科研
文章平均质量分 69
秋水寒tu_tu
学习之余,记录点滴心德,愿与大家多多交流
展开
-
opencv中的矩阵操作
有很多函数有mask,代表掩码,如果某位mask是0,那么对应的src的那一位就不计算,mask要和矩阵/ROI/的大小相等 大多数函数支持ROI,如果图像ROI被设置,那么只处理ROI部分 少部分函数支持COI,如果COI设置,只处理感兴趣的通道矩阵逻辑运算 void cvAnd(const CvArr* src1, const CvArr* src2, CvArr* dst转载 2014-08-18 15:24:30 · 559 阅读 · 0 评论 -
【OpenCV】基于Adaboost和Haar-like特征人脸识别
转载请注明出处:http://blog.csdn.net/xiaowei_cqu/article/details/7670703Paul Viola 和Miachael Jones等利用Adaboost算法构造了人脸检测器,称为Viola-Jones检测器,取得很好的效果。之后Rainer Lienhart和Jochen Maydt用对角特征,即Haar-like特征对检测器进行扩展。Op转载 2014-08-11 11:06:29 · 809 阅读 · 0 评论 -
sparse coding稀疏表达入门
最近在看sparse and redundant representations这本书,进度比较慢,不过力争看过的都懂,不把时间浪费掉。才看完了不到3页吧,书上基本给出了稀疏表达的概念以及传统的求法。我也用书中的例子来引入吧。1:矩阵A(n*m),其中n远远小于m,一副图片经过缩小或者模糊处理导致该图片所占用的空间变小了,此时用向量b来表示,A表示图片所经过的处理,X代表原图片,那么这个就转载 2014-08-08 15:25:33 · 679 阅读 · 0 评论 -
目标检测的图像特征提取之(一)HOG特征
1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员Dal转载 2014-08-11 10:38:42 · 915 阅读 · 0 评论 -
目标检测的图像特征提取之(二)LBP特征
LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子;它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen,和 D. Harwood 在1994年提出,用于纹理特征提取。而且,提取的特征是图像的局部的纹理特征; 1、LBP特征的描述 原始的LBP算子定义为在3*3的转载 2014-08-11 10:40:26 · 821 阅读 · 0 评论 -
Matlab程序 转C++/Opencv基于Mat 不可不知的17个函数
1、matlab中的imread相当于OpenCV中的cvLoadImage(imageName, CV_LOAD_IAMGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR):读出的图像信息保持了原有图像的信息(包括通道信息和位深信息);rgb2gray相当于cvLoadImage(imageName, CV_LOAD_IMAGE_GRAYSCALE):单通道灰度图转载 2014-08-14 15:20:09 · 1216 阅读 · 0 评论 -
目标检测的图像特征提取之(三)Haar特征
1、Haar-like特征 Haar-like特征最早是由Papageorgiou等应用于人脸表示,Viola和Jones在此基础上,使用3种类型4种形式的特征。Haar特征分为三类:边缘特征、线性特征、中心特征和对角线特征,组合成特征模板。特征模板内有白色和黑色两种矩形,并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。例转载 2014-08-11 10:43:11 · 588 阅读 · 0 评论 -
matlab中关于DCT,DFT和DWT的相关函数
1. 离散傅立叶变换的 Matlab 实现 Matlab 函数 fft、fft2 和 fftn 分别可以实现一维、二维和 N 维 DFT 算法;而函数 ifft、ifft2 和 ifftn 则用来计算反 DFT 。这些函数的调用格式如下: A=fft(X,N,DIM) 其中,X 表示输入图像;N 表示采样间隔点,如果 X 小于该数值,那么原创 2014-08-28 10:07:58 · 14368 阅读 · 1 评论 -
图像通道与深度的理解
正文字体大小:大 中 小深度和通道的理解 (2011-03-06 16:32:59)转载▼标签: 杂谈分类: 学习 •矩阵数据类型:– CV_(S|U|F)CS = 符号整型 U = 无符号整型 F = 浮点型E.g.:CV_8U转载 2014-04-07 16:01:37 · 1115 阅读 · 0 评论 -
学习<opencv> CascadeClassifier::detectMultiScale 各个参数作用
CascadeClassifier::detectMultiScale(const Mat& image, vector& objects, double scaleFactor=1.1,int minNeighbors, int flag)这里先将图像变成灰度图,对它应用直方图均衡化,做一些预处理的工作。接下来检测人脸,调用detectMultiScale函数,该函数在输入图像的原创 2014-04-03 20:03:07 · 10807 阅读 · 0 评论 -
关于PCA降维的理解
首先,简单的介绍下PCA:PCA即机器学习里面经提到的主成分分析(Principal Component Ayalysis),一般用来对高维数据进行压缩,提取低维特征。 首先我们看下面这幅图第一幅图,假设二维平面内的六个点,我们想要寻找一个一维空间,将二维空间的点投影在一维空间里,使得点与点之间的分离性最好。从图中可以看到最佳投影方向大概是45°角的方向。第二幅图是一些三维空间的点原创 2014-09-27 10:14:16 · 1685 阅读 · 0 评论