sherry_gp的博客

目    录  1.初始化矩阵：. 12.IplImage 到cvMat的转换. 13.cvArr(IplImage或者cvMat)转化为cvMat 14.图像直接操作. 25.cvMat的直接操作. 36.间接访问cvMat 47.修改矩阵的形状——cvReshape的操作. 58.计算色

OpenCV成长之路（特征点检测与图像匹配） 原文出处： Ronny 的博客（@RonnyYoung）   特征点又称兴趣点、关键点，它是在图像中突出且具有代表意义的一些点，通过这些点我们可以用来识别图像、进行图像配准、进行3D重建等。本文主要介绍OpenCV中几种定位与表示关键点的函数。一、Harris角点角点是图像中最基本的一种关键点，它

转自：http://blog.csdn.net/crzy_sparrow/article/details/7392345     看了harris角点检测之后，开始研究SURF角点检测，发现挺复杂的，一时也只了解了大概，把了解的东西总结下，以便下次深入学习。     SURF角点检测算法是对SIFT的一种改进，主要体现在速度上，效率更高。它和SIFT的主要区别是图像多尺

转自：http://www.cnblogs.com/tornadomeet/archive/2012/08/17/2644903.html在上篇博客特征点检测学习_1(sift算法) 中简单介绍了经典的sift算法，sift算法比较稳定，检测到的特征点也比较多，其最大的确定是计算复杂度较高。后面有不少学者对其进行了改进，其中比较出名的就是本文要介绍的surf算法，surf的中文