 4651 阅读 · 0 评论 -
从点云到网格(二)VRIP介绍
VRIP(Volumetric Range Image Processing),顾名思义,是从深度图重建网格的一种方法。VRIP是Brian Curless和Marc Levoy在1996年提出来的方法,距今已经有20年的历史了,依然属于最好的方法之一。VRIP的核心问题是已知世界坐标系下,某物体表面ff在不同视角下的深度图f1^,...,fK^f1^,...,fK^,求ff。这里隐含深...转载 2019-05-28 10:32:06 · 2461 阅读 · 0 评论 -
从点云到网格(三)Poisson重建
Possion重建是Kazhdan等2006年提出的网格重建方法[1]。Possion重建的输入是点云及其法向量,输出是三维网格。Poisson有公开的源代码[2]。PCL中也有Poisson的实现。核心思想Possion重建是一个非常直观的方法。它的核心思想是点云代表了物体表面的位置,其法向量代表了内外的方向。通过隐式地拟合一个由物体派生的指示函数,可以给出一个平滑的物体表面的估计。...转载 2019-05-28 10:34:53 · 5815 阅读 · 1 评论 -
从点云数据生成深度图像
一、 定义深度图像的每个像素点的灰度值可用于表征场景中某一点距离摄像机的远近。 直接反应了景物可见表面的几何形状。 深度图像经过坐标转换可以计算为点云数据,点云数据也可以转换为深度图像。二、PCL相关函数库 所在头文件:#include <pcl/range_image/range_image.h> PCL类 RangeImage是一个工具类,用于在...转载 2019-05-28 10:59:27 · 13029 阅读 · 2 评论 -
相机标定(Camera calibration)原理、步骤
这已经是我第三次找资料看关于相机标定的原理和步骤,以及如何用几何模型,我想十分有必要留下这些资料备以后使用。这属于笔记总结。1.为什么要相机标定? 在图像测量过程以及机器视觉应用中,为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,必须建立相机成像的几何模型,这些几何模型参数就是相机参数。 【1】进行摄像机标定的目的:求出相机...转载 2019-05-28 13:13:43 · 5707 阅读 · 0 评论 -
Harris角点检测原理详解
http://blog.csdn.net/lwzkiller/article/details/54633670关于角点的应用在图像处理上比较广泛,如图像匹配(FPM特征点匹配)、相机标定等。网上也有很多博客对Harris角点检测原理进行描述,但基本上只是描述了算法流程,而其中相关细节并未作出解释,这里我想对有些地方做出补充说明,正所谓知其然知其所以然,如有不对,还望指正。关于角点的应用在图像处理上...转载 2018-03-22 10:16:02 · 565 阅读 · 0 评论 -
细化算法
程序编码参考经典的细化或者骨架算法文章:T. Y. Zhang and C. Y. Suen, “A fast parallel algorithm for thinning digital patterns,” Comm. ACM, vol. 27, no. 3, pp. 236-239, 1984.它的原理也很简单: 我们对一副二值图像进行骨架提取,就是删除不需要的轮廓点,只保留其骨...转载 2018-04-08 14:38:56 · 4305 阅读 · 1 评论 -
LOG高斯-拉普拉斯算子
LOG算子:是高斯和拉普拉斯的双结合,即集平滑和边沿于一身的算子模型!注意这个模型跟前面的一个滤波器很相似,就是各向异性滤波器!只不过是各向异性滤波器是高斯一阶导函数,而LOG可以看做是二阶导函数!这两个模型来源最初都是因为求导导致模板对噪声干扰敏感性比较强!1、拉普拉斯算子的出发点在图像中,边缘可以看做是位于一阶导数较大的像素处,因此,我们可以求图像的一阶导数来确定图像的边缘,像sobel算子等...转载 2018-03-14 15:10:12 · 922 阅读 · 0 评论 -
霍夫变换到广义霍夫变换
计算机视觉中经常需要识别或者定位某些几何图形,比如直线、圆、椭圆,还有其他一些图形。检测直线的霍夫变换提供了在图像中寻找直线的一种算法,是最简单的一种情形,后来发展到检测圆、椭圆、还有一般图形的霍夫变换。其核心思想是把图像中属于某种图形的点集(二维)映射到一个点(可以是高维)上,这个点记录了点集中点的数目,使得程序通过搜索峰值找到该点,这个点就是后面要说到的图形的参数,而该参数的范围就转载 2017-09-14 21:06:39 · 594 阅读 · 0 评论 -
干货 | 上手机器学习,从搞懂这十大经典算法开始
翻译 | AI科技大本营(rgznai100) 参与 | 林椿眄 编辑 | 波波,Donna在机器学习领域,“没有免费的午餐”是一个不变的定理。简而言之,没有一种算法是完美的,可以作为任何问题的最佳解决方案。认清这一点,对于解决监督学习问题(如预测建模问题)尤其重要。我们不能总说神经网络就是比决策树好,反之亦然。影响算法性能的因素有很多,比如数据集的大小和结构。因此,对于自己的转载 2018-01-23 09:42:13 · 225 阅读 · 0 评论 -
聚类算法K-Means, K-Medoids, GMM, Spectral clustering,Ncut
聚类算法是ML中一个重要分支,一般采用unsupervised learning进行学习,本文根据常见聚类算法分类讲解K-Means, K-Medoids, GMM, Spectral clustering,Ncut五个算法在聚类中的应用。Clustering Algorithms分类1. Partitioning approach: 建立数据的不转载 2018-01-15 13:43:17 · 309 阅读 · 0 评论 -
基本Kmeans算法介绍及其实现
1.基本Kmeans算法[1][cpp] view plain copy print?选择K个点作为初始质心 repeat 将每个点指派到最近的质心,形成K个簇 重新计算每个簇的质心 until 簇不发生变化或达到最大迭代次数 选择K个点作为初始质心repeat 将每个点指派到最近的质心,形成K个簇 重新计算每个簇的质转载 2018-01-15 14:29:44 · 759 阅读 · 0 评论 -
图像的纹理特征之灰度共生矩阵
由于纹理是由灰度分布在空间位置上反复出现而形成的,因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系,即图像中灰度的空间相关特性。灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。Gray-level co-occurrence matrix from an image图像的灰度共生矩阵灰度共生矩阵是像素距离和角度的矩阵函数,它通过计算图像中一定距转载 2018-01-31 09:56:21 · 12423 阅读 · 0 评论 -
图像处理之积分图算法
图像处理之积分图算法一:积分图来源与发展积分图像是Crow在1984年首次提出,是为了在多尺度透视投影中提高渲染速度。随后这种技术被应用到基于NCC的快速匹配、对象检测和SURF变换中、基于统计学的快速滤波器等方面。积分图像是一种在图像中快速计算矩形区域和的方法,这种算法主要优点是一旦积分图像首先被计算出来我们可以计算图像中任意大小矩形区域的和而且是在常量时间内。这样在图像模糊、边缘提取、转载 2018-01-31 17:23:16 · 9356 阅读 · 0 评论 -
快速计算积分图
积分图是图像中十分常用的方法,最初是在Haar特征的快速计算中学到(参考博文:利用积分图像法快速计算Haar特征),后来发现在均值滤波,二值化等图像处理方法中也十分常见。积分图的简要介绍可以参考博文:利用积分图像法快速计算Haar特征,这里不再重复了。本篇主要是小记一下积分图的计算方法。由于积分图中每个单元存储的信息是原图中此位置左上角所有像素之和,所以对一张W*H的图像直接求取积分图,需转载 2018-01-31 17:51:47 · 658 阅读 · 0 评论 -
13行代码实现最快速最高效的积分图像算法
原文地址: https://www.cnblogs.com/Imageshop/p/6219990.html原文作者:Imageshop 研究图像到一定程度的人,应该都对积分图像有所了解,大家在百度或者google中都可以搜索到大量的相关博客,我这里不做多介绍。用积分图也确实能解决很多实际的问题,比如我博客中的基于局部均方差相关信息的图像去噪及其在实时磨皮美容算法中的应用 一文我就转载 2018-01-31 17:55:24 · 731 阅读 · 0 评论 -
双线性二次插值原理解析
在介绍双线性插值前,我们先介绍一下拉格朗日插值多项式。 拉格朗日插值法:在数值分析中,拉格朗日插值法是以法国十八世纪数学家约瑟夫·拉格朗日命名的一种多项式插值方法。许多实际问题中都用函数来表示某种内在联系或规律,而不少函数都只能通过实验和观测来了解。如对实践中的某个物理量进行观测,在若干个不同的地方得到相应的观测值,拉格朗日插值法可以找到一个多项式,其恰好在各个观测的点取到观测到的值原创 2018-02-07 10:59:40 · 15591 阅读 · 0 评论 -
关于高斯滤波的一些理解
滤波算法简介 图像处理中,常用的滤波算法有均值滤波、中值滤波以及高斯滤波等。均值滤波使用模板内所有像素的平均值代替模板中心像素灰度值,这种方法易收到噪声的干扰,不能完全消除噪声,只能相对减弱噪声;中值滤波计算模板内所有像素中的中值,并用所计算出来的中值体改模板中心像素的灰度值,这种方法对噪声不是那么敏感,能够较好的消除椒盐噪声,但是容易导致图像的不连续性。高斯滤波对图像邻域内像素...转载 2018-03-08 10:50:11 · 4046 阅读 · 0 评论 -
差分近似图像导数算子之Sobel算子
背景引言图像处理中,一个最基本并且最重要的卷积就是导数的计算,一般用来表达微分最常用的操作是Sobel算子,可以包含任意阶的微分以及融合偏导。主要用作为边缘检测。在技术上,它是一离散性差分算子,用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子,将会产生对应的梯度矢量或是其法矢量。本节介绍Sobel算子知识,给出参考代码以及测试输出结果。基本理论Sobel算子的原始推导过程方面很少,根...转载 2018-03-13 10:58:21 · 5022 阅读 · 0 评论 -
边缘检测算法综述
背景引言本节主要介绍提取低层次特征信息的方要方法。在有些情形下,这些信息对理解图是足够的。但是,低层次特征提取函数的目的通常是为更高级分析提供信息。用于边界,角点和运动提取的方法,非常具有Robustness以及性能特久所必备的特性。基本概述低层次特征是不需要任何形状/空间关系的信息就可以从图像中自动提取的基本特征,如:常用地阈值方法就是作为点处理的一种低层次特征提方式。所有低层次方法都可以应用于...转载 2018-03-13 11:34:48 · 33854 阅读 · 2 评论 -
四种聚类方法
聚类分析是一种重要的人类行为,早在孩提时代,一个人就通过不断改进下意识中的聚类模式来学会如何区分猫狗、动物植物。目前在许多领域都得到了广泛的研究和成功的应用,如用于模式识别、数据分析、图像处理、市场研究、客户分割、Web文档分类等[1]。 聚类就是按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇,使得同一个簇内的数据对象的相似性尽可能大,同时不在同一个簇中的数据对象的差异性也尽可能地...转载 2018-03-19 20:47:24 · 12897 阅读 · 0 评论 -
K-Means聚类算法的原理及实现
问题导读:1、如何理解K-Means算法?2、如何寻找K值及初始质心?3、如何应用K-Means算法处理数据?K-Means是聚类算法中的一种,其中K表示类别数,Means表示均值。顾名思义K-Means是一种通过均值对数据点进行聚类的算法。K-Means算法通过预先设定的K值及每个类别的初始质心对相似的数据点进行划分。并通过划分后的均值迭代优化获得最优的聚类结果。K值及初始质心K值是聚类结果中类...转载 2018-03-19 21:41:53 · 222 阅读 · 0 评论 -
浅谈协方差矩阵
学过概率统计的孩子都知道,统计里最基本的概念就是样本的均值,方差,或者再加个标准差。首先我们给你一个含有n个样本的集合,依次给出这些概念的公式描述,这些高中学过数学的孩子都应该知道吧,一带而过。很显然,均值描述的是样本集合的中间点,它告诉我们的信息是很有限的,而标准差给我们描述的则是样本集合的各个样本点到均值的距离之平均。以这两个集合为例,[0,8,12,20]和[8,9,11,12],两个集合的...转载 2018-03-20 10:35:26 · 412 阅读 · 0 评论 -
算法的时间复杂度和空间复杂度-总结
算法的时间复杂度和空间复杂度-总结 通常,对于一个给定的算法,我们要做 两项分析。第一是从数学上证明算法的正确性,这一步主要用到形式化证明的方法及相关推理模式,如循环不变式、数学归纳法等。而在证明算法是正确的基础上,第二部就是分析算法的时间复杂度。算法的时间复杂度反映了程序执行时间随输入规模增长而增长的量级,在很大程度上能很好反映出算法的优劣与否。因此,作为程序员,掌握基本的转载 2016-08-19 11:57:18 · 2536 阅读 · 0 评论