![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机视觉
文章平均质量分 90
泷叶er
这个作者很懒,什么都没留下…
展开
-
sift、surf、orb 特征提取及最优特征点匹配
sift、surf、orb 特征提取及最优特征点匹配sift特征简介SIFT(Scale-Invariant Feature Transform)特征,即尺度不变特征变换,是一种计算机视觉的特征提取算法,用来侦测与描述图像中的局部性特征。实质上,它是在不同的尺度空间上查找关键点(特征点),并计算出关键点的方向。SIFT所查找到的关键点是一些十分突出、不会因光照、仿射变换和噪音等因素而变化的点,如角点、边缘点、暗区的亮点及亮区的暗点等。sift特征提取步骤尺度空间的极值检测: 尺度空间指一个变化尺转载 2021-11-12 11:33:42 · 1369 阅读 · 0 评论 -
cv::matchTemplate()图像匹配
实验题目图像匹配实验内容了解cv::matchTemplate函数的用法,并选择合适的测试图像进行测试,要求:理解TM_SQDIFF等相似性度量方法的含义和适用情况。针对模板与图像目标存在颜色(亮度)差异、几何形变等情况进行测试分析,可以重点对比TM_SQDIFF和TM_CCOEFF_NORMED进行对比。实验步骤步骤一 了解实验原理cv::matchTemplate()的具体调用方法如下: void cv::matchTemplate( cv::InputArray原创 2021-11-20 14:39:37 · 2308 阅读 · 0 评论 -
基于学习的局部特征
实验E11:基于学习的局部特征设计实验,对比SIFT和R2D2特征匹配的效果,并重点对比分析特征的旋转不变性、尺度不变性。R2D2代码和预训练模型可以从github下载(https://github.com/naver/r2d2,不需要自己重新训练)实验数据可以自己构建,也可以用公开数据集了解r2d2r2d2全称为可靠且可重复的检测器和描述符 (Reliable and Repeatable Detector and Descriptor),我了解的大概意思就是说在抽取一个图像原创 2021-12-09 17:09:02 · 2384 阅读 · 0 评论