计算机视觉
HJiLei
这个作者很懒,什么都没留下…
展开
-
windows下Anaconda与PyCharm安装
windows下Anaconda与PyCharm安装及opencv配置一、Anaconda的下载及安装对于我们刚开始学python的新手来说,python的安装和环境的配置有时候就让我们很头疼,今天来和大家分享一个避免麻烦的方法,那就是安装anaconda,anaconda可以看做Python的一个集成安装,安装它后就默认安装了python、IPython、集成开发环境Spyder和众多的包和...原创 2019-03-04 21:16:33 · 961 阅读 · 0 评论 -
借助于TensorFlow框架在Mnist数据集的基础上通过卷积神经网络进行手写数字识别的仿真测试
一、背景介绍1.1 卷积神经网络近年来,深度学习的概念非常火热。深度学习的概念最早由Hinton等人在2006年提出。基于深度置信网络(DBN),提出非监督贪心逐层训练算法,为解决深层结构相关的优化难题带来希望,随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络(Convolutional Neural Networks / CNNs / ConvNets)是第一个真正多层结...原创 2019-06-02 23:21:00 · 1728 阅读 · 0 评论 -
计算机视觉中的词袋模型(Bag-of-words)
模型介绍Bag of words模型最初被用在文本分类中,将文档表示成特征矢量。它的基本思想是假定对于一个文本,忽略其词序和语法、句法,仅仅将其看做是一些词汇的集合,而文本中的每个词汇都是独立的。简单说就是讲每篇文档都看成一个袋子(因为里面装的都是词汇,所以称为词袋,Bag of words即因此而来),然后看这个袋子里装的都是些什么词汇,将其分类。为什么要用BOW模型描述图像SIFT特...原创 2019-05-12 21:11:06 · 4482 阅读 · 1 评论 -
python计算机视觉KNN算法、稠密Dense-sift及图像手势识别
KNN算法一、KNN算法概述1、kNN算法又称为k近邻分类(k-nearest neighbor classification)算法。最简单平凡的分类器也许是那种死记硬背式的分类器,记住所有的训练数据,对于新的数据则直接和训练数据匹配,如果存在相同属性的训练数据,则直接用它的分类来作为新数据的分类。这种方式有一个明显的缺点,那就是很可能无法找到完全匹配的训练记录。kNN算法则是从训练集中找...原创 2019-05-19 12:14:36 · 1245 阅读 · 0 评论 -
视觉定位原理——基础矩阵
一、基础矩阵的原理介绍基础矩阵我们先说一下对积几和对极几何一定是对二幅图像而言,对极几何实际上是“两幅图像之间的对极几何”,它是图像平面与以基线为轴的平面束的交的几何(这里的基线是指连接摄像机中心的直线),以下图为例:对极几何描述的是左右两幅图像(点x和x’对应的图像)与以CC’为轴的平面束的交的几何!直线CC’为基线,以该基线为轴存在一个平面束,该平面束与两幅图像平面相交,下图给出了该平...原创 2019-04-17 22:01:24 · 19405 阅读 · 4 评论 -
相机标定张正友——棋盘格标定法
一,背景一个是由于每个镜头的在生产和组装过程中的畸变程度各不相同,通过相机标定可以校正这种镜头畸变,生成矫正后的图像——矫正透镜畸变;另一个是根据标定后的到的相机参数建立相机成像几何模型,由获得的图像重构出三维场景。具体来说:当我们用摄像机拍照时,从照片里得到一些空间信息(比如距离,尺寸等),是要利用二维图像得到三维信息。我们拍照的时候把空间物体信息通过摄像机变成了二维图像,这个过程本来是不可...原创 2019-04-14 18:08:18 · 7522 阅读 · 2 评论 -
全景拼接技术及原理
一、拼接介绍在同一位置拍摄的两幅或多幅图像是单应性相关的。我们可以使用该约束将很多图像拼接起来,拼成一幅大的图像来创建全景图像全景图像拼接最重要的两个步骤就是:(一)特征点匹配这部分主要采用SIFT算法实现,之前的博客有介绍就不再详细介绍了,主要是为了找到两幅图像相同的特征点并将其进行匹配。(二)图片匹配图片匹配就是找到图像之间所有重叠的部分,将其拼接后就能得到一幅全景图。基本原理...原创 2019-04-09 21:00:04 · 6919 阅读 · 2 评论 -
照相机模型与增强现实 -增强现实
1.以平面和标记物进行姿态估计我们学习了如何从平面间估计单应性矩阵,若图像中包含平面状的标记物体,并且已经对照相机进行了标定,那么我们可以计算出照相机的姿态(旋转和平移)。我们使用照相机拍摄了两幅图像,两张图像都存在平面状的标记物体,先提取两幅图像的SIFT特征,然后使用RANSAC算法稳健估计单应性矩阵。通过单应性矩阵和照相机的标定矩阵,我们可以得出两个视图之间的相对变换。代码实现如下fr...原创 2019-04-10 21:39:51 · 366 阅读 · 0 评论 -
python进行SIFT和Harris的特征匹配处理实验结果对比及地理标记图像匹配
一、SiFT特征匹配上一篇文章我们已经介绍了SIFT的特征提取原理及步骤,这篇我们来研究SIFT对的两张图片的特征点进行匹配。过程一般就是特征点提取,特征匹配。为了计算图像的SIFT特征,我们用开源工具包VLFeat。用Python重新实现SIFT特征提取的全过程不会很高效,而且也超出了本书的范围。VLFeat可以在www.vlfeat.org上下载,它的二进制文件可以用于一些主要的平台。这个...原创 2019-03-17 20:24:05 · 1977 阅读 · 1 评论 -
SIFT特征原理及步骤
SIFT特征原理及步骤文章参照:https://www.cnblogs.com/wangguchangqing/p/4853263.html#autoid-6-0-01. SIFT概述SIFT的全称是Scale Invariant Feature Transform,尺度不变特征变换,由加拿大教授David G.Lowe提出的。SIFT特征对旋转、尺度缩放、亮度变化等保持不变性,是一种非...翻译 2019-03-17 13:29:36 · 3112 阅读 · 0 评论 -
图像到图像的映射
一、仿射变换的原理仿射变换能够保持图像的“平直性”,包括旋转,缩放,平移,错切操作。一般而言,仿射变换矩阵为2*3的矩阵,第三列的元素起着平移的作用,前面两列的数字对角线上是缩放,其余为旋转或者错切的作用。仿射变换(Affine Transformation 或Affine Map)是一种二维坐标(x, y)到二维坐标(u, v)的线性变换,其数学表达式形式如下:对应的齐次坐标矩阵表示形式为...原创 2019-03-19 21:01:39 · 363 阅读 · 0 评论 -
python+opencv显示图片的直方图、高斯滤波、直方图均衡化的结果
当我们把python和opencv配置好以后我们就可以利用python对图片进行一系列的处理了,看到很多同学都会在pcv上遇到问题,又要去GitHub上面下载pcv,很庆幸自己当时下了anaconda,避免了很多库缺失的问题。一、python+opencv显示图片的直方图源代码from PIL import Imagefrom pylab import *# 添加中文字体支持from...原创 2019-03-05 22:24:49 · 1726 阅读 · 2 评论 -
计算机视觉,图像分割
91源代码from pygraph.classes.digraph import digraphfrom pygraph.algorithms.minmax import maximum_flowgr = digraph()gr.add_nodes([0,1,2,3])gr.add_edge((0,1), wt=4)gr.add_edge((1,2), wt=3)gr.add_ed...原创 2019-06-11 15:26:56 · 349 阅读 · 0 评论