计算机视觉
文章平均质量分 50
「已注销」
这个作者很懒,什么都没留下…
展开
-
图˙谱˙马尔可夫过程˙聚类结构----by林达华
这又是林达华的一篇好文,将四个概念在某个方面解释的很清楚,特别是特征值和特征向量的意义,让人豁然开朗。 原文已经找不到了,好像是因为林达华原来的live博客已经失效,能找到的只有网上转载的文章(本来还想把他的博客看个遍)。林本人的数学功底之强,有时候会让我们这些搞CV、ML的人趁还在学校,重头把一些数学学一遍。不过想想学校所开设的课程实在是屎(老师和学生们都是混),也就想想罢了。转载 2014-06-14 16:02:29 · 1153 阅读 · 0 评论 -
Bundle Adjustment - 基于feature的3D场景重建算法
给出从不同视角拍摄的,描述同一个场景的一系列图片,bundleadjustment可以根据所有点在图像中的投影作为标准,同时提炼出描述场景结构的3D点坐标、相对运动参数和相机的光学参数。通常在每个基于feature的3D场景重建算法中都要用到BundleAdjustment,它是基于3D结构和视角参数(即相机位置,朝向,固有标定和径向畸变)的优化问题,在假定所获得的图像特征中有转载 2012-11-09 10:53:34 · 932 阅读 · 0 评论 -
Hough变换——Opencv版本
void CCVMFCView::OnHoughLines(){ IplImage* src = 0,*color_dst; CvMemStorage* storage = cvCreateMemStorage(0); CvSeq* lines = 0; int i; if (workImg->nChannels==3) { src = cvCreateImage(cvGetSi转载 2012-11-09 10:51:18 · 526 阅读 · 0 评论 -
MATLAB曲线绘制
一。 二维数据曲线图1.1 绘制 单根二维曲线plot 函数的基本调用 格式为:plot(x,y) 其中x和y为长度相同的向量,分别用于存储x坐标 和y坐标数据。例1-1 在0≤x≤2p区间内,绘制曲线y=2e-0.5xcos(4πx)程序 如下:x=0:pi/100:2*pi;y=2*exp(-0.5*x).*cos(4*pi*x);plot(x,转载 2012-11-09 10:48:02 · 1532 阅读 · 0 评论 -
颜色特征提取方法
计算机视觉的特征提取算法研究至关重要。在一些算法中,一个高复杂度特征的提取可能能够解决问题(进行目标检测等目的),但这将以处理更多数据,需要更高的处理效果为代价。而颜色特征无需进行大量计算。只需将数字图像中的像素值进行相应转换,表现为数值即可。因此颜色特征以其低复杂度成为了一个较好的特征。在图像处理中,我们可以将一个具体的像素点所呈现的颜色分多种方法分析,并提取出其颜色特征分量。比如通过手转载 2012-11-09 10:43:48 · 750 阅读 · 0 评论 -
SIFT特征提取分析
SIFT(Scale-invariant feature transform)是一种检测局部特征的算法,该算法通过求一幅图中的特征点(interest points,or corner points)及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配,获得了良好效果,详细解析如下:算法描述SIFT特征不只具有尺度不变性,即使改变旋转转载 2012-11-09 10:31:05 · 441 阅读 · 0 评论 -
HOG特征-理解篇
网上去找关于HOG的资料,发现理解性的较少,而且较为冗长,为方便大家理解便自己写了篇,希望能对奋斗在特征提取第一线的同志们有所帮助:HOG即histogram of oriented gradient, 是用于目标检测的特征描述子,该技术将图像局部出现的方向梯度次数进行计数,该方法和边缘方向直方图、scale-invariant feature transform类似,不同的是ho转载 2012-11-09 10:25:07 · 404 阅读 · 0 评论 -
opencv 金字塔图像分割
opencv中有封装好的cvPyrSegmentation函数,参数解释如下:PyrSegmentation用金字塔实现图像分割 void cvPyrSegmentation( IplImage* src, IplImage* dst,CvMemStorage* storage, CvSeq** comp,int level, double threshold1, do转载 2012-11-08 16:12:15 · 704 阅读 · 0 评论 -
opencv中用Sobel算子进行边缘检测
workImg:当前工作图像(全局);img3:Sobel_edge结果;m_imagetype:图像类型(全局);[cpp] view plaincopyOnEdgedetSobel() { IplImage *img = cvCreateImage( cvGetSize(workImg), IPL转载 2012-11-08 15:55:22 · 905 阅读 · 0 评论 -
opencv实现图像邻域均值滤波、中值滤波、高斯滤波
[cpp] view plaincopyvoid CCVMFCView::OnBlurSmooth()//邻域均值滤波 { IplImage* in; in = workImg; IplImage* out = cvCreateImage(cvGetSize(in),IPL_DEPTH_8U,workImg->nCha转载 2012-11-08 15:52:34 · 1253 阅读 · 0 评论 -
特征提取方法 SIFT,PCA-SIFT,GLOH,SURF
在前面的blog中,我们已经讲了SIFT的原理,这里我们再详细讲解SIFT的变体:PCA-SIFT和GLOH。– Scale invariant feature transform (SIFT): Lowe, 2004.– PCA-SIFT: SIFT: Ke and Sukthankar 2004 Ke and Sukthankar, 2004.– Gradient转载 2012-11-10 10:18:32 · 818 阅读 · 0 评论 -
Matlab 线性拟合 & 非线性拟合
目录(?)[-]fittypeSyntax使用Matlab进行拟合是图像处理中线条变换的一个重点内容,本文将详解Matlab中的直线拟合和曲线拟合用法。关键函数:fittypeFit type for curve and surface fittingSyntaxffun = fittype(libna转载 2012-11-10 10:19:53 · 1426 阅读 · 0 评论 -
图像检索中为什么仍用BOW和LSH
去年年底的时候在一篇博客中,用ANN的框架解释了BOW模型[1],并与LSH[2]等哈希方法做了比较,当时得出了结论,BOW就是一种经过学习的Hash函数。去年再早些时候,又简单介绍过LLC[3]等稀疏的表示模型,当时的相关论文几乎一致地得出结论,这些稀疏表示的方法在图像识别方面的性能一致地好于BOW的效果。后来我就逐渐产生两个疑问:1)BOW在检索时好于LSH,那么为什么不在任何时候都用转载 2014-06-14 15:49:13 · 3331 阅读 · 0 评论 -
傅立叶变换和小波分析
无监督学习近年来很热,先后应用于computer vision, audio classification和 NLP等问题,通过机器进行无监督学习feature得到的结果,其accuracy大多明显优于其他方法进行training。本文将主要针对Andrew的unsupervised learning,结合他的视频:unsupervised feature learning by Andr转载 2012-11-10 10:24:04 · 1406 阅读 · 0 评论 -
Activity Recognition行为识别
暑假听了computer vision的一个Summer School,里面Jason J. Corso讲了他们运用Low-Mid-High层次结构进行Video Understanding 和 Activity Recognition的方法,受益颇深,在这里把他的方法总结一下:--------------------------------------转载 2012-11-10 10:28:13 · 1362 阅读 · 0 评论 -
多种特征提取算法比较汇总
转载 2012-11-10 10:18:55 · 988 阅读 · 0 评论 -
DoG (Difference of Gaussian)角点检测
DoG (Difference of Gaussian)是灰度图像增强和角点检测的方法,其做法较简单,证明较复杂,具体讲解如下:Difference of Gaussian(DOG)是高斯函数的差分。我们已经知道可以通过将图像与高斯函数进行卷积得到一幅图像的低通滤波结果,即去噪过程,这里的Gaussian和高斯低通滤波器的高斯一样,是一个函数,即为正态分布函数。那么di转载 2012-11-10 10:18:03 · 706 阅读 · 0 评论 -
OpenCV基本数据类型
Point_[cpp] view plaincopytypedef Point_int> Point2i; typedef Point2i Point; typedef Point_float> Point2f; typedef Point_double> Point2d; Point3_转载 2012-11-10 10:17:13 · 528 阅读 · 0 评论 -
图像拉普拉斯金字塔融合(Laplacian Pyramid Blending)
本文将介绍图像金字塔以及拉普拉斯融合的相关知识。图像金字塔================================================一般的的线性变换通过将一幅图像乘以transform函数分成不同的components。离散傅里叶变换、离散余弦变换、奇异值分解 和 小波变换 都以拉普拉斯金字塔和其他奖采样变换为简单基础。真实转载 2012-11-10 10:09:20 · 1050 阅读 · 0 评论 -
图像傅里叶变换
冈萨雷斯版里面的解释非常形象:一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。棱镜是可以将光分解为不同颜色的物理仪器,每个成分的颜色由波长(或频率)来决定。傅里叶变换可以看作是数学上的棱镜,将函数基于频率分解为不同的成分。当我们考虑光时,讨论它的光谱或频率谱。同样, 傅立叶变换使我们能通过频率成分来分析一个函数。Fourier theory讲的就是:任何信号(如图像信号)都可转载 2012-11-10 10:08:02 · 662 阅读 · 0 评论 -
双层视频跟踪模型-CVPR11_robust tracking模型
受今年暑假Summer School中讲cv中多类分类的Ales教授影响,看了一篇他们组2011年发表在CVPR上的一篇文章《An adaptive coupled-layer visual model for robust visual tracking》,感觉思路比较清晰,就精读了一下,在这里贴出一些感想与实施细则,方便大家进行研究(*^__^*) ……思路:用一个双层转载 2012-11-10 10:26:00 · 906 阅读 · 0 评论 -
Camera Calibration 相机标定
1° 什么是相机标定(What is Camera Calibration?)找到影响图像成像过程的内部相机参数:图像中心(不是width/2, height/2)焦距长度行像素和列像素的比例因子扭曲factor镜片扭曲2° 动机Camera Calibration 用于重构真实世界模型:Virtu转载 2012-11-09 10:52:00 · 750 阅读 · 0 评论 -
曲线拟合——最小二乘法
曲线拟合方法有很多,从鲁棒性角度来看分为recursive, non-recursive,高斯噪声模型和其他噪声模型等,其中从最基本的是最小二乘法(也称最小平方法, least square fitting)。实现原理为:基于横坐标变换矩阵X(如[pow(x,2),x,1])寻找一个参数矩阵A, 使得AX和Y最接近。实现方法伪代码如下:Define Ai as 第i次迭转载 2012-11-09 10:48:29 · 693 阅读 · 0 评论 -
Opencv实现Canny算子边缘检测
void CCVMFCView::OnCannyBorddetec(){IplImage* src = 0;IplImage* dst = 0;IplImage* color_dst = 0;CvMemStorage* storage = cvCreateMemStorage(0);CvSeq* lines = 0;int i;if (workImg->nC转载 2012-11-09 10:45:12 · 601 阅读 · 0 评论 -
opencv 中 傅里叶变换 FFT
[cpp] view plaincopyvoid fft2(IplImage *src, IplImage *dst) { //实部、虚部 IplImage *image_Re = 0, *image_Im = 0, *Fourier = 0; // int i, j; image_Re = cvCreateI转载 2012-11-08 15:54:30 · 2107 阅读 · 0 评论 -
距离变换
距离变换和线性滤波器,形态学变换处于平等位置,是图像处理的一种方法,通过使用两遍扫描光栅算法可以快速计算到曲线或点集的距离。应用:水平集快速斜切匹配图像拼接图像混合的羽化临近点配准方法:首先对图像进行二值化处理,然后给每个像素赋值为离它最近的背景像素点与其距离(Manhattan距离or欧氏距离),得到dist转载 2012-11-09 10:57:28 · 481 阅读 · 0 评论 -
opencv 彩色图像对比度增强
一般地,图像对比度都是在灰度图上进行增强,这在我的一篇文章中已经给出了实现方法(http://blog.csdn.net/abcjennifer/article/details/7401921),最通常的办法就是直方图均衡化,而彩色图像的对比度增强其实道理相同。这里给出我的实现方法:首先将RGB图像转到YCbCr分量,然后对Y分量上的图像进行直方图均衡化,最后进行图像合成。详见代码~(*^转载 2012-11-09 10:39:55 · 3575 阅读 · 0 评论 -
车道检测模块
车道检测问题一般由hough变换得到,但是这样得到的结果往往不尽人意,如图1所示:图1.直接进行hough变换检测直线那么我选取了一种基于概率模型和几何模型结合的方法进行检测。结果图分别如下图所示:步骤如下:首先进行图像增强or去噪:然后进行基于高斯概率模型的车道滤波:然后基于颜转载 2012-11-09 10:37:19 · 1090 阅读 · 0 评论 -
图像处理和图像识别中常用的OpenCV函数
2、cvNamedWindow:在屏幕上创建一个窗口;3、cvShowImage:在一个已创建好的窗口中显示图像;4、cvWaitKey:使程序暂停,等待用户触发一个按键操作;5、cvReleaseImage:释放图像文件所分配的内存;6、cvDestroyWindow:销毁显示图像文件的窗口;7、cvCreateFileCapture:通过参数设置确定要读转载 2012-11-08 15:48:13 · 485 阅读 · 0 评论 -
三维重建读书笔记
三维重建读书笔记: 分层三维重构: 在匹配和标定的基础上,我们可以利用分层重构的方法,通过辨认和计算图像中的平行直线和二次曲线的像,以得到在相差一个相似变换下的三维场景结构。 首先,通过三角形法计算特征点对应的空间点,主要可以得到场景的射影重构; 然后,通过场景中的平行直线将射影重构升级为仿射重构. 最后,通过用绝对二原创 2012-07-05 14:22:34 · 2393 阅读 · 0 评论 -
Multiple View Geometry in Computer Vision 读书笔记
homogeneous coordinates : 齐次坐标inhomogeneous coordinates : 非齐次坐标Degrees of freedom (dof). : 自由度原创 2012-05-16 16:23:32 · 2574 阅读 · 0 评论 -
计算机视觉领域的值得学习的博客
以下链接是本人整理的关于计算机视觉(ComputerVision, CV)相关领域的网站链接,其中有CV牛人的主页,CV研究小组的主页,CV领域的paper,代码,CV领域的最新动态,国内的应用情况等等。打算从事这个行业或者刚入门的朋友可以多关注这些网站,多了解一些CV的具体应用。搞研究的朋友也可以从中了解到很多牛人的研究动态、招生情况等。 总之,我认为,知识只有分享才能产生更大的价值,转载 2012-05-16 19:43:19 · 537 阅读 · 0 评论 -
opencv绘制灰度直方图
代码之一[cpp] view plaincopy#include #include #pragma comment( lib, "cv.lib" ) #pragma comment( lib, "cxcore.lib" ) #pragma comment( lib, "highgui.lib" ) int m转载 2012-11-08 15:57:10 · 471 阅读 · 0 评论 -
线性均值滤波和中值滤波的比较
线性均值滤波和中值滤波对信号处理的比较结果如下:转载 2012-11-09 10:44:25 · 751 阅读 · 0 评论 -
LBP纹理特征
LBP方法(Local binary patterns)是一个计算机视觉中用于图像特征分类的一个方法。LBP方法在1994年首先由T. Ojala, M.Pietikäinen, 和 D. Harwood 提出[43][44],用于纹理特征提取。后来LBP方法与HOG特征分类器联合使用,改善了一些数据集[45]上的检测效果。对LBP特征向量进行提取的步骤如下:首先将检测窗口划分为1转载 2012-11-09 10:40:46 · 608 阅读 · 0 评论 -
Opencv 图像增强算法 图像检测结果
本code通过直方图变换增强了图像对比度,实现了单通道图像增强。将图像灰度阈值拉伸到0-255,图像检测结果见底部Keywords: 图像增强 增强对比度 直方图变换[cpp] view plaincopyint ImageStretchByHistogram(IplImage *src1,IplImage *dst1) /**转载 2012-11-08 16:42:23 · 718 阅读 · 0 评论 -
openCv 图像顺时针、逆时针旋转
通过下面这个函数调用Rotate90(workImg,270);//顺时针旋转Rotate90(workImg,90);//逆时针旋转实现,其实用该函数旋转任意度数对正方形图都ok,只是长方形图旋转后会有拉伸部分,不好掌握新图的长宽。[cpp] view plaincopyvoid Rotate90(IplImag转载 2012-11-08 15:50:54 · 1384 阅读 · 0 评论 -
双边滤波器的原理及实现
双边滤波器是什么?双边滤波(Bilateral filter)是一种可以保边去噪的滤波器。之所以可以达到此去噪效果,是因为滤波器是由两个函数构成。一个函数是由几何空间距离决定滤波器系数。另一个由像素差值决定滤波器系数。可以与其相比较的两个filter:高斯低通滤波器(http://en.wikipedia.org/wiki/Gaussian_filter)和α-截尾均值滤波器(去掉百分率为转载 2012-11-09 10:56:23 · 702 阅读 · 0 评论 -
边缘特征提取方法
边缘检测是图形图像处理、计算机视觉和机器视觉中的一个基本工具,通常用于特征提取和特征检测,旨在检测一张数字图像中有明显变化的边缘或者不连续的区域,在一维空间中,类似的操作被称作步长检测(step detection)。边缘是一幅图像中不同屈原之间的边界线,通常一个边缘图像是一个二值图像。边缘检测的目的是捕捉亮度急剧变化的区域,而这些区域通常是我们关注的。在一幅图像中两度不连续的区域通常是以下几项之转载 2012-11-09 10:41:15 · 1250 阅读 · 0 评论 -
Hough变换-理解篇
霍夫变换(Hough Transform)是图像处理中的一种特征提取技术,它通过一种投票算法检测具有特定形状的物体。该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果。霍夫变换于1962年由Paul Hough 首次提出[53],后于1972年由Richard Duda和Peter Hart推广使用[54],经典霍夫变换用来检测图像中的直线,后来霍夫变换转载 2012-11-09 10:34:06 · 839 阅读 · 0 评论