机器视觉
文章平均质量分 72
不系之舟913
这个作者很懒,什么都没留下…
展开
-
直方图规定化
直方图均衡化的优点是能自动增强整个图像的对比度,但它的具体增强效果不易控制,处理的结果总是得到全局的均衡化的直方图.实际工作中,有时需要变换直方图使之成为某个特定的形状,从而有选择地增强某个灰度值范围内的对比度,这时可采用比较灵活的直方图规定化方法 理论说明:令Pr(r)和Pz(z)分别为原始图像和期望图像的灰度概率密度函数。如果对原始图像和期望图像均作直方图均衡化处理,应有原创 2013-08-06 18:07:02 · 1428 阅读 · 0 评论 -
全球30篇最热门的计算机视觉和深度学习论文
这是一份被国外专家引用最多的计算机视觉和深度学习论文清单。 本文整理来自http://www.afenxi.com/post/19793 在2012年,我整理了一份有关计算机视觉的热门论文清单。我把论文的研究重点放在视觉科学上,避免其与图形处理、调研和纯静态处理等方向产生重叠。但在2012年后随着深度学习技术的兴起,计算机视觉科学发生了巨大的变化–从深度学习中产生了大量的视觉科学基线。虽然不知道转载 2016-08-17 08:56:56 · 1536 阅读 · 0 评论 -
计算机视觉、机器学习相关领域论文和源代码大集合
原文转自:http://blog.csdn.net/zouxy09/article/details/8550952原作者是zouxy09,不过作者的代码部分也应该基于UIUC某同学的总结。这次转载是在寻找unsupervised image segmentation的方法及源代码的时候搜寻到了这里,找到了Efficient Graph-based Image Segmentation 的m转载 2013-10-30 13:15:03 · 1511 阅读 · 0 评论 -
相机标定(2)---摄像机标定原理
摄像机标定------标定原理一:摄像机成像原理 摄像机成像模型一般有三种:透镜投影模型(小孔摄像机模型)、正交投影模型和透视投影模型光学中最基本的高斯成像公式:1/u + 1/v = 1/f (式一)原理图如下:二:认识三个坐标系原创 2013-08-17 18:33:30 · 23039 阅读 · 3 评论 -
相机标定(3)---基于halcon的面阵相机标定
halcon标定可以参考halcon提供的例子程序3d_coordinates.hdev1、摄像机外参:决定摄像机坐标与世界坐标系之间相对位置关系。其中Pw为世界坐标,Pc是摄像机坐标,他们之间关系为 Pc = RPw + T 式中,T= (Tx,Ty,Tz),是平移向量,R = R(α,β,γ)是旋转矩阵,分别是原创 2013-08-18 21:25:20 · 11919 阅读 · 0 评论 -
相机标定(1)---初识相机标定 标定的含义,意义
1:相机标定含义(解决什么是相机标定) 在图像测量过程以及机器视觉应用中,为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,必须建立相机成像的几何模型,这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到,这个求解参数的过程就称之为相机标定(或摄像机标定)。2:相机标定意义(解决为什么要进行相机标定)原创 2013-08-16 23:33:24 · 10210 阅读 · 0 评论 -
opencv学习(7)----opencv学习总结
一:opencv与halcon简单的比较 最近又把opencv2.4版本进行大概的学习了一遍,了解opencv2.4提供的功能后,基本满足机器视觉的应用开发,但是个人感觉开发难度来说相对于halcon来说还是大了点。但是opencv提供了很多的帮助,国内研究相关的文章很多,所以方便学习。使用halcon进行机器视觉产品开发,资料少,但是适合快速开发。所以原创 2013-08-26 20:45:52 · 1634 阅读 · 0 评论 -
机器视觉相关术语
镜头:镜头是集聚光线,使胶卷能获得清晰影像的结构。早期的镜头都是由单片凸透镜所构成。因为清晰度不佳,又会产生色像差,而渐被改良成复式透镜,即以多片凹凸透镜的组合,来纠正各种像差或色差,并且借着镜头的加膜(coating)处理,增加进光量,减少耀光,使影像的素质大大的提高。 一般而言,摄影用的透镜均为聚焦透镜,依照光学原理、由远处而来的光线穿过具有聚焦作用的透镜后,会全部聚焦于一点,这一点即焦点原创 2013-08-22 11:45:48 · 1856 阅读 · 0 评论 -
相机标定(4)---基于halcon的双目立体视觉标定
参考文章:http://www.doc88.com/p-145577995270.html halcon10.0例程:binocular_calibration.hdev 双目标定流程如下: 1、将标定板放置在一个适当的位置,使它能够在两个摄像机中均可以完全成像。通过标定确定两个摄像机的内部参数以及他们的外部参数(R1、T1与原创 2013-08-20 18:20:11 · 11449 阅读 · 1 评论 -
OpenCV混合高斯模型前景分离
运动检测的一般方法 目前,运动物体检测的问题主要分为两类,摄像机固定和摄像机运动。对于摄像机运动的运动物体检测问题,比较著名的解决方案是光流法,通过求解偏微分方程求的图像序列的光流场,从而预测摄像机的运动状态。对于摄像机固定的情形,当然也可以用光流法,但是由于光流法的复杂性,往往难以实时的计算,所以我采用高斯背景模型。因为,在摄像机固定的情况下,背景的变化是缓慢的,而且大都是光照,风等等的影转载 2013-08-20 21:39:44 · 2222 阅读 · 0 评论 -
奇异值分解在机器视觉中的应用
本文转自http://blog.csdn.net/ningyaliuhebei/article/details/7104951 上一次写了关于PCA与LDA的文章,PCA的实现一般有两种,一种是用特征值分解去实现的,一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解释。特征值和奇异值在大部分人的印象中,往往是停留在纯粹的数学计算中。而且线性代数或者矩转载 2013-08-19 11:58:14 · 1191 阅读 · 0 评论 -
机器视觉(相机、镜头、光源)全面概括
1.1.1视觉系统原理描述 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品(即图像摄取装置,分 CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。 2.1.1视觉系转载 2013-08-19 10:52:12 · 6078 阅读 · 0 评论 -
HOG理论+SVM介绍+(hog+svm组合行人检测)
HOG理论+SVM介绍+(hog+svm组合行人检测)1、hog理论 梯度直方图特征(HOG) 是一种对图像局部重叠区域的密集型描述符, 它通过计算局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的,而如今虽然有很多行...转载 2018-02-22 10:23:56 · 4986 阅读 · 0 评论