基本图像处理
文章平均质量分 92
llw01
这个作者很懒,什么都没留下…
展开
-
图像处理中的拉普拉斯算子
1.基本理论 拉普拉斯算子是最简单的各向同性微分算子,具有旋转不变性。一个二维图像函数 的拉普拉斯变换是各向同性的二阶导数,定义为: 为了更适合于数字图像处理,将该方程表示为离散形式: 另外,拉普拉斯算子还可以表示成模板的形式,如图5-9所示。图5-9(a)表示离散拉普拉斯算子的模板,图5-9(b)表示其扩展模板,图5-9(c)则分别表示其他两种拉普拉斯的实现模板。从转载 2013-07-25 13:02:06 · 2426 阅读 · 0 评论 -
SURF特征--图像配准
基于特征点的图像匹配是图像处理中经常会遇到的问题,手动选取特征点太麻烦了。比较经典常用的特征点自动提取的办法有Harris特征、SIFT特征、SURF特征。先介绍利用SURF特征的特征描述办法,其操作封装在类SurfFeatureDetector中,利用类内的detect函数可以检测出SURF特征的关键点,保存在vector容器中。第二部利用SurfDescriptorExtractor类进行转载 2013-08-16 10:17:55 · 5961 阅读 · 1 评论 -
多个USB视频捕捉的连接问题
当进行多个USB视频捕捉时,不是每个USB插口都能插上一个USB摄像头。如果这样做的话,结果可能是屏幕一片空白,什么都没有,因为摄像头初始化会出错,导致程序不可正常运行。 先谈谈USB的传输速度问题吧。一个USB2.0的理论传输速度为480Mbps,也就是60MBps。当然,实际上不可能达到这个理论的最大值。一般只能达到这个值的70%左右,读入速度为30-42MBps,写入速度为2转载 2013-08-17 09:28:59 · 1058 阅读 · 0 评论 -
opencv 之 视频播放控制
获取 摄像头/视频 属性的函数 double cvGetCaptureProperty( CvCapture* capture, int property_id ) CV_CAP_PROP_POS_MSEC - 影片目前位置,为毫秒数或者视频获取时间戳 CV_CAP_PROP_POS_FRAMES - 将被下一步解压/ 获取的帧索引转载 2013-08-17 06:58:25 · 769 阅读 · 0 评论 -
Visual Studio2010配置CUDA 4.0
首先,你要确定你的显卡驱动是否支持cuda;然后去官网上下载最新的驱动并安装;之后去下载cuda driver并安装;下载cuda toolkit并安装;下载cuda SDK并安装。lz要保证cuda toolkit和cuda SDK的版本是一样的。VisualStudio2010据说完美支持CUDA4.0,我研究了一下,下面将我的配置过程呈献给大家,希望对大家有所帮助。第一转载 2013-09-12 14:58:25 · 677 阅读 · 0 评论 -
关注的计算机视觉研究组和个人主页列表
每个做过或者正在做研究工作的人都会关注一些自己认为有价值的、活跃的研究组和个人的主页,关注他们的主页有时候比盲目的去搜索一些论文有用多了,大牛的或者活跃的研究者主页往往提供了他们的最新研究线索,顺便还可八一下各位大牛的经历,对于我这样的小菜鸟来说最最实惠的是有时可以找到源码,很多时候光看论文是理不清思路的。我也来分享一下自己的关注Homepages(随意排序,不分先后):转载 2013-09-13 20:57:08 · 713 阅读 · 0 评论 -
Kriging 插值
Kriging can be seen as a point interpolation which requires a point map as input and returns a raster map with estimations and optionally an error map.The estimations or predictions are calculat转载 2013-09-18 08:52:45 · 2197 阅读 · 0 评论 -
关于全景图像的拼接
这段时间一直在做全景图像拼接,略有小成。总结一下:图像拼接概括起来说,分两大步骤。第一步,配准。第二步,融合。配准有基于模板匹配的,有基于特征点匹配的。现在的主流是基于特征点匹配的,SIFT是热点。融合的方法有很多,有最简单的线性过渡,有经典的拉普拉斯金字塔融合(多波段融合),有基于小波变换的融合,还有比较新而且效果很赞的泊松图像编辑融合,可惜泊松图像编辑的这个方法我还没有转载 2013-11-04 22:59:59 · 1619 阅读 · 0 评论 -
3路视频大于屏幕问题
#ifndef _DEBUG#pragma comment(lib,"opencv_core246")#pragma comment(lib,"opencv_highgui246")#pragma comment(lib,"opencv_imgproc246")#else#pragma comment(lib,"opencv_core246d")#pragma comment(lib,原创 2013-12-12 10:09:58 · 548 阅读 · 0 评论 -
图像配准方面的一些算法归类
这俩天一直在做关于物体匹配的方面的工作,前几天朋友推荐我看西安电子科技大学张瑞娟的一篇硕士论文“图像配准理论及算法研究”,我收获很大,所以我也总结一些对我有用的算法,将来便于查找应用。我做的目标追踪这一块,虽然和图像配准不是一个方向,但是前期工作都是一样的,首先都需要物体检测,特征检测和匹配。这里我总结一些对我有用的,也希望对和我一样研究方向的人有帮助。这里图像配准可以换成物体匹配的。1,转载 2013-08-15 21:25:32 · 1283 阅读 · 0 评论 -
OpenCV实现将三幅图像合并在一张图片
*****************/#include #include int main(){ char* filePath ="D:/图片库/Lena.jpg"; IplImage* srcImg = cvLoadImage(filePath); IplImage* greyImg = cvCreateImage(cvGetSize(srcImg), srcImg转载 2013-08-15 18:30:07 · 1201 阅读 · 0 评论 -
图像去噪
转自:http://gaochaojs.blog.51cto.com/812546/243961 图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可能会受到噪声的污染,一般数字图像系统中的常见噪声主要有:高斯噪声(主要由阻性元器件内部产生)、椒盐噪声(主要是图像切割引起的黑图像上的白点噪声或光电转换转载 2013-07-25 17:32:39 · 3769 阅读 · 0 评论 -
索贝公司笔试题:图像处理算法工程师
索贝公司笔试题:图像处理算法工程师一、填空:1、常用的插值方法有:最近邻插值、双线性插值、立方卷积插值。2、常用的边缘检测算子有:一阶: Roberts Cross算子, Prewitt算子, Sobel算子, Canny算子, 罗盘算子二阶: Marr-Hildreth。3、能够表征一副图像的基本特征有:灰度值、纹理、形状4、FIR滤波器设计中常用的窗函数:三角形(B转载 2013-07-28 01:07:05 · 2734 阅读 · 0 评论 -
傅里叶变换
傅里叶变换是将时域信号分解为不同 频率的正弦和/余弦和的形式。傅里叶变换是数字图像处理技术的基础,其通过在时空域和频率域来回切换图像,对图像的 信息特征进行提取和分析。一维傅里叶变换及其反变换单变量连续函数,f(x)的傅里叶变换F(u)定义为等式: u=0,1,2,…,M一1 同样,给出F(u), 能用反DFT来获得原函数:转载 2013-08-04 16:24:30 · 2202 阅读 · 0 评论 -
梯度
梯度不只一种计算公式!不同的方法产生不同的梯度,如采用线性滤波方法,或采用形态学梯度方法……梯度定义:(1)采用线性滤波方法求梯度直接按照上述定义。不过“计算梯度的关键问题之一是如何数字化地估计Gx和Gy”,有几种经典的估计方法,如Sobel、Prewitt、Roberts,以Sobel方法为例,它提供了两个3x3矩阵:(图 *)这两个矩阵的作用转载 2013-08-04 16:30:54 · 3028 阅读 · 0 评论 -
图像重叠
问题描述:已知两幅图像Image1和Image2,计算出两幅图像的重叠区域,并在Image1和Image2标识出重叠区域。算法思想:若两幅图像存在重叠区域,则进行图像匹配后,会得到一张完整的全景图,因而可以转换成图像匹配问题。图像匹配问题,可以融合两幅图像,得到全景图,但无法标识出在原图像的重叠区域。将两幅图像都理解为多边形,则其重叠区域的计算,相当于求多边形的交集。通过多边形转载 2013-08-20 19:38:08 · 1400 阅读 · 2 评论 -
EM(expection maxium)算法
花了一下午时间,看EM(expection maxium)算法,总算有点眉目了。EM简介,网上有不少的文章,在此并不想自己去总结了,但是可以花时间整理下,以使初学者能够更方便的学习EM算法。下面是我整合在网上找到的其他人的文章,算是一个简单的总结吧!描述:EM是一种基于模型的聚类算法,假设样本符合高斯混合模型,算法的目的是确定各个高斯部件之间的参数,充分拟合给定数据,并得到一个模糊聚类转载 2013-08-08 14:28:56 · 872 阅读 · 0 评论 -
SVD分解的理解
SVD分解(奇异值分解),本应是本科生就掌握的方法,然而却经常被忽视。实际上,SVD分解不但很直观,而且极其有用。SVD分解提供了一种方法将一个矩阵拆分成简单的,并且有意义的几块。它的几何解释可以看做将一个空间进行旋转,尺度拉伸,再旋转三步过程。首先来看一个对角矩阵,几何上, 我们将一个矩阵理解为对于点 (x, y) 从一个平面到另一个平面的映射:下图显示了这个映射的效果: 平转载 2013-08-14 19:15:30 · 777 阅读 · 0 评论 -
CMake OpenCV源代码编译
要点: 1) XP+ Visual Stuio 2010 + OpenCV-2.4.2.exe + cmake-2.8.8-win32-x86.exe 2) 如何CMake OpenCV源代码得到可编译的VS2010项目 3) 如何使用VS2010编译OpenCV源码 4) 如何配置OpenCV工程转载 2013-08-26 23:17:34 · 889 阅读 · 0 评论 -
图像镜像
/************************************************************************* 对图像做镜像* 2013/12/11/************************************************************************/#include "opencv2/img原创 2013-12-11 16:09:45 · 891 阅读 · 0 评论