计算机视觉
文章平均质量分 67
计算机视觉
极致 for 简单
贵在坚持
展开
-
Videocapture类原理及示例
程序功能:1.用户可以选择连续播放视频,输出一帧后用户再来决定下一帧如何播放(单帧模式),退出2.同时支持用户设定下拉框显示确切位置的图像帧存在问题:控制台无法获取输入下滑条回调函数理解不全面读取视频流的videoCapture类功能没有完全理解,等我学过之后来补充。。。#include <opencv2/opencv.hpp>#include<iostream...原创 2019-01-16 14:45:42 · 2776 阅读 · 0 评论 -
Opencv之Mat
一、认识Mat作为图像容器类Mat等同于一个类,数据部分由信息头(包含矩阵尺寸,存储方法)和指针(指向矩阵)组成,因此再使用构造函数或者进行赋值运算时,也仅仅是为信息头和指针赋值。若希望对矩阵进行赋值操作,copyto()和clone()使得创建的Mat的指针指向新的地址空间,地址空间内存的是从指定的地址空间赋值过来的。二、存储方法如何存储像素?从颜色空间和元素类型两方面考虑。颜色空间表...原创 2019-01-16 14:33:55 · 557 阅读 · 0 评论 -
计算机视觉之SFM
不知道相机的内外参,有多张图像获取多张图像特征点,找到特征点的对应关系依次分析两张图像,找到8个对应的特征点,计算矩阵F,有了F可以便求出投影矩阵,且知道两张图像特征点的坐标,便可求得3D坐标。...原创 2019-01-09 20:25:50 · 952 阅读 · 0 评论 -
计算机视觉之纹理
1.局部纹理表示(基于像素点的纹理表示)局部纹理表示可以拿来做什么呢?图像分割如何得到局部纹理表示?找到纹理基元,纹理基元通常是由子元素构成的(点和条形),可以使用不同方向、尺度、相位的滤波寻找子元素,再通过找到的子元素的近邻来描述图像中的每个点。算法:1.选定n个关于子元素的滤波器(不同尺度、方向)2.对图像的每个像素点计算不同滤波器的响应3.对滤波响应采用半波归一化,计算max...原创 2019-01-09 18:25:11 · 2239 阅读 · 0 评论 -
傅里叶级数和傅里叶变化理解
https://blog.csdn.net/u013921430/article/details/79683853转载 2019-01-09 12:37:34 · 1860 阅读 · 0 评论 -
计算机视觉之图像分割
图像分割定义:为每个像素打标签,相同的标签用同一特征表现。分割方法从宏观上说可以分为基于边缘的和基于区域的。目前学到了基于k-meas、分水岭、GrabCut三种方法,简单谈谈对着三种方法的理解。k-means方法(基于区域):样本聚类的过程,相似的样本聚到一类中。实现流程:给定k类,初始化k个中心点,计算每个样本到所有中心点的距离,取最小距离,将该样本分到对应的最小距离的类别中,直...原创 2019-01-08 12:00:21 · 1558 阅读 · 0 评论 -
计算机视觉之训练分类器
训练策略:无参模型:KNN生成模型:naive bayes判别模型:线性模型和SVMKNN(k的选择和距离公式选择很重要):将测试样本与训练集中的样本做距离运算,找到最近的k个样本,记录最多的标注结果。实际的问题来了,如果把测试样本与所有训练集样本做距离运算,计算量太大了,能不能找到一种方法减少计算量?解决方案1:Locality Sensitive Hashing通过构建hash...原创 2019-01-07 17:16:47 · 437 阅读 · 0 评论 -
计算机视觉之目标跟踪
跟踪定义:在一系列的图像中,标注出关于运动物体的可能位置。一、单目标跟踪基本流程:对初始图像中选定的box进行描述,在下一帧图像中产生多个候选box(运动模型),获取这些box的描述,评估box的得分(生成式、判别式方法、knn)来确定在下一帧中box的位置。特征提取方法:产生候选box方法:滑动窗口(穷举法)即目标附近所有可能的样本作为候选样本为了避免匹配整个图像的box,估计...原创 2019-01-07 15:27:37 · 3513 阅读 · 0 评论 -
计算机视觉之分组和拟合
拟合:1.特征点所属的拟合模型2.确定模型样子3.确定总的拟合模型个数Hough transform确定拟合对象的参数做法:用cell表示模型参数的取值,判断特征点是否在该参数(cell的坐标系表示参数取值)确定的模型上,若在则cell值加1,最终cell中票数最高的cell所表示的参数为拟合模型的参数。举个例子,如何根据一堆点来确定直线:设置合适的步长,取多个p和theta,对...原创 2019-01-06 20:05:20 · 1058 阅读 · 0 评论 -
局部图像特征
一、检测边缘从下图可以发现,边缘就是图像像素发生剧烈变化的地方,通过对图像求导找极值(极大值或极小值),就可以找到边缘。现实很残酷啊,获得的图像可能含有噪声,于是有了下图,有了噪声求到的结果出现了无数多个极值,干扰我们获取边缘,有了噪声就去噪呗,使用高斯核先平滑再求导(二步),这个操作可以被(一步代替)将图像与高斯核的求导滤波器直接卷积。高斯滤波的导数的相貌,那我们是不是可以认为高斯导数滤波...原创 2019-01-04 19:55:30 · 699 阅读 · 0 评论 -
计算机视觉之线性滤波
filter三大应用场景:增强图像(去噪、增强对比度、resize)、提取信息(边缘、角点、纹理)、检测某一模式几个有意思的filter:使用filter的过程可称为卷积,filter使用的加权模式称为filter核。...原创 2018-12-26 19:18:57 · 467 阅读 · 0 评论 -
计算机视觉----立体匹配
双目摄像机可获得场景的深度信息原创 2018-12-20 22:55:15 · 967 阅读 · 0 评论 -
高级视觉之图像分类
分类:提取特征、训练分类器、验证分类器一起聊聊特征提取1.提取图像特征方法gist:32个gabor filter(8个orientation ,4 个scale),将卷积结果分为16个region,每个region求一个平均值,最终形成一个32*16=512维的特征向量,能表示梯度信息。visual word:创建词典:可以由k个sift描述子构成(每个sift描述子是一个类别)生成...原创 2018-12-18 09:46:34 · 746 阅读 · 1 评论