计算机视觉--David
文章平均质量分 67
IronStark
欢迎加入锈铁工作室!!!
展开
-
机器视觉基础(1)---投影
投影的类型投影变换是空间中2维-2维变换的一种,具体点说,就是把一个场景投影到摄像机的像平面上。这种变换和多变量微分方程中提到的微分变量代换有类似之处。透视投影透视投影是所有投影的基础,也是投影基础中最为简单的一种模型,可以归纳为针孔模型。 透视投影从原理上来说,和小孔成像是一样的。如图 透视投影有两条基本性质,这里不加证明的用图片给出。 图片a所描述的性质是近者达而远者小,同一距离上投影保原创 2015-05-13 11:11:20 · 845 阅读 · 0 评论 -
计算机视觉---2.2---频率与傅里叶变换
傅里叶变换的意义傅里叶变换的意义在于提取一张图片的频率成分,理论推导见笔记本。映射关系其映射关系可以大致总结成f(x,y)−−−>F(u,v)f(x,y)--->F(u,v)其中图片可以看作是一个矩阵,矩阵里的元素是灰度值。而矩阵又可以看作是函数的离散形式。(就像向量可以看作一元函数离散一样,见笔记本)。那么f(x,y)就可以认为是矩阵的函数形式。f(x,y)就相当于一张图片,x,y是像素坐标,f(原创 2015-05-22 14:22:18 · 1179 阅读 · 0 评论 -
机器视觉基础(3)---光与影
严格来说,光照和影调属于机器视觉的内容,照明在机器视觉检测功能中有着重要的地位。通过设计特殊的照明条件,可以突出待检测的特征,提高图片处理特征提取部分的可靠性,降低工作难度。光机器视觉赋予了空间中光更多的内涵和更科学的研究方法。光的度量通过强度,方向来描述。辐射从某个表面发出一束光到达另一个表面,这种关系可以通过光的辐射方程来建立。对于从表面到表面的光,可以由以下图来描述。 首先,这束光所发出原创 2015-05-20 15:28:24 · 669 阅读 · 0 评论 -
计算机视觉---2.3---尺度空间算法
尺度空间算法是计算机视觉的重要思想,无论是二维计算机视觉还是三维计算机视觉,尺度空间算法在图像配准,特征提取,运动估计方面都有很好的应用,这归功于算法的鲁棒性和对不同尺度图像的都具有很好的响应。尺度空间的思想尺度空间对图像的描述模拟了人眼由远及近的一个过程。 对于远处的图像,能够提取的特征是轮廓,形状,整体。 对于近处的图像,能够提取的特征是细节,小对比。 举个例子,从远处看,松树和枫树是不一原创 2015-05-25 10:54:56 · 1187 阅读 · 0 评论 -
计算机视觉---4.1---多视角匹配
人有两只眼睛 人有两只眼睛的原因是需要对距离进行估计,通过在两只眼球的视网膜上成像并融合,人的大脑可以提取场景的三维信息。 通过双目视觉,可以对场景进行重建,同时由于三维比二维包含的信息多,可以更好的完成识别和图像分割任务。从图像点恢复点的三维坐标已知两幅图像上的一个点对,那么可以恢复三维坐标。即从光心出发,通过每个图像点的射线,所相交的交点,就是三维空间中的点。difficult: 1.两条原创 2015-06-02 11:25:17 · 1123 阅读 · 0 评论 -
计算机视觉---2.1---卷积与模板操作
理论推导见笔记本4—2015 5 21 由matlab生成一个高斯核 f = fspecial('gaussian',[11 11],10); 可以生成的模板的种类。其中[11,11]表示高斯核的尺寸,10是标准差,单位是“像素”。 单位是像素这个非常重要,“像素”的意义在于这个核跨越多少个像素后,它的作用衰竭90%。 这是跨越十个像素衰减90% 这是跨越一个像素衰减90%imfilt原创 2015-05-21 14:52:55 · 798 阅读 · 0 评论 -
计算机视觉---4---多视角几何学
单个相机只能获得一幅图像。实际意义是三维空间在二维空间上的一个投影。准确的说是变形的投影,因为相机投影关系和三维空间在二维基上最小二乘映射并不完全相同。那我是不是能设计一种可以映射的相机模型?多视角几何的极线约束 一个点总是在一个平面上,这个平面必然会过两个相机的光心,这就对点在两个相机中的关系又了一个约束。 1P=12T2P^1P={_2^1T}{^2P} 式中1,2分别表示相原创 2015-05-28 11:06:34 · 2608 阅读 · 0 评论 -
计算机视觉---3.1---纹理与滤波器
纹理是图像重要性质,也是人们对图像内容理解的有效辅助内容。通过纹理,人类视觉可以恢复物体形状:如在二维纸面上画三维图。或者把纹理作为识别物体的特征:斑马。拉普拉斯金字塔拉普拉斯金字塔是一种都特定方向纹理有特定响应的尺度空间图形,其生成方式和高斯金字塔类似Created with Raphaël 2.1.2一幅图片高斯平滑重采样(如2像素抽1)是否达到要求的最小尺度倍频采样:由一个像素生成周围四个带通原创 2015-05-28 09:49:26 · 904 阅读 · 0 评论 -
计算机视觉---3---边缘检测
边缘检测时计算机视觉中的重要任务,边缘是像素与背景或周边区域不同的链,表达了图像中很多重要信息。噪声对边缘的影响图像中有噪声是在所难免的,也是非常正常的。而噪声没有一个准确的描述模型,所以很难利用噪声。一般来说,高斯模型是一个很好的噪声模型,也就是噪声各个幅值出现的概率服从高斯分布。将高斯噪声与图像叠加所形成的图像称为静态高斯噪声图像。有限差分对噪声的响应有限差分相当于是一个高通滤波器,会对高频信原创 2015-05-26 15:59:27 · 630 阅读 · 0 评论 -
利用qt打开一张图片并转成灰度矩阵
首先是mat类,这个类的主要作用是构造一个容器,并将对应像素的灰度值放在容器内#ifndef MAT_H#define MAT_H#include <vector>#include <qimage.h>#include <qstring.h>class mat{public: mat(){} mat(QImage &img):width(img.width()),原创 2015-05-06 19:21:27 · 2181 阅读 · 0 评论 -
机器视觉基础(2)---坐标与矩阵变换
坐标与矩阵变换时矩阵论的基础,也是机器人,机器视觉技术的基础。这本加州理工的教材沿用了机器人技术中的表达方式。这里记录一下 ps:MIT Ocw课程《线性代数》真的非常非常有用,原本一知半解的问题现在都明白了。空间中的一个向量空间中的一个向量就是空间中的一个向量。 就像来自遥远宇宙的一束光,不知道它从哪里来,也不知道它到哪里去,从我们头上掠过,波澜不惊。好了,这句看起来很装逼的话其实可以用向原创 2015-05-14 16:15:46 · 2916 阅读 · 0 评论