![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像处理专题
闲来读书
Web前端设计、数据库设计、网站设计(HTML、JAVA、JS、Flex 、JSP、Node.js SQL and so on!)、WebGL、3D UI Show;
MCU、ARM、FPGA 、LabView;
数字图像处理算法,双目视觉算法;
展开
-
图像匹配算法
1.标准:实时性、精确度 2.分类: a.基于灰度的图像匹配算法:像素平均灰度、图像灰度直方图、平方差、协方差、平均绝对值等统计量,精确度比较高,但是实时性比较差,在嵌入式实时设备中很少使用此算法; b.基于特征点的图像匹配算法:角点、轮廓、区域等点、线、面特征;实时性比较好,适合目前现在嵌入式视觉的发展趋势; 3.嵌入式视觉产品开发架构原创 2013-06-27 14:10:31 · 858 阅读 · 0 评论 -
嵌入式视觉
正如10年前无线通信技术一样,接下来的10年必将是嵌入式视觉的天下,它的发展会给整个人类带来更美好的生活环境; 很明显,嵌入式视觉技术能够为多种应用带来巨大的价值。两个例子是,Mobileye基于视觉的辅助驾驶系统,用于帮助防止车辆事故的发生;以及MG国际公司的泳池安全系统,旨在防止游泳溺水。还有一些纯粹的怪才发明,IntellectualVentures的激光灭蚊枪,设计用于防止人们感染疟疾等原创 2013-06-27 13:49:11 · 708 阅读 · 0 评论 -
sift优缺点
选择基于描述符的方法进行分析,是因为该方法不但对于旋转、尺度缩放、亮度变化保持不变性,而且对视角变化、仿射变换、噪声也保持一定程度的稳定性。且该方法对特征点的个数和有效点的比例没有要求。当特征点不是很多时,经优化的SIFT匹配算法甚至可以达到实时的要求。而且可以很方便的与其他形式的特征向量进行联合。 SIFT算法也有一些不足。方法通过对特征点构造128维的向量,然后对向量进行匹配,原创 2013-07-15 13:06:39 · 11531 阅读 · 0 评论 -
canvas transform
想写写关于矩阵变换的博文已经想了很久了,今天看到 winter 写的一篇博客CSS3:transform与transition背后的数学原理,于是就促成了本文。注意,下面的演示内容需要现代浏览器支持。比如Chrome/Firefox/Opera。阅读器中无法看到演示。 矩阵是线性代数中的内容,在计算机图形学中就拿来做矩阵变换。在以前,对于前端工作来说,几乎用不到矩阵变换。然而,随着浏览器的进转载 2014-04-02 08:45:46 · 590 阅读 · 0 评论