H19981118的博客

cvtColor 未定义标识符#include<opencv2/opencv.hpp>CV_BGR2GRAY未定义的标识符#include <opencv2\imgproc\types_c.h>SiftFeatureDetector detector 未定义的标识符using namespace cv::xfeatures2dCV_WINDOW_AUTOSIZE 未定义标识符#include <opencv2/highgui/highgui_c.h>

汉明距离

四目

sift中，一般采用5*5高斯模板，本文采用5*5进行高斯滤波

相机标定、畸变校正、投影变换（单应性矩阵）、特征提取与匹配、图像拼接融合以及客观评价指标等

学习特征提取匹配以及图像融合

NCC算法——相似性度量指标

MSE均方误差 RMSE均方根误差 QNSE均值误差 SNR信噪比 PSNR峰值信噪比 SSIM结构相似度 互信息、平均梯度、信息比

FPGA能容易地实现加减运算，但是计算三角函数或者指数、对数等很复杂。引入CORDIC（坐标旋转数字计算方法）算法用基本的加减或者移位运算来代替乘法运算，逐渐与目标值逼近，从而最终得到函数的值

通过图像旋转矩阵来进行分析，使得能用matlab实现任意角度的图像旋转，验证成功后，映射到FPGA上。学习CORDIC算法

文章目录前言什么是相机标定为什么要进行相机标定标定参数切向畸变和径向畸变枕形畸变和桶形畸变如何进行相机标定前言在图像拼接技术中，有如下几个关键的步骤：相机标定，预处理操作（畸变矫正、滤波），图像投影变换、图像配准（特征点提取及匹配）图像拼接（几何变换）、图像融合、亮度与颜色的均衡处理等。什么是相机标定相机标定简单来说是根据相机的几何模型求最终的投影矩阵的过程（从世界坐标系换到像素坐标系），也就是求解内外参以及畸变参数的过程。为什么要进行相机标定在图像拼接中，良好的相机标定是拼接的基础，标定结果

介绍什么是流水线结构并学习用原理图分析的思想

几何变换，前向和逆向映射，插值，代码的学习

基于特征的图像匹配中会存在误匹配对，因此为提高匹配率，在粗匹配的基础上实现精匹配