flow_specter的博客

1. vector_idx2row_col_idx ： 可以将1D的下标转换为2D的行列下标。vector_idx： 黑框中的数字即为vector_idx, 即为2D矩阵一行一行取出来，归置为1D向量的下标。cols ： 以上图为例，cols为5，为2D向量的宽度。 // 将横向的vector序标，转换为2D的行列号 pair<int, int> vector_idx2row_col_idx(int vector_idx, int cols) { int row_idx =

/*双边滤波器思想： 1. 在高斯滤波器基础上增加了图像像素之间的相似度的考虑，进而达到保边的效果。双边滤波器的实现： 1. 求权重系数 2. 确定mask大小 3. 移动处理整张影像*/#include "opencv2/opencv.hpp"#include"opencv2/highgui/highgui.hpp"#include <math.h>using namespace cv;using namespace std;const int kernel_

简介刚开始学习全局匹配的时候，常常看到论文中写到求解这个能量函数是一个NP问题，因此需要用什么什么样的思想进行求解等等，现在用自己的话谈谈这个所谓的NP问题。我通俗理解的NP就是指时间复杂度类似于O({a ^ n}) 和O(n!)，而不是 O(1),O(log(n)),O(n^a)，当复杂度是非多项式级，计算机没办法处理一定规模的数据，只有规模非常非常小的时候才能计算。比如暴力计算全局的能量函数，然后求解最小值时其实就不可取，相当于是一种穷举的策略。再比如一个33的小patch，每个像素点的视差点的候

#include <cmath> // std::exp(double)http://www.cplusplus.com/reference/valarray/exp/

双边滤波速度很慢 —> 加速，双边网格。首先明确一点，双边网格本质上是一个数据结构。以单通道灰度值为例，双边网格结合了图像二维的空间域信息以及一维的灰度信息，可认为其是一个3D的数组。举一个简单的例子，假设现在你手上有一只用于滤波/平滑的笔刷，当你用这只笔刷在图像EEE上的某一个位置(x,y)(x,y)(x,y)处点击了一下，对应的，3D双边网格的(x,y,E(x,y))(x,y,E(x,y))(x,y,E(x,y))位置将出现一个点，这个点即对应你在2D影像EEE上点击的那个点。随着这只笔刷

文章目录概述匹配测度parametric costs1. absolute difference(AD) && SAD2. BT测度3. 滤波型的测度(mean, log,bilateral)4. ZSAD5. 大名鼎鼎的NCC5.1 常见变种1---MNCC5.2 常见变种2---ZNCCNon-Parametric Matching Costs1. Rank filter1.1 改进 --- Soft Rank filter2. 大名鼎鼎的census filter3. ordinal