浮城大亨的专栏

【转自】http://www.zhizhihu.com/html/y2010/1130.html共生矩阵用两个位置的象素的联合概率密度来定义，它不仅反映亮度的分布特性，也反映具有同样亮度或接近亮度的象素之间的位置分布特性，是有关图象亮度变化的二阶统计特征。它是定义一组纹理特征的基础。     一幅图象的灰度共生矩阵能反映出图象灰度关于方向、相邻间隔、变化幅度的综合信息，它是分析图象

【转自】http://www.zhizhihu.com/html/y2010/2146.html最近自己混淆了好多概念，一边弄明白的同时，也做了一些记录，分享一下。最近又发现了一个好同学的博客，很详细的讲了SIFT想要得知图像中哪些是有意义的，必须先要明确这样一个问题：在一幅图像中，只有在一定的尺度范围内，一个物体才有意义。举一个例子，树枝这个概念，只有在几厘米到几米的距离去观察它

“像素”是相机感光器件上的感光最小单位。就像是光学相机的感光胶片的银粒一样，记忆在数码相机的“胶片”（存储卡）上的感光点就是像素；要想得到分辨率高（也就是细腻的照片），就必须保证有一定的像素数；是不是像素高的相机拍出的照片就一定比像素低的相机拍出的照片清晰呢？这首先要弄清一个概念，照片的清晰度不是取决于像素数，而是取决于像素的“点密度”（就是图片的分辨率）（用ppi表示，单位是“像素/英寸”），“

【转自博客园】http://www.cnblogs.com/LeftNotEasy/archive/2011/05/02/basic-of-svm.html版权声明：    本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com

【转自】http://blog.sina.com.cn/s/blog_60707c0f0100xkwf.html支持向量机即Support Vector Machine，SVM 实际上是一个分类器，一直被认为是效果最好的现成可用的分类算法之一。目前，SVM算法在很多领域都有应用。例如，在模式识别方面，对于手写数字识别、语音识别、人脸图像识别、文章分类等问题，SVM算法在精度上已

HOG descriptors 是应用在计算机视觉和图像处理领域，用于目标检测的特征描述器。这项技术是用来计算局部图像梯度的方向信息的统计值。这种方法跟边缘方向直方图（edge orientation histograms）、尺度不变特征变换（scale-invariant feature transform descriptors） 以及形状上下文方法（ shape contexts）有很多相似

【转自CSDN】http://blog.csdn.net/carson2005/article/details/6601109以下链接是本人整理的关于计算机视觉（ComputerVision, CV）相关领域的网站链接，其中有CV牛人的主页，CV研究小组的主页，CV领域的paper,代码，CV领域的最新动态，国内的应用情况等等。打算从事这个行业或者刚入门的朋友可以多关注这些网站，多了解一些

最近要做图像特征提取，可能要用下HOG特征，所以研究了下OpenCV的HOG描述子。OpenCV中的HOG特征提取功能使用了HOGDescriptor这个类来进行封装，其中也有现成的行人检测的接口。然而，无论是OpenCV官方说明文档还是各个中英文网站目前都没有这个类的使用说明，所以在这里把研究的部分心得分享一下。      首先我们进入HOGDescriptor所在的头文件，看看它的构造函数

OpenCV(EmguCV)2.1新特性介绍之图像分割GrabCut(GrabCut Of OpenCV 2.1)作者：王先荣    前不久OpenCV和EmguCV相继发布了2.1版，增加了一些新的特性，本文关注的是其中的图像分割部分——GrabCut。GrabCut主要用于图像编辑中的抠图，作用跟Photoshop中的魔法棒、套索类似，但是更加强大。由于没有Gr

IplImage* rotateImage(IplImage* src, int angle, bool clockwise)//src代表源图像  angle旋转角度     clockwise旋转方向 {    angle = abs(angle) % 180;//保证旋转角度不大于180度    if (angle > 90)    {        angle = 90

【转自】http://blog.sciencenet.cn/blog-722391-581635.html做机器视觉和图像处理方面的研究工作，最重要的两个问题：其一是要把握住国际上最前沿的内容；其二是所作工作要具备很高的实用背景。解决第一个问题的办法就是找出这个方向公认最高成就的几个超级专家(看看他们都在作什么)和最权威的出版物(阅读上面最新的文献)，解决第二个问题的办法是你最好能够找到一