- 博客(6)
- 收藏
- 关注
RSS订阅原创 python计算机视觉第六次实验
图像搜索在大型图像数据库上，CBIR技术用于检索在视觉上具有相似性的图像。这样返回的图像可以是颜色相似、纹理相似、图像中的物体或场景相似；总之，基本上可以是这些图像自身共有的任何信息。对于高层查询，比如寻找相似的物体，将查询图像与数据库中所有的图像进行完全比较（比如用特征匹配）往往是不可行的。在数据库很大的情况下，这样的查询方式会耗费过多时间。在过去几年的几年里，研究者成功地引入文本挖掘技术到CBIR中处理问题，使在数百万图像中搜索具有相似内容的图像成为可能。在实验中我使用了如下的数据集作为图像匹配的
2021-06-05 22:59:02
208
2
原创 python计算机视觉第五次实验
相机标定（Camera calibration）摄像机标定简单来说是从世界坐标系转换为相机坐标系，再由相机坐标系转换为图像坐标系的过程，也就是求最终的投影矩阵P的过程。世界坐标系：用户定义的三维世界的坐标系，为了描述目标物在真实世界里的位置而被引入。单位为m。相机坐标系：在相机上建立的坐标系，为了从相机的角度描述物体位置而定义，作为沟通世界坐标系和图像/像素坐标系的中间一环。单位为m。图像坐标系：为了描述成像过程中物体从相机坐标系到图像坐标系的投影透射关系而引入，方便进一步得到像素坐标系下的坐标。
2021-05-23 11:27:49
860
2
原创 python计算机视觉第三次作业
1.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。对于图像平面内的点，齐次坐标是个非常有用的表示方式。2.仿射变换由于仿射变换具有6个自由度，因此我们需要三个对应点对来估计矩阵H。通过将最后两个元素设置为0，即h7=h8=0，仿射变换可以用上面的DLT算法估计得出。def normalize(points):"""在齐次坐
2021-04-06 20:08:32
277
原创 Python计算机视觉第二次作业
Python计算机视觉第二次作业1.Harris检测角点Harris角点检测算法是一个极为简单的角点检测算法。该算法的核心思想是，如果像素周围显示存在多于一个方向的边，我们认为该点为兴趣点，该点就为角点。def compute_harris_response(im, sigma=3):“”“在一幅灰度图像中，对每个像素计算Harris角点检测器响应函数”""# 计算导数
2021-03-28 13:42:24
296
1
原创 Python计算机视觉第一次作业
1、图片的灰度图和直方图显示原理：图像的轮廓和直方图。绘制图像的轮廓（或者其他二维函数的等轮廓线）在工作中非常有用。因为绘制轮廓需要对每个坐标【x，y】的像素施加同一个阈值，所以首先需要将图像灰度化：from PIL import Imagefrom pylab import *from numpy import *import matplotlibimport matplotlib.pyplot as plt# 读取图像到数组中im = array(Image.open(‘D:/p1.jp
2021-03-20 11:30:45
1154
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