- 博客(4)
- 收藏
- 关注
RSS订阅原创 python+opencv学习笔记之绘制特征点函数cv2.drawKeypoint()
**绘制特征点核心函数cv2.drawKeypoint()**一、函数构造cv2.drawKeypoint()二、参数详解cv2.drawKeypoint(image,keypoint,outimage,color,flags)image：输入图像；keypoint：获取的特征点；outimage：输出图像；color：颜色，默认为随机颜色；flsgs：绘制点的模式，有以下四种模式cv2.DRAW_MATCHES_FLAGS_DEFAULT：默认值，只绘制特征点 的坐标点
2021-04-23 17:39:00
4055
1
原创 python+opencv学习笔记之图像的旋转和翻转
对图像进行旋转及翻转变换一、图像的翻转a.函数构造：img3=cv2.flip(img,flipcode)b.参数详解：img：待处理图像；flipcode：控制翻转效果；flipcode =0：沿x轴进行翻转；flipcode <0：沿y轴进行翻转；flipcode >0：沿x、y轴同时进行翻转；c.效果展示：二、图像的旋转a.函数构造：(h,w)=img2.shape[:2]center=(w//2,h//2)M=cv2.getRotationMatrix2
2021-04-23 17:23:47
765
1
原创 python+opencv学习笔记之函数cv2.ORB_create()
**ORB算法核心函数cv2.ORB_create()**一、函数构造orb = cv2.ORB_create(1000)二、参数详解nfeatures:默认500，确定要查找的最大关键点数（如果用到对比算法的运行速度，可以更改这里，固定选取特征点，控制变量的方法来对比匹配速度）ScaleFactor:默认1.2，金字塔的抽取率，必须大于1。ORB使用图像金字塔来查找要素，因此必须提供金字塔中的每个图层与金字塔所具有的级别数之间的比例因子。scalefactor=2表示经典金字塔，其中每个下
2021-04-18 18:01:18
6564
3
原创 基于python+opencv的SIFT算法分析
基于python+opencv的SIFT算法分析当对图像进行平移、旋转、缩放等操作后，其特性保持不变,此算法即SIFT算法。图像在平移、旋转比例和光照条件发生变化时的匹配,对视角变换和仿射变换，SIFT算法具有较稳定的特征匹配性能。SIFT 算法实现具体过程如下:（1）特征点检测a.建立尺度空间尺度空间理论于1983年被提出,后被推广到二维图像。二维图像尺度空间,可由图像与高斯核进行卷积得到：公式 （4- 1）式中：I(x,y)代表二维图像，G(x,y,σ)是高斯核，L(x,y,σ)表示尺度空间
2021-04-18 12:08:40
1467
6
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人