rjszcb的博客

直方图均衡化的作用是图像增强。有两个问题比较难懂，一是为什么要选用累积分布函数，二是为什么使用累积分布函数处理后像素值会均匀分布。第一个问题。均衡化过程中，必须要保证两个条件：①像素无论怎么映射，一定要保证原来的大小关系不变，较亮的区域，依旧是较亮的，较暗依旧暗，只是对比度增大，绝对不能明暗颠倒；②如果是八位图像，那么像素映射函数的值域应在0和255之间的，不能越界。综合以上两个条件，累积分布函数是个好的选择，因为累积分布函数是单调增函数（控制大小关系），并且值域是0到1（控制越界问题），所以直方图均衡

hisi3559提供的hipq工具，可以看到调试伽马参数曲线的变化，当系数小于1时，对暗区提升比较明显，对亮区提升并不多，这是我们需要的结果，如下三张图，不同系统，曲线弯曲度不一样，对图像的提升效果也不一样，根据实际需求，调整参数，一：二；三：gamma校正原理：　　假设图像中有一个像素，值是 200 ，那么对这个像素进行校正必须执行如下步骤：　　1. 归一化 ：将像素值转换为 0 ～ 1 之间的实数。 算法如下 : ( i + 0. 5)/256 这里包含 1 个除法和 1 个加.

// 2. EqualizeHist 直方图均衡实现过程，hisi3559av100为例， typedef struct hiVIDEO_FRAME_S { HI_U32 u32Width; HI_U32 u32Height; VIDEO_FIELD_E enField; PIXEL_FORMAT_E enPixelFormat; VIDEO_FORMAT_E enVideoFor

直方图均衡化算法原理与实现工作后，对原来学习的一些基本图像处理算法有了一些新的认识，比如Canny 算法，直方图均衡化算法等，今天就来说说直方图均衡化算法。直方图均衡化原理我们知道提高图像对比度的变换函数f(x)需要满足一下条件：f(x)在0<=x<=L−1上单调递增(不要求严格单调递增),其中L表示灰度级（L=256）f(x)的范围是[0,L−1]我们知道当图像直方图完全均匀分布的时候，此时图像的熵是最大的（随机变量每个值的概率都相同时，概率最大），图像对比度是最大的。所以，理想情

项目中遇到要直方图均衡化，在网上找到如下介绍：博主忘记是谁了，转载的，谢谢！直方图均衡化算法分为三个步骤，第一步是统计直方图每个灰度级出现的次数，第二步是累计归一化的直方图，第三步是计算新的像素值。第一步：for(i=0;i<height;i++){ for(j=0;j<width;j++){ n[s[i][j]]++; }}for(i=0;i<L;i++){ p[i]=n[i]/(width*height);}这里，n[i]表示的是灰度

要用hisi的芯片做拼接，就要用到HiPQTools工具中的HiPQStitchingTool插件，进行标定，可是打开HiPQTools，没有这个插件，找了好久，还以为是版本没有更新。下图是我已更新的图，有了插件，没有安装之前是没有的。在《图像质量调试工具使用指南》文档的第三页里有，写要下载matlab的插件，才是使用。点击文档的连接地址，进入的是下面的网页，可以直接访问下面的地址，下载matlab runtime插件。https://ww2.mathworks.cn/products/com

转自：https://www.jb51.net/article/154643.htm#include <iostream>#include <core/core.hpp>#include <opencv2/imgproc/imgproc.hpp>#include <opencv2/highgui/highgui.hpp>using namespace std;using namespace cv;int main(){ //cv::Mat a

转自：https://blog.csdn.net/hanshuning/article/details/41149137?utm_medium=distribute.pc_relevant.none-task-blog-2defaultbaidujs_title~default-0.no_search_link&spm=1001.2101.3001.4242.1#include #include#include #include “opencv2/highgui/highgui.hpp”#

图像拼接在实际的应用场景很广，比如无人机航拍，遥感图像等等，图像拼接是进一步做图像理解基础步骤，拼接效果的好坏直接影响接下来的工作，所以一个好的图像拼接算法非常重要。再举一个身边的例子吧，你用你的手机对某一场景拍照，但是你没有办法一次将所有你要拍的景物全部拍下来，所以你对该场景从左往右依次拍了好几张图，来把你要拍的所有景物记录下来。那么我们能不能把这些图像拼接成一个大图呢？我们利用opencv就可以做到图像拼接的效果！比如我们有对这两张图进行拼接。从上面两张图可以看出，这两张图有比较多的重叠部分，这

https://blog.csdn.net/b695886658/article/details/80856080?utm_medium=distribute.pc_relevant.none-task-blog-2defaultbaidujs_baidulandingword~default-0.essearch_pc_relevant&spm=1001.2101.3001.4242.1找到图像1和图像2中最强的匹配点所在的位置通过映射矩阵变换，得到图像1的最强匹配点经过映射后投影到新图像上

SURF的构建流程是：构建Hessian矩阵、H矩阵判别式、构建尺度空间、精确定位特征点、主方向确定、特征点描述子生成、误匹配点剔除、融合图像、优化连接处的图像。下面是 博主抄袭别人改进的//zjy 2021.7.19 周五 SURF图像融合#include <iostream> #include <stdio.h> #include "opencv2/core.hpp" #include "opencv2/core/utility.hpp" #inclu

将图像拷贝到待合并图像的感兴趣区域#include<cv.h>#include<highgui.h>using namespace cv;int main(){ Mat image1=imread("1.jpg"); Mat image2=imread("2.jpg"); if (image1.empty() || image2.empty()) { printf("open error"); return

在做全景拼接的时候，为了保持图片中的空间约束与视觉的一致性，需要进行柱面投影，否则离中心图像距离越远的图像拼接后变形越大。柱面投影公式为这个是https://blog.csdn.net/zouxin_88/article/details/85167602的代码，rgb彩色的int main(){ cv::Mat image1 = cv::imread("images/1.jpg", 1); if (!image1.data) return 0; imshow("image1", imag

水平视角垂直视角概念，如下作图，指的是水平上，视野宽度，右图，是垂直方向上，视野高度。

https://zhuanlan.zhihu.com/p/58722618这其实也是一种Alpha融合，实际上上面的过程就是：leftImageWeight * leftImage + rightImageWeight * rightImage = OutputImage其中：leftImageWeight + rightImageWeight = 1

双目相机空间坐标重建.之直线投影（六）

双目相机空间坐标重建.拼接融合（五）// testOpenCV.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#pragma warning(disable : 4996)#include "stdafx.h"#include <iostream>#include <vector>#include <opencv2/opencv.hpp>#include <opencv2/xfeatures2d.hpp

双目相机空间坐标重建.图像畸变处理（四）cv::Mat Im0 = cv::imread(“E:\zcb_work\2113\pic\ch1\left11.jpg”, 0);if (Im0.empty())return -1;printf("++++ open image succesful +++\r\n");imshow(“image0”, Im0);double fx1 = 534.10766364;//mmdouble fy1 = 534.01052742;//mmdouble c

双目相机空间坐标重建.坐标重建（三）旋转，平移，坐标重建，拼接，融合。

双目相机空间坐标重建.一、小孔成像二、相机模型

平面在球面上的投影相机的，像素坐标，图像坐标，相机坐标，世界坐标如下示意图，是一个右手坐标系假设在世界坐标系有一个观察平面，和对应到相机坐标系，像素坐标的示意图。假定观察者垂直视角宽度为2β，水平视角宽度为2α，初始状态下P0,P1,P2,P3,P4各点坐标如下：用户需设置显示分辨率（水平分辨率/垂直分辨率），设置完分辨率后，可对世界坐标系中的点 构成的平面进行图像输出，为了求得整个平面上的坐标点在世界坐标系的坐标，需要对每一个坐标点进行换算，由于在cpu里，三角计算，乘法和除法相对于加减运算