既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上物联网嵌入式知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、电子书籍、讲解视频,并且后续会持续更新
需要这些体系化资料的朋友,可以加我V获取:vip1024c (备注嵌入式)
2、SIFT算法步骤
1. 尺度空间极值检测:搜索尺度空间(详见3.1)。通过高斯微分函数来识别潜在的对于尺度不变的关键点。
2. 关键点定位:在每个候选的位置上,通过一个拟合精细的模型来确定位置和尺度。
3. 方向确定:基于图像局部的梯度方向,分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换,从而提供对于这些变换的不变性。
4. 关键点描述:在每个关键点周围的邻域内,在选定的尺度上测量图像局部的梯度。这些梯度被变换成一种表示,这种表示允许比较大的局部形状的变形和光照变化。
2.2、步骤
第一步是构建高斯尺度金字塔。
在同一组中所应用的高斯滤波尺度(也就是sigma)越来越大,**相应的滤波模板也应该越来越大哦(否则体现不了尺度不变性)!**之后再计算差分高斯(DoG)金字塔用于近似拉普拉斯高斯(LoG)金字塔,并在其中寻找极值点作为关键点。不管原图尺度是多少,在包含了所有尺度的尺度空间下都能找到那些稳定的极值点,这样就做到了尺度不变!
第二步是生成描述子。
在这一步中实现了尺度,旋转,光照不变性。根据所检测到的关键点,利用其邻域(邻域半径与该关键点的尺度成正比,这样才能实现尺度不变性)各个像素的梯度信息(包括梯度方向和强度),统计出梯度直方图,即可找到主方向(也就是梯度直方图中最大值所对应的方向)。将方形邻域框旋转主方向的角度(我的理解是这一步将主方向“清零”,是实现旋转不变形的关键。注意邻域半径与该关键点的尺度成正比),在该邻域内利用梯度信息生成其中各个小块的梯度直方图,连接起来即为描述子(即实现了旋转不变性)。最后将描述子做归一化实现光照不变性。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上物联网嵌入式知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、电子书籍、讲解视频,并且后续会持续更新
需要这些体系化资料的朋友,可以加我V获取:vip1024c (备注嵌入式)
料,可以戳这里获取](https://bbs.csdn.net/topics/618679757)**