自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(14)
  • 收藏
  • 关注

原创 计算机视觉学习14:图像分割----Graph Cut

图像分割图像分割是将一幅图像分割成有意义区域的过程。区域可以是图像的前景与背景或图像中一些单独的对象。这些区域可以利用一些诸如颜色、边界或近邻相似性等特征进行构建。图割:Graph Cut图割是将一个有向图分割成两个互不相交的集合,可以用来解决很多计算机视觉方面的问题,诸如立体深度重建、图像拼接和图像分割等计算机视觉方面的不同问题。从图像像素和像素的近邻创建一个图并引入一个能量或“代价...

2019-06-11 15:11:28 735

原创 计算机视觉学习13:CNN实现MNIST手写数字识别

卷积神经网络(CNN)原理一、概述卷积神经网络(Convolutional Neural Networks / CNNs / ConvNets)与普通神经网络非常相似,它们都由具有可学习的权重和偏置常量(biases)的神经元组成。每个神经元都接收一些输入,并做一些点积计算,输出是每个分类的分数,普通神经网络里的一些计算技巧到这里依旧适用。卷积神经网络默认输入是图像,可以让我们把特定的性质编...

2019-06-03 01:07:04 900

原创 计算机视觉学习12:图像内容分类(KNN算法和稠密SIFT(Dense-SIFT)以及手势识别)

KNN算法(K近邻算法)一、KNN算法概述kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别,则该样本也属于这个类别,并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。二、KNN算法介绍最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来,当测试对象的属性和某个训练对象的属性完全匹配...

2019-05-17 21:09:57 1271

原创 计算机视觉学习11:基于BoW的图像检索

BoW模型原理模型简介BoW(Bag of Words)词袋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。如果文档中猪、马...

2019-05-12 19:00:23 731

原创 计算机视觉学习10:对极几何与基础矩阵

对极几何如果仅看一个相机,我们并不能知道深度信息,可如果有两个相机的话(就像人有两只眼睛)我们就能得到深度的信息,上图O和O’是两个相机中心,P点是物体所在,如果我们只看左边图像 \pi 上的点p,我们不能知道物体到底是在哪,点P1、P2或其他地方,可有了右边图像 \pi’ 上的p’我们就能得到物体点P。在上图,我们把两相机中心的连线OO’成为基线,把他们与观测物体的平面OO’P成为对极平面...

2019-04-17 12:41:24 450

原创 计算机视觉学习9:相机模型与参数标定

相机标定的意义在图像测量过程以及机器视觉应用中,为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,必须建立相机成像的几何模型,这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到,这个求解参数(内参、外参、畸变参数)的过程就称之为相机标定(或摄像机标定)。无论是在图像测量或者机器视觉应用中,相机参数的标定都是非常关键的环节,其标定结果的精度及算法的稳...

2019-04-14 19:58:20 2775

原创 计算机视觉学习8:照相机模型与增强现实

环境配置一、OpenGL配置参考博客:https://blog.csdn.net/xufive/article/details/86565130#2__pyopengl_60安装完成运行后会报错:freeglut ERROR: Function called without first calling ‘glutInit’.这个错误是freeglut和glut共存的缘故,它们俩定义了相同的...

2019-04-07 20:36:48 427

原创 计算机视觉学习7:全景拼接

全景拼接原理全景图象是通过将普通照相机拍照到的边界部分重叠的图象进行拼接而创建的。可以利用图象重叠部分对应像素的相似性, 通过采用一种行之有效的拼接算法, 使得到的图象无缝平滑。图像的拼接技术包括三大部分:特征点提取与匹配、图像配准、图像融合。本文采用的是基于sift算法的全景图像拼接。一、算法原理拼接步骤:(1)读入两张图片并分别提取SIFT特征(2) 匹配两个图像之间的描述符...

2019-03-31 21:21:52 433

原创 计算机视觉学习6:图像仿射

一、实验:利用图像仿射将一张图像放置到另一张图像中注:本实验所采用图像仍旧是集美大学图片 # -*- coding: utf-8 -*-from PCV.geometry import warp, homographyfrom PIL import Imagefrom pylab import *from scipy import ndimage# example of affi...

2019-03-19 16:22:22 2558 1

原创 计算机视觉学习5:运用SIFT算法进行地理标记

一、配置环境安装pydot工具包二、地理标记注:本实验所用图片为集美大学校园图片# -*- coding: utf-8 -*-from pylab import *from PIL import Imagefrom PCV.localdescriptors import siftfrom PCV.tools import imtoolsimport pydot""" This...

2019-03-17 23:17:05 147

原创 计算机视觉学习4:SIFT和Harris算法特征匹配对比

一、SIFT算法实现结果二、Harris算法实现结果

2019-03-17 17:20:55 872 1

原创 计算机视觉学习3:SIFT算法原理

一、算法介绍SIFT由David Lowe在1999年提出,在2004年加以完善 。SIFT在数字图像的特征描述方面当之无愧可称之为最红最火的一种,许多人对SIFT进行了改进,诞生了SIFT的一系列变种。SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。对于光线、噪声、微视角改变的容忍度也相当高。基于这些特性,它们是高度显著而且相对容易撷取,在母数庞大的特征数据库中,很容...

2019-03-14 22:51:02 1676

原创 计算机视觉学习2:图像处理基础

一、环境配置1、安装PIL-Python图像库在命令行敲入以下代码pip instal pillow提示安装成功参考博客:https://www.cnblogs.com/yqpy/p/7611696.html2、安装pylab模块参考博客:https://www.cnblogs.com/xuxugui/p/9815237.html3、安装PCV库PCV库是原书作者写的一个第三方...

2019-03-05 22:52:24 337

原创 计算机视觉学习1:python配置opencv环境

一、python安装、配置我用的是python3.5.1版本,python安装教程参考:http://www.runoob.com/w3cnote/pycharm-windows-install.html二、安装wheel进入python安装目录下的scripts路径,执行pip install wheel语句安装wheel![在这里插入图片描述](https://img-blog.csd...

2019-03-04 21:12:15 437

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除