Image-processing
Faith_yu
这个作者很懒,什么都没留下…
展开
-
SIFT算法
尺度不变特征变换匹配算法详解Scale Invariant Feature Transform(SIFT)Just For Funzdd zddmail@gmail.com or (zddhub@gmail.com)对于初学者,从David G.Lowe的论文到实现,有许多鸿沟,本文帮你跨越。如果你学习SIFI得目的是为了做检索,也许 OpenSSE 更适合你,欢迎使用。如果想一起奋斗,欢转载 2016-12-10 12:45:49 · 525 阅读 · 0 评论 -
SIFT算法和SURF算法区别
共同点: SIFT/SURF为了实现不同图像中相同场景的匹配,主要包括三个步骤: 1、尺度空间的建立; 2、特征点的提取; 3、利用特征点周围邻域的信息生成特征描述子 4、特征点匹配。 从博客上看到一片文章,http://blog.csdn.net/cy513/archive/2009/08/05/4414352.aspx,这一段的大部分内容源于这篇文章,推荐大家去看看。 如果两幅图像转载 2016-12-13 22:40:13 · 13462 阅读 · 2 评论 -
最大类间差法(otsu)
/****************************************以下部分内容为转载**********************************************//*****转自:http://hi.baidu.com/yibobin/blog/item/252573b76fba72f831add1a9.html******/最大类间方差法是由日本学者大津于1979转载 2017-01-04 12:31:23 · 2398 阅读 · 0 评论 -
反射投影
反向投影 什么是反向投影直方图呢?简单的说在灰度图像的每个点(x,y),用它对应的直方图的bin的值(就是有多少像素落在bin内)来代替它。所以·如果这个bin的值比较大,那么反向投影显示的结果会比较亮,否则就比较暗。从统计学的角度,反输出图像象素点的值是观测数组在某个分布(直方图)下的的概率。所以加入我们已经得到了一个物体的直方图,我们可以计算它在另原创 2017-01-04 22:24:06 · 1307 阅读 · 0 评论 -
NCC
NCC是一种基于统计学计算两组样本数据相关性的算法,其取值范围为[-1, 1]之间,而对图像来说,每个像素点都可以看出是RGB数值,这样整幅图像就可以看成是一个样本数据的集合,如果它有一个子集与另外一个样本数据相互匹配则它的ncc值为1,表示相关性很高,如果是-1则表示完全不相关,基于这个原理,实现图像基于模板匹配识别算法,其中第一步就是要归一化数据,数学公式如下:原创 2017-01-04 22:42:41 · 1156 阅读 · 0 评论 -
FPGA 图像处理的开源库
F-I-L是一个FPGA平台的开源的图像处理库,已经拥有了许多常用操作,并在不断更新中。这些操作被以IP核的形式进行了封装,遵循同一种规范化的接口,同时具有流水线和请求响应两种使用模式。大部分IP都拥有自己的软件仿真、功能仿真和板上测试,并且具有相同的文件结构和接口,能够让使用者很方便得进行测试和仿真。目前IP形式只支持Xilinx的Vivado套件,不排除未来会向Quartus搬移的原创 2017-01-17 11:52:25 · 4665 阅读 · 0 评论 -
HOG特征,LBP特征,Haar特征
原文 http://dataunion.org/20584.html (一)HOG特征 1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合 SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得转载 2017-05-07 23:04:09 · 1946 阅读 · 0 评论