图像处理基本知识
文章平均质量分 89
五仁月饼哭了
海阔凭鱼跃,天高任鸟飞。
展开
-
关于卡尔曼滤波本质解释和公式推到
转载:关于卡尔曼滤波和粒子滤波最直白的解释” 卡尔曼滤波本来是控制系统课上学的,当时就没学明白,也蒙混过关了,以为以后也不用再见到它了,可惜没这么容易,后来学计算机视觉和图像处理,发现用它的地方更多了,没办法的时候只好耐心学习和理解了。一直很想把学习的过程记录一下,让大家少走弯路,可惜总也没时间和机会,直到今天。。。 我一直有一个愿望,就是把抽象的理论具体化,用转载 2016-07-25 20:59:05 · 17790 阅读 · 0 评论 -
卡尔曼滤波形象解释及c++实现
卡尔曼滤波本来是控制系统课上学的,当时就没学明白,也蒙混过关了,以为以后也不用再见到它了,可惜没这么容易,后来学计算机视觉和图像处理,发现用它的地方更多了,没办法的时候只好耐心学习和理解了。一直很想把学习的过程记录一下,让大家少走弯路,可惜总也没时间和机会,直到今天。。。我一直有一个愿望,就是把抽象的理论具体化,用最直白的方式告诉大家--不提一个生涩的词,不写一个数学公式,像讲故事一样先把原创 2016-10-09 19:28:43 · 6694 阅读 · 6 评论 -
粒子滤波简单概括
在这里我不想谈粒子滤波的理论基础和推到,这点大家可以去自己翻书。我只谈下我的体会。粒子滤波算法。他源于Montecarlo的思想,即以某事件出现的频率来指代该事件的概率。因此在滤波过程中,需要用到概率如P(x)的地方,一概对变量x采样,以大量采样的分布近似来表示P(x)。因此,采用此一思想,在滤波过程中粒子滤波可以处理任意形式的概率,而不像Kalman滤波只能处理高斯分布的概率问题。他的一转载 2016-10-12 16:21:50 · 866 阅读 · 0 评论 -
灰度直方图的原理和计算
include #include #include #include using namespace cv;using namespace std;int main(){ Mat src, gray; src = imread("D:\\vvoo\\lena.jpg"); cvtColor(src, gray, CV_RGB2GRAY); int bins = 256;//原创 2016-07-11 09:43:00 · 21487 阅读 · 0 评论 -
MeanShift知识整理
知识来源:点击打开链接第一个问题:无参数密度估计给定任意一组观测数据或数据采样值,估计出样本的分布。无参数密度估计,它对数据分布规律没有附加任何假设,而是直接从数据样本本身出发研究数据分布特征,对先验知识要求最少,完全依靠训练数据进行估计,而且能处理任意的概率分布。例如:直方图法,最近邻域法,核密度估计方法。有参数密度估计:高斯统计模型。更形转载 2016-07-30 10:12:18 · 472 阅读 · 0 评论 -
多目标跟踪综述
一、跟踪系统是一个动态系统的估计问题,利用的是目标在时间上的连续性和空间上的相关性。二、 多目标跟踪算法的主要难题是数据关联问题,背景的复杂性,目标比例变化、目标颜色与背景颜色的相似程度、背景的稳定程度,多目标的交互及各种特殊情况的发生都会给多目标跟踪带来困难。当前多目标跟踪中存在的难题主要包括以下几个方面:遮挡问题:遮挡是多目标跟踪中的常见情况,目标可能被背景中静止的物体遮挡,也原创 2016-07-25 14:57:25 · 4809 阅读 · 0 评论 -
LBP算子介绍
转载:LBP算子介绍LBP(Local Binary Pattern, 局部二值模式)是一种用来描述图像局部纹理特征的算子;显然,它的作用是进行特征提取,而且,提取的特征是图像的纹理特征,并且,是局部的纹理特征; 原始的LBP算子定义为在3*3的窗口内,以窗口中心像素为阈值,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1转载 2016-07-25 09:22:43 · 777 阅读 · 0 评论 -
各种颜色的RGB值
#define CV_RGB(r,g,b) cvScalar((b),(g),(r),0),相信大家已经看明白了,Scalar和RGB是正好相反的,下面给大家一些颜色值!各种颜色的RGB值各种颜色的RGB值■RGB(255,192,203) ■★●◆pink(粉红)■RGB(220,20,60) ■★●◆crimson(腥红) ■RGB(255,240,245) ■原创 2016-07-01 17:48:14 · 7149 阅读 · 0 评论