- 博客(5)
- 收藏
- 关注
RSS订阅原创 计算机视觉——相机标定
目录相机参数标定一、原理1.透视投影模型主点偏移2.外参矩阵二、相机标定图片代码：三、实验结果矫正前后对比：相机参数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。在大多数条件下这些参数必须通过实验与计算才能得到，这个求解参数的过程就称之为相机标定（或摄像机标定）。无论是在图像测量或者机器视觉应用中，相机参数的标定都是非常关键的环节，其标定结果的精度及算法的稳定性直接影响相机工作产.
2021-05-23 19:34:50
701
原创 图像拼接
图像拼接一、图像拼接基本介绍图像拼接技术就是将数张有重叠部分的图像（可能是不同时间、不同视角或者不同传感器获得的）拼成一幅无缝的全景图或高分辨率图像的技术。图像拼接在医学成像、计算机视觉、卫星数据、军事目标自动识别等领域具有重要意义。图像拼接的输出是两个输入图像的并集。图像配准（image alignment）和图像融合是图像拼接的两个关键技术。图像配准是图像融合的基础,而且图像配准算法的计算量一般非常大,因此图像拼接技术的发展很大程度上取决于图像配准技术的创新。早期的图像配准技术主要采用点匹配法,这
2021-04-25 21:07:12
348
原创 图像到图像的映射
图像到图像的映射单应性变换单应性变换是将一个平面内的点映射到另一个平面内的二维投影变换。在这里，平面是指图像或者三维中的平面表面。单应性变换具有很强的实用性，比如图像配准、图像纠正和纹理扭曲，以及创建全景图像。我们将频繁地使用单应性变换。本质上单应性变换 H，按照下面的方程映射二维中的点（齐次坐标意义下）：直接线性变换算法单应性矩阵可以由两幅图像（或者平面）中对应点对计算出来。前面已经提到过，一个完全射影变换具有 8 个自由度。根据对应点约束，每个对应点对可以写出两个方程，分别对应于 x 和 y
2021-04-11 16:01:15
148
原创 SIFT地理特征匹配
SIFT地理特征匹配一、SIFT原理1.SIFT算法介绍SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。对于光线、噪声、微视角改变的容忍度也相当高。基于这些特性，它们是高度显著而且相对容易撷取，在母数庞大的特征数据库中，很容易辨识物体而且鲜有误认。使用SIFT特征描述对于部分物体遮蔽的侦测率也相当高，甚至只需要3个以上的SIFT物体特征就足以计算出位置与方位。在现今的电脑硬件速度下和小型的特征数据库条件下，辨识速度可接近即时运算。SIFT特征的信息量大，适合在海量数据库中快速准
2021-03-31 18:56:42
237
原创 python实现直方图、均衡化、高斯滤波
python实现直方图、均衡化、高斯滤波直方图原理直方图是数值数据分布的精确图形表示。 图像直方图由于其计算代价较小，且具有图像平移、旋转、缩放不变性等众多优点，广泛地应用于图像处理的各个领域，特别是灰度图像的阈值分割、基于颜色的图像检索以及图像分类。代码实现# -*- coding: utf-8 -*# -*- coding: utf-8 -*-from PIL import Imagefrom numpy import arrayfrom pylab import *# 添加中文字
2021-03-22 16:26:06
265
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人