![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像处理
文章平均质量分 98
乔qiao
人生的意义在于成就
展开
-
opencv系列-图像配准
opencv系列-图像配准一、简介二、应用场景三、算法分类四、角点检测HarisSIFTSURF五、特征匹配六、全局配准坐标旋转变换公式的推导围绕原点的旋转坐标系的旋转绕某一点进行旋转仿射变换七、 局部配准前言:配准方面的知识,在工作中多有用到,对于原理了解一些,但是知之不深,最近时间比较充裕,专门写一篇文章,加深对配准方面知识的学习。一、简介通俗定义:给定两幅图像P1,P2,图像配准算法的目标是找到一种变换T: Ω1\Omega1Ω1 Ω2\Omega2Ω2,使得百年换某一图后,两幅图像的相似原创 2021-01-18 21:08:04 · 4016 阅读 · 0 评论 -
经典算法研究(1):SIFT算法2
1.1特征点位置确定为什么使用差分高斯金字塔寻找极值点1)差分高斯图像可以直接由高斯图像相减获得,简单高效2)差分高斯函数是尺度规范化的高斯拉普拉斯函数的近似,而高斯拉普拉斯函数的极大值和极小值点是一种非常稳定的特征点(与梯度特征、Hessian特征和Harris角点相比(梯度特征和Hessian特征的差别))确定潜在特征点上文已经阐述,高斯拉普拉斯函数的极大值和极小值点是一种非常稳定的特征点,因此我们从差分高斯金字塔中寻找这些潜在特征点。差分高斯金字塔是一个三维空间(平面图像二维加上尺度一维,共原创 2021-01-05 21:12:48 · 622 阅读 · 2 评论 -
经典算法研究(1):SIFT算法1
一、Sift算法原理介绍尺度不变特征变换(Scale-invariant feature transform 或sift)算法是用来检测与描述图像中的局部特征,在空间尺度中寻找极值点,并提取出位置、尺度、旋转不变量,此算法由David Lowe在1999年发表,2004年完善总结。1.0 基础概念高斯金字塔 对于高斯金字塔,很容易直观地理解为对同一尺寸的图像,然后进行不同程度的高斯平滑,这些图像构成高斯金字塔,这种是不对的,这描述的图像集合叫做一个八原创 2021-01-05 21:00:19 · 325 阅读 · 0 评论 -
opencv系列
opencv系列一、opencv安装二、opencv图像载入及显示三、一、opencv安装下载地址:https://opencv.org/releases/ 安装包大小将近200M,下载速度较慢。配置教程:https://qianmo.blog.csdn.net/article/details/19809337 这篇博客讲解的十分详细,可以参考。二、opencv图像载入及显示图像载入:Mat imread(const string& filename, intflags=1 );Ma原创 2020-12-15 20:50:42 · 411 阅读 · 1 评论 -
yuv存储解析
yuv图存储格式:4:4:4, 4:2:2, 4:2:0采样,存储方式有nv12,nv21等,差别在于yuv的存储顺序。具体可以参考文章1.讲解的十分清晰。参考文章:【1】https://zhuanlan.zhihu.com/p/75735751【2】【3】原创 2020-12-18 12:07:18 · 268 阅读 · 0 评论 -
像素和分辨率
像素和分辨率这两个常见于图片和显示设备中,像相机,手机,图片,光谱仪等的性能指标都离不开这两个词。像素和分辨率的关系像素是组成图象的最基本单元要素:点分辨率是指在长和宽的两个方向上各拥有的像素个数。一个像素有多大呢?主要取决于显示器的分辨率,相同面积不同分辨率的显示屏,其像素点大小就不相同。这些有限的点就叫做像素,每一个长度方向上的像素个数乖每一个宽度方向上的像素个数的形式表原创 2018-01-11 20:49:41 · 3226 阅读 · 0 评论