- 博客(11)
- 资源 (2)
- 收藏
- 关注
RSS订阅转载 坐标系旋转变换公式图解
原文地址：http://blog.sina.com.cn/s/blog_3fd642cf0101cc8w.html impot的博客 物理大师Susskind 斯坦福讲狭义相对论课（新浪公开课，以下视频第27'31''左右）http://open.sina.com.cn/course/id_80/ 也会记错坐标系旋转变换公式。 而您一旦用以下这图解方法，随时眼见显然，再...
2018-03-27 16:01:34
4660
1
转载 坐标系的转换
如下图，我们会有下面的需求，在坐标系1中，绘出一个图像， 这个图形自身的坐标系是2， 它里面又绘出了3个图形自身坐标系的一些东西。这个变化过程如下图， 通过一个个的仿射变换矩阵完成变化。 一些相关基础知识：矩阵乘法2*2 矩阵 互相乘 参考： http://taop.marchtea.com/02.08.html简单来说，第一个矩阵取行， 第二个矩阵取列， 然后交叉相乘的和。 三角函数常见三...
2018-03-27 15:58:20
461
转载 二维坐标系的转换
二维坐标系的变换分为旋转变换和平移变换。一、旋转变换假设已知基坐标系XOY中的一点P（x，y），坐标原点为O，绕点O旋转θ，可以求得点P在新坐标系X'OY'中坐标值（x'，y'）,如下图所示：求解x'和y'的关键是坚持用已知的边做斜边来求解，结合上图利用三角函数可以求得：x'=x·cos(θ)+y·sin(θ)y'=y·cos(θ)-x·sin(θ)那么点P在X'OY'...
2018-03-27 15:16:57
26265
9
转载 Harris角点检测原理详解
http://blog.csdn.net/lwzkiller/article/details/54633670关于角点的应用在图像处理上比较广泛，如图像匹配(FPM特征点匹配)、相机标定等。网上也有很多博客对Harris角点检测原理进行描述，但基本上只是描述了算法流程，而其中相关细节并未作出解释，这里我想对有些地方做出补充说明，正所谓知其然知其所以然，如有不对，还望指正。关于角点的应用在图像处理上...
2018-03-22 10:16:02
586
转载 浅谈协方差矩阵
学过概率统计的孩子都知道，统计里最基本的概念就是样本的均值，方差，或者再加个标准差。首先我们给你一个含有n个样本的集合，依次给出这些概念的公式描述，这些高中学过数学的孩子都应该知道吧，一带而过。很显然，均值描述的是样本集合的中间点，它告诉我们的信息是很有限的，而标准差给我们描述的则是样本集合的各个样本点到均值的距离之平均。以这两个集合为例，[0，8，12，20]和[8，9，11，12]，两个集合的...
2018-03-20 10:35:26
463
转载 K-Means聚类算法的原理及实现
问题导读：1、如何理解K-Means算法？2、如何寻找K值及初始质心？3、如何应用K-Means算法处理数据？K-Means是聚类算法中的一种，其中K表示类别数，Means表示均值。顾名思义K-Means是一种通过均值对数据点进行聚类的算法。K-Means算法通过预先设定的K值及每个类别的初始质心对相似的数据点进行划分。并通过划分后的均值迭代优化获得最优的聚类结果。K值及初始质心K值是聚类结果中类...
2018-03-19 21:41:53
234
转载 四种聚类方法
聚类分析是一种重要的人类行为，早在孩提时代，一个人就通过不断改进下意识中的聚类模式来学会如何区分猫狗、动物植物。目前在许多领域都得到了广泛的研究和成功的应用，如用于模式识别、数据分析、图像处理、市场研究、客户分割、Web文档分类等[1]。 聚类就是按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地...
2018-03-19 20:47:24
12967
转载 LOG高斯-拉普拉斯算子
LOG算子：是高斯和拉普拉斯的双结合，即集平滑和边沿于一身的算子模型！注意这个模型跟前面的一个滤波器很相似，就是各向异性滤波器！只不过是各向异性滤波器是高斯一阶导函数，而LOG可以看做是二阶导函数！这两个模型来源最初都是因为求导导致模板对噪声干扰敏感性比较强！1、拉普拉斯算子的出发点在图像中，边缘可以看做是位于一阶导数较大的像素处，因此，我们可以求图像的一阶导数来确定图像的边缘，像sobel算子等...
2018-03-14 15:10:12
941
转载 边缘检测算法综述
背景引言本节主要介绍提取低层次特征信息的方要方法。在有些情形下，这些信息对理解图是足够的。但是，低层次特征提取函数的目的通常是为更高级分析提供信息。用于边界，角点和运动提取的方法，非常具有Robustness以及性能特久所必备的特性。基本概述低层次特征是不需要任何形状/空间关系的信息就可以从图像中自动提取的基本特征，如：常用地阈值方法就是作为点处理的一种低层次特征提方式。所有低层次方法都可以应用于...
2018-03-13 11:34:48
33967
2
转载 差分近似图像导数算子之Sobel算子
背景引言图像处理中，一个最基本并且最重要的卷积就是导数的计算，一般用来表达微分最常用的操作是Sobel算子，可以包含任意阶的微分以及融合偏导。主要用作为边缘检测。在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。本节介绍Sobel算子知识，给出参考代码以及测试输出结果。基本理论Sobel算子的原始推导过程方面很少，根...
2018-03-13 10:58:21
5100
转载 关于高斯滤波的一些理解
滤波算法简介 图像处理中，常用的滤波算法有均值滤波、中值滤波以及高斯滤波等。均值滤波使用模板内所有像素的平均值代替模板中心像素灰度值，这种方法易收到噪声的干扰，不能完全消除噪声，只能相对减弱噪声；中值滤波计算模板内所有像素中的中值，并用所计算出来的中值体改模板中心像素的灰度值，这种方法对噪声不是那么敏感，能够较好的消除椒盐噪声，但是容易导致图像的不连续性。高斯滤波对图像邻域内像素...
2018-03-08 10:50:11
4112
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人