lanling1996的博客

单应性矩阵的理解及求解 1. 齐次坐标（Homogeneous Coordinate） 一幅2D图像上的非齐次坐标为(x,y)，而齐次坐标为(x,y,1)，也可以写成(x/z,y/z,1)或(x,y,z)。齐次坐标有很多好处，比如可以很清楚的确定一个点在不在直线上： T(x)*I=0, T表示转置矩阵； 还可以描述无穷远点：(x,y,0)； 还可以把平移和旋转写到一个矩阵里（也有不愿意这么干的，摄影测量里...

                          图像处理之特征提取：HOG特征简单梳理              HOG方向梯度直方图，这里分解为方向梯度与直方图。 一、方向梯度 梯度：在向量微积分中，标量...

首发于(ML/DL/CV)相关细小知识点梳理写文章高斯拉普拉斯算子（Laplacian of Gaussian, LoG）saulzhang致知计划科学季 · 已瓜分 10 亿流量49 人赞同了该文章一、简要描述：拉普拉斯算子是图像二阶空间导数的二维各向同性测度。拉普拉斯算子可以突出图像中强度发生快速变化的区域，因此常用在边缘检测任务当中。在进行Laplacian操作之前通常需要先用高斯平滑滤波器对图像进行平滑处理，以降低Laplacian操作对于噪声的敏感性。该操作通常是输入一张灰度图，经过处理之后输出一

Laplacian（拉普拉斯）是对于一张图像的二阶空间导数上各向同性的测量。一张图像的Laplacian会显示出intensity（亮度） 剧烈变化的区域，所以经常用作边缘检测。 一幅图像的拉普拉斯变换可以用下面的式子表示: I(x,y)代表带有亮度信息的图像。 因为输入的图像都是用离散的像素表示的，例如256*256，所以我们需要找到离散的卷积核来近似laplacian变换。两个最常用的小卷核是 &...

1   一维高斯分布 1.1  一维高斯分布的定义 若连续型随机变量X的概率密度为：                                           &nbsp...

目录一 特征检测算法二 特征定义三 Harris检测角点特征 四 Harris检测原理1、灰度变化描述2、E(u,v)E(u,v)值，一般取0.04~0.06；borderType：像素插值方法；函数 cornerHarris 对输入图像进行 Harris 边界检测。输出是一幅浮点值图像，大小与输入图像大小相同，浮点值越高，表明越可能是特征角点(我们可以对图像进行阈值化)。# -*- coding: utf-8 -*-"""Created on Mon Aug 20 20:17:34

图像边缘信息主要集中在高频段，通常说图像锐化或检测边缘，实质就是高频滤波。我们知道微分运算是求信号的变化率，具有加强高频分量的作用。在空域运算中来说，对图像的锐化就是计算微分。由于数字图像的离散信号，微分运算就变成计算差分或梯度。图像处理中有多种边缘检测（梯度）算子，常用的包括普通一阶差分，Robert算子（交叉差分），Sobel算子等等，是基于寻找梯度强度。拉普拉斯算子（二阶差分）是基于过零点检测。通过计算梯度，设置阀值，得到边缘图像。Canny边缘检测算子是一种多级检测算法。1986...