maweifei的博客

本文转载自：http://blog.csdn.NET/luoshixian099/article/details/47606159   继上一篇中已经介绍了SIFT原理与C源码剖析，最后得到了一系列特征点，每个特征点对应一个128维向量。假如现在有两副图片都已经提取到特征点，现在要做的就是匹配上相似的特征点。相似性查询有两种基本方式：1.范围查询：即给点查询点和查询阈值，从数据集中

本文转载自：http://blog.csdn.NET/luoshixian099/article/details/50217655      随机抽样一致性（RANSAC）算法，可以在一组包含“外点”的数据集中，采用不断迭代的方法，寻找最优参数模型，不符合最优模型的点，被定义为“外点”。在图像配准以及拼接上得到广泛的应用，本文将对RANSAC算法在OpenCV中角点误匹配对的检

傅里叶变换 fft_generic halcon傅立叶变换(FT, Fourier Transform)的作用是将一个信号由时域变换到频域。其实就是把数据由横坐标时间、纵坐标采样值的波形图格式，转换为横坐标频率、纵坐标振幅(或相位)的频谱格式。变换后可以很明显地看出一些原先不易察觉的特征。离散傅立叶变换(DFT)的算法属于线性变换。由于对每个采样点，都要做一次全部点的加权

(一)BRIEF描述子          在ORB特征提取的第一步根据FAST角点检测算法检测出特征点(角点、兴趣点、关键点)之后，我们需要以某种方式来描述这些特征点的属性。对于这些特征点的描述算法，我们称之为特征点的描述子(Feature DescritorS).ORB特征提取算法采用BRIEF描述子来描述这些特征点的属性。        BRIEF算法的核心思想是在关键点P的周围以一定

本文转载自：http://blog.csdn.net/luoshixian099/article/details/48244255本文采用的是opencv2.4.3中的源码。Harris角点检测   人眼对角点的识别通常是通过一个局部的小窗口内完成的，如果在各个方向上移动这个小窗口，窗口内的灰度发生了较大的变化，那么说明窗口内存在角点。  如果在各个方向移动，灰度几

文章转载自:http://blog.csdn.net/luoshixian099/article/details/48523267      为了满足实时性的要求，前面文章中介绍过快速提取特征点算法Fast,以及特征描述子Brief。本篇文章介绍的ORB算法结合了Fast和Brief的速度优势，并做了改进，且ORB是免费。     Ethan Rublee等人2011年在《ORB：

文章转载自： http://blog.csdn.NET/luoshixian099/article/details/48338273    传统的特征点描述子如SIFT,SURF描述子，每个特征点采用128维(SIFT)或者64维(SURF)向量去描述，每个维度上占用4字节，SIFT需要128×4=512字节内存，SURF则需要256字节。如果对于内存资源有限的情况下，这种描述子方法显然不

文章转载自:http://blog.csdn.NET/luoshixian099/article/details/48294967     在实时的视频流处理中，需要对每一帧特征提取，对算法处理速度上有很高的要求，传统的SIFT,Harris等特征点提取很难满足。由此提出Fast（Features from Accelerated Segment Test），由于不涉及尺度，梯度，等复

文章转载自：http://blog.csdn.net/luoshixian099/article/details/49174869PCA-SIFT是对传统SIFT算法的改进，由Yan Ke等人在《PCA-SIFT: A More Distinctive Representation for Local Image Descriptors》中提出，论文中采用PCA(Principal C

本文转载自:http://blog.csdn.NET/luoshixian099/article/details/47377611    SIFT的原理已经有很多大牛的博客上做了解析，本文重点将以Rob Hess等人用C实现的代码做解析，结合代码SIFT原理会更容易理解。一些难理解点的用了☆标注。     欢迎大家批评指正！     SIFT（Scale-invariant

转载自:http://blog.csdn.net/luoshixian099/article/details/47905681首先看features2d.hpp中SURF类的声明：[cpp] view plain copy print?/*!     SURF implementation.  The class implem

/************************************************************************************************************************文件说明: 使用Cmake编译OpenCv的源代码环境配置: Win10+Cmake3.8.1+VS2015+OpenCv

/**************************************************************************************配置环境: Ubuntu14.04+OpenCv3.1.0+QtCreator(qt4)时间地点: 陕西师范大学 2017.5.15作 者： 九 月 *******

/*********************************************************************************************************模块说明: Decision Trees模块说明: 1)The ML classes discussed in this section impleme

介绍什么的请参考:利用Hog特征和SVM分类器进行行人检测我只说一下Opencv3.0里面，需要注意的地方。 本人接触OpenCV很短的时间，新手。OpenCV3.0相比2.X，接口更加清晰，还是有很大的改动的。 主要有几个需要注意的地方： 1. sampleLabelMat的数据类型必须为有符号整数型。 2. 加载已经训练好的分类器，需要注意： svm = SVM::

我搭建了自己的独立博客，此篇文章的新地址：http://masikkk.com/article/SVM-HOG-self-training/正样本来源是INRIA数据集中的96*160大小的人体图片，使用时上下左右都去掉16个像素，截取中间的64*128大小的人体。负样本是从不包含人体的图片中随机裁取的，大小同样是64*128(从完全不包含人体的图片中随机剪裁出64*1

如果看了此文你还不懂傅里叶变换，那就过来掐死我吧【完整版】2014/08/09 · IT技术 · 172 评论 · 傅里叶, 傅里叶变换, 数学分享到：12K原文出处： 韩昊   1234

【CASENet:深度类别感知语义边缘检测】《CASENet: Deep Category-Aware Semantic Edge Detection》Z Yu, C Feng, M Liu, S Ramalingam [CMU & Mitsubishi Electric Research Laboratories (MERL)] (2017)论文：https://arxiv.org/ab

作者：YaqiLYU链接：https://www.zhihu.com/question/26493945/answer/156025576来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。相信很多来这里的人和我第一次到这里一样，都是想找一种比较好的目标跟踪算法，或者想对目标跟踪这个领域有比较深入的了解，虽然这个问题是经典目标跟踪算

这次将介绍基于MeanShift的目标跟踪算法，首先谈谈简介，然后给出算法实现流程，最后实现了一个单目标跟踪的MeanShift算法【matlab/c两个版本】      csdn贴公式比较烦，原谅我直接截图了… 一、简介     首先扯扯无参密度估计理论，无参密度估计也叫做非参数估计，属于数理统计的一个分支，和参数密度估计共同构成了概率密度估计方法。参数密度估计方

摘要： 在这一节中，主要讲目标跟踪的一个重要的算法Camshift，因为它是连续自使用的meanShift，所以这2个函数opencv中都有，且都很重要。为了让大家先达到一个感性认识。这节主要是看懂和运行opencv中给的sample并稍加修改。在这一节中，主要讲目标跟踪的一个重要的算法Camshift，因为它是连续自使用的meanShift，所以这2个函数opencv中都有，且都很重

Link：https://github.com/opencv/opencv/wiki/ChangeLog#version34OpenCV Change Logsversion:3.4December, 2017OpenCV 3.4 (NY 2018 edition) has been released, with further extended dnn m

/************************************************************************************************************************File Description: [1]The entry point of the console application

一、前言本文仅仅演示使用opencv2.4.6中已经定义好的SVM函数实现对车牌区域正负样本的训练，然后使用训练好的SVM模型对测试样本进行预测。二、所使用的正负样本首先我将一系列图片进行图像预处理、分割等一系列步骤，这部分内容可以参看《深入理解opencv 使用计算机视觉项目解析》，这样从中挑选出100个正样本（车牌区域）和70个负样本（非车牌区域），大小均为14

一、前言本文参考自《深入理解OpenCV 实用计算机视觉项目解析》中的自动车牌识别项目，并对其中的方法理解后，再进行实践。深刻认识到实际上要完成车牌区域准确定位、车牌区域中字符的准确分割，字符准确识别这一系列步骤的困难。所以最后的识别效果也是有待进一步提高。二、程序流程程序流程如下所示：相应的main函数如下[cpp] view

这次和大家分享一个简单的MFC+Opencv2.4.9实现的视频播放，暂停和结束的案例，在这个demo中会用到线程的一点知识，这里就不啰嗦了。由于刚接触MFC和OpenCV，所以还是讲解的详细一点，希望可以帮助更多编程的朋友吧！1 新建项目1.1 文件--》新建--》项目--》MFC应用程序，程序命名为VideoPlayer,点击确定点击下一步选择基

/***************************************************************************************************文件作用: CSV数据文件的处理开发环境: Win10+STL时间地点: 文津楼 2017.4.24作 者: 九月**

/******************************************************************************************************************文件说明: copyMakeBorder函数详解时间地点: 陕西师范大学 文津楼 2017.5.25作 者:

/****************************************************************************************************************文件说明: OpenCv3.0中新架构以及新增功能的详解时间地点: 陕西师范大学 问津楼 2017.5.16作 者：

转载自http://www.yuanyong.org/blog/cv/cv-code-one一、特征提取Feature Extraction：SIFT [1] [Demo program][SIFT Library] [VLFeat]PCA-SIFT [2] [Project]Affine-SIFT [3] [Project]SURF [4] [OpenSURF] [Mat

2013计算机视觉代码合集一：http://www.yuanyong.org/blog/cv/cv-code-one2013计算机视觉代码合集二：http://www.yuanyong.org/blog/cv/cv-code-two 按类别分类 特征提取SURF特征: http://www.vision.ee.ethz.ch/software/index.de.ht

转载自http://www.yuanyong.org/blog/cv/cv-code-twoFeature Detection and DescriptionGeneral Libraries: VLFeat – Implementation of various feature descriptors (including SIFT, HOG, and LBP) and co

对于刚入门的OpenCV玩家，提起目标跟踪，马上想起的就是camshift，但是camshift跟踪往往达不到我们的跟踪要求，包括稳定性和准确性。opencv3.1版本发行后，集成了多个跟踪算法，即tracker，大部分都是近年VOT竞赛榜上有名的算法，虽然仍有缺陷存在，但效果还不错。ps：我在知乎上看到一个目标跟踪的介绍，感觉不错，链接在此！单目标跟踪很简单，放一个官方例

opencv3.0 photo 模块加入了seamless_cloning类。该类对应的论文是“Poisson Image Editing”主要可以实现一下功能：seamless clone：纹理传输：去除光噪：等等。本文主要以normal_clone为例， 从代码层面解释整个流程：

Visual TrackersECO: Martin Danelljan, Goutam Bhat, Fahad Shahbaz Khan, Michael Felsberg. "ECO: Efficient Convolution Operators for Tracking." CVPR (2017). [paper] [project] [github]CFNet: Jack V

/************************************************************************************************************************File Description: [1]The entry point of the console application

#include<QtGui/qapplication.h>//1--表示Qt的--与应用程序类QApplication---的头文件，其中的QtGui表示Qt的QtGui模块 //---从结构目录来讲，QtGui是一个文件夹，QApplication是Qt定义QApplication类的头文件(头文件名与类名相同)

视觉跟踪综述 目标跟踪是绝大多数视觉系统中不可或缺的环节。在二维视频跟踪算法中，基于目标颜色信息或基于目标运动信息等方法是常用的跟踪方法。从以往的研究中我们发现，大多数普通摄像头（彩色摄像头）下非基于背景建模的跟踪算法都极易受光照条件的影响。这是因为颜色变化在某种程度上是光学的色彩变化造成的。如基于体素和图像像素守恒假设的光流算法它也是假设一个物体的颜色在前后两帧没有巨大而明显的变化。 但在特定

视觉跟踪综述目标跟踪是绝大多数视觉系统中不可或缺的环节。在二维视频跟踪算法中，基于目标颜色信息或基于目标运动信息等方法是常用的跟踪方法。从以往的研究中我们发现，大多数普通摄像头（彩色摄像头）下非基于背景建模的跟踪算法都极易受光照条件的影响。这是因为颜色变化在某种程度上是光学的色彩变化造成的。如基于体素和图像像素守恒假设的光流算法它也是假设一个物体的颜色在前后两帧没有巨大而明显的变化。

值得学习的C语言开源项目- 1. WebbenchWebbench是一个在linux下使用的非常简单的网站压测工具。它使用fork()模拟多个客户端同时访问我们设定的URL，测试网站在压力下工作的性能，最多可以模拟3万个并发连接去测试网站的负载能力。Webbench使用C语言编写, 代码实在太简洁，源码加起来不到600行。下载链接：http://home.tiscali.cz/~cz2105