2016年12月_currywhm

原创 OpenCV学习笔记（十八） SIFT特征

SIFT特征：SIFT是目前应用最广泛的关键检测和描述算法。关键点描述也称特征点描述，SIFT特征提取充分利用了图像局部信息。主要包含了四个步骤：疑似特征点检测，去除伪关键点，关键点梯度和方向匹配及特征向量生成。OpenCV中提供了sift特征描述及提取的类siftFeatureDetector，应用:ocv:class:SIFT来封装用于计算特征描述的子类，该类继承特征描述基类Des

2016-12-30 20:30:29 1115

原创 OpenCV学习笔记（十七）模板匹配

我的目的就是选取图像中的指示灯，识别那种功能的指示灯亮了，进而知道那种功能打开了。模板匹配：模板匹配是傻瓜似的识别，从一副图像中寻找与模板图像相似部分的技术。模板匹配由matchTemplate()函数完成。介绍两个函数，matchTemplate()和minMaxLoc()函数：void matchTemplate(InputArray image, InputArray t

2016-12-29 16:48:48 1112

原创 OpenCV学习笔记（十六）角点检测

角点检测：moravec角点，harris角点，Shi-Tomasi角点

2016-12-27 17:59:54 4385

原创 OpenCV学习笔记（十五）形状检测

1 轮廓检测图像目标中的形状检测是图像识别的重要的技术之一，对物体进行检测并提取，首先要做的就是提取物体的轮廓信息，然后在通过点集特征选择相应的算法进行处理，最后得到物体的形状信息。轮廓形状是我们看到物体最开始的印象，轮廓提取的原理是通过对图像进行二值化，利用边缘点连接的层次差别，提取位于数结构特征高的区域点集构成的集合，这部分最可能是物体的轮廓。主要用到的函数findContours()

2016-12-16 10:48:00 21602 1

原创 OpenCV学习笔记（十四）圆检测技术

圆检测技术：圆检测技术目前用处还是特别的广泛的，锅炉、管道等类似的情况，我们不能切开或者打孔去测试流量，温度等参数。这是我们可以在管道上画一个圆，用摄像机去检测圆中心，进而测试出我们需要的信息。对于一个圆，就需要用三个参数来确定。使用Hough梯度法的依据是圆心一定出现在圆上的每个点的模向量上，圆上点的模向量的交点就是圆心的所在位置。Hough梯度法的第一步就是找到这些圆心，这样三维的累加

2016-12-15 20:54:12 16346 7

原创 OpenCV学习笔记（十三）边缘检测

边缘检测：边缘检测算子有很多，Sobel、Laplace、Prewitt、Canny、Marr-Hildresh。Sobel算子：Sobel算子是主要用于边缘检测的离散微分算子，它结合了高斯平滑和微分求导，用于计算图像灰度函数的近似梯度。void Sobel(InputArray src, OutputArray dst, int ddepth, int xorder, int

2016-12-15 11:05:44 4965 3

转载 OpenCV学习大集锦

整理了我所了解的有关OpenCV的学习笔记、原理分析、使用例程等相关的博文。排序不分先后，随机整理的。如果有好的资源，也欢迎介绍和分享。1：OpenCV学习笔记作者：CSDN数量：55篇博文网址：http://blog.csdn.NET/column/details/opencv-manual.html2：部分OpenCV的函数解读和原理解读作者：梦想腾飞数量：

2016-12-13 15:53:45 671

原创 OpenCV学习笔记（十二）旋转文本矫正

旋转文本矫正：图像文本旋转通常在仿射变换时获取图像的倾斜角度，利用傅里叶变换中的时域与频域的变换关系，实现旋转文本的校正。旋转文本的特征明显就是存在分行间隔，当文本图像旋转时，其频域中的频谱也会随之旋转。根据这一特征来计算文本图像的DFT变换，DFT变换的结果是低频位于边界四角，高频集中在中心区域，将低频和高频互换，实现中心的移动，进而可以看到文本图像的频谱有明显的倾斜直线，再通过计算倾斜

2016-12-13 13:47:49 13794 12

原创 OpenCV学习笔记（十一）图像导向滤波

图像导向滤波：导向滤波不仅仅能实现双边滤波的边缘平滑，而且在检测到边缘附近有很好的表现，可以应用在图像增强，HDR压缩，图像抠图及图像去雾等场景中。直接看实现吧：#include #include #include using namespace cv;using namespace std;double generateGaussianNoise(double mu, doub

2016-12-12 21:08:11 1176

原创 OpenCV学习笔记（十）双边滤波

双边滤波：双边滤波是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折中处理，同时考虑空域信息和灰度相似性，达到保留图像的同时削弱噪声的效果。函数bilateralFilter(InputArray src , OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType=BORDE

2016-12-12 18:43:21 6214

原创 OpenCV学习笔记（九）谈谈中值滤波无效性

谈谈中值滤波无效性：不谈线性滤波，实用性不大，基本没用。中值滤波的简单在于选择灰度值的中值来替代该像素点的灰度值，该方法去除椒盐噪声，还勉强可以。但对绝大部分图像来说，不合适。但是比起线性滤波来说，优势还是蛮大的。单单从消除噪声来说和保边来说，更胜一筹。但是对于细节图像来说，就显得捉襟见肘了。这也是在处理细节图像上，不建议使用中值滤波的原因。下面就验证一下，先生成高斯噪声，用中值滤

2016-12-12 16:47:58 952

原创 OpenCV学习笔记（八）高斯噪声

高斯噪声：高斯噪声是指概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声包括热噪声和散粒噪声。图像添加高斯噪声:#include #include #include #include #include #include using namespace cv;using nam

2016-12-11 15:40:29 9927 2

原创 OpenCV学习笔记（七）椒盐噪声

图像噪声：图像噪声是图像在获取或者传输过程中受到随机信号干扰，妨碍人们对图像理解及分析处理的信号。很多时候将图像看作随机过程，因而描述噪声的方法完全可以借用随机过程的描述，即使用其概率分布函数和概率密度分布函数。图像噪声的产生来自图像获取中的环境条件和传感元器件自身的质量，图像在传输过程中产生图像噪声的主要因素是所用的传输信道受到噪声污染。椒盐噪声：椒盐噪声是数字图像中的常见噪声，一般

2016-12-11 10:26:18 6507

原创 OpenCV学习笔记（六）离散傅里叶变换

离散傅里叶变换：傅里叶变换将讲时域信号分解为不同频率的正弦信号或余弦信号叠加之和，时域分析只能反映信号的幅值随时间变化得情况，除单频率分量的简谐波外，很难对信息频率的组成及各频率分量的大小进行详细分析，而信号频谱分析提供了比时域信号波形更直观、更丰富的信息。在实际的图像处理中，我们仅仅使用了图像幅度信息，因为幅度图像半酣了我们需要的原图像几乎所有的几何信息。然和，如果你想通过修改幅度图像或者相

2016-12-10 16:58:31 1151

原创 OpenCV学习笔记（五）图像掩码操作

图像掩码操作图像的掩码操作是指通过掩码核算子重新计算图像中各个像素的值，掩码核算子刻画领域像素点对新像素值得影响程度，同时根据掩码算子中权重因子对像素点进行加权平均。图像掩码操作常用于图像平滑、边缘检测、特征分析等区域。OpenCV中提供了filter2D函数专门应用于计算图像卷积的操作。filter2D(InputArray src,OutputArray dst,InputArra

2016-12-10 13:50:52 6107 1

原创 OpenCV学习笔记（四）插值性能对比(resize)

插值性能对比(resize)OpenCV中提供的resize函数可以实现图像大小变换，默认插值方法为双线性插值。resize(ImputArray src,OutputArray dst,Size dsize,double fx=0,double fy=0,int interpolation=INTER_LINEAR);实现图像尺寸大小变换功能。参数dsize表示表示输出图像的尺寸，如

2016-12-09 20:40:53 16512

翻译 OpenCV 学习笔记之Mat类讲解

译文参考The OpenCV Reference Manual （Release 2.3）August 17 2011Mat类OpenCV c + + n 维稠密数组类class CV_EXPORTS Mat{public：/ / … …很多的方法....../*!包括几位字段：-神奇的签名-连续性标志-深度（

2016-12-08 10:58:00 4726

原创 OpenCV学习笔记（三）之投影峰谷查找

投影峰谷查找：图像的投影特征是分析图像中目标灰度变化规律的重要技术之一，一般是通过计算图像的X或Y轴的投影曲线，来分析其波峰波谷分布特征以实现目标分析，该技术常用于图像分割、字符检测及提取及文本分类等情况。对于投影曲线而言，波峰/波谷通常存在于曲线的极值点出，即图像变化为零的点。从离散曲线特征来看，波峰点是图像的局部最大值点，波谷点是图像的局部最小值点。波峰波谷的计算不能简单通过投影点前后大小

2016-12-07 21:44:53 6788

原创 OpenCV学习笔记（二）之最大熵阈值分割

一、计算图像的直方图1.概念及原理(1)直方图是一个简单的表，它给出了一幅图像或一组图像中拥有给定数值的像素数量。例如灰度图像的直方图有265个条目(或称为容器)。0号容器给出值为0的像素个数，1号容器给出值为1的像素个数，依次类推。显然对直方图的所有项求和会得到像素的总数。直方图也可以被归一化，归一化后的所有项之和等于1，在这种情况下，每一项给出的都是拥有特定数值的像素在图像中占

2016-12-07 21:34:06 6594 1

原创 OpenCV学习笔记（一）之灰度级分层

灰度级分层是为了更好地提取图像某些区域灰度的亮度特征，常常应用于修复某些场景下造成的图像质量缺陷。常用的分成方法有两种：将待提取的感兴趣区域的灰度值映射为同一值，其他不感兴趣的映射成另一值。最终的输出图像为二值图像。将待提取的感兴趣区域映射变大或者变小，其他不感兴趣的灰度值保持不变，最终输出图像仍是灰度图像。灰度级分层实现代码：#include #include #in

2016-12-06 15:42:55 5842

原创 OpenCV学习笔记（一）对比度拉伸

分段线性是线性变换的分段形式，分段线性中的各个函数是任意设定的。分段线性能够实现对图像某些区域的特定分析，常用于图像增强中。最简单的就是对比度拉伸。对比度拉伸技术是通过扩展图像灰度级动态范围来实现的，它可以扩展对应的全部灰度范围。提高图像的对比度可以增强图像各个区域的对比效果，对图像感兴趣的部分进行增强，而对图像不感兴趣的部分进行抑制，对比度拉伸是重要的技术之一。分段的灰度

2016-12-06 14:27:42 17161 2

原创 OpenCV学习笔记（一）对数变换

关于对数变换，目的就是将输入图像中较窄的低灰度值映射到输出图像较宽的灰度值。s=log(1+r);在程序中使用add(InputArray src1, InputArray src2, OutputArray dst, InputArray mask=noArray(), int dtype=-1)要实现r+1：add(InputImage,Scalar(1.0),OutputImag

2016-12-06 09:27:51 10773

原创 OpenCV学习笔记（一）线性变换

关于图像线性变换技术———灰度线性变换。g(x,y)=a*f(x,y)+b |a|0：图像的亮度增加；|b|#include #include #include #include using namespace cv;using namespace std;// 图像线性变换Mat linearTransform(Mat srcImage, float a

2016-12-05 21:33:09 1867 2

spw_1201的博客