![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Computer Vision
chen_WM
强劲的执行力胜过百倍的畅想
展开
-
vector用法总结(定义,操作,方法,注意点)
前一篇日志中,我们记述了利用面向对象中的多态性实现画圆和画方形的操作。今天把其中的涉及到的知识点vector作一个总结,以作记忆。http://blog.163.com/zhoumhan_0351/blog/static/399542272010225104536463一、vector的基本概念vector是同一种类型的对象的集合,每个对象都有一个对应的整数索引值。和strin转载 2014-04-16 14:27:33 · 5375 阅读 · 0 评论 -
Kmeans K均值聚类,OpenCV实现
Clustering 聚类 kmeans Finds centers of clusters and groups input samples around the clusters.C++: double kmeans(InputArray data, int K, InputOutputArray bestLabels, TermCriteria crite原创 2014-08-21 20:23:42 · 5393 阅读 · 0 评论 -
聚类——混合高斯模型 Gaussian Mixture Model
机器学习的常用方法,主要分为有监督学习(supervised learning)和无监督学习(unsupervised learning)。监督学习,就是人们常说的分类,通过已有的训练样本(即已知数据以及其对应的输出)去训练得到一个最优模型(这个模型属于某个函数的集合,最优则表示在某个评价准则下是最佳的),再利用这个模型将所有的输入映射为相应的输出,对输出进行简单的判断从而实现分类的目的,也就转载 2014-08-11 09:49:28 · 6561 阅读 · 0 评论 -
A simple object classifier with Bag-of-Words using OpenCV 2.3
Published by Roy at 5:34 am undercode,opencv,programming,Recommended,Software,video,visionJust wanted to share of some code I've been writing.So I wanted to create a food classifier, for转载 2014-08-04 15:33:48 · 1880 阅读 · 0 评论 -
OpenCV中特征检测,提取与匹配使用方法学习
最近在学习OpenCV,一般看官方一边看书,发现自己原来用的很多接口早已被更新,分享一下学习心得体会,也希望大家可以不吝赐教! 首先看到在Mastering OpenCV with Practical Computer Vision Projects书中,特征点检测,特征点描述(特征提取),特征点匹配用了以下代码:[cpp] view plaincop转载 2014-08-04 15:30:19 · 6410 阅读 · 1 评论 -
SIFT和SURF,及OpenCV实现
共同点:SIFT/SURF为了实现不同图像中相同场景的匹配,主要包括三个步骤:1、尺度空间的建立;2、特征点的提取;3、利用特征点周围邻域的信息生成特征描述子4、特征点匹配。 从博客上看到一片文章,http://blog.csdn.net/cy513/archive/2009/08/05/4414352.aspx,这一段的大部分内容源于这篇文章,推荐大转载 2014-08-03 17:42:41 · 1760 阅读 · 0 评论 -
SIFT不变性分析
随着多媒体技术、计算机技术迅速发展,Internet上呈现大量的图像信息。图像中包含了很多的物体特性,其中颜色是非常重要的特征之一,颜色包含了图 像中更多有价值的识别信息。SIFT算法提取图像局部特征,成功应用于物体识别、图像检索等领域。该算法由DAVID G.L.于1999年提出[1],并于2004年进行了发展和完善[2],MIKOLAJCZYK[3]对多种描述子进行实验分析,结果证实了SI转载 2014-08-04 08:17:20 · 7349 阅读 · 0 评论 -
颜色特征描述子的SIFT/SURF
前面两讲中主要是针对SIFT和SURF做了一些介绍。他们的检测子比较稳定,描述子比较鲁棒,好像非常棒的样子。但是有一点非常遗憾,就是他们在对图像进行处理的过程中,都把图像转化为灰度图像进行处理,这样就丢失了颜色信息。而颜色,本身提供了很大的信息量,丢失了特别可惜。很多人可能就会想,如何在描述子中加入颜色信息。在这一讲中,我们就重点介绍一下改进的SIFT/SURF的Color Descripto转载 2014-08-03 17:09:56 · 6136 阅读 · 0 评论 -
关于局部特征介绍
所谓局部特征,顾名思义就是一些局部才会出现的特征,这个局部,就是指一些能够稳定出现并且具有良好的可区分性的一些点了。原创 2014-08-03 17:16:09 · 1617 阅读 · 0 评论 -
单目摄像机标定原理(针孔模型)
a) 图像平面坐标系统与图像坐标系的关系如下图所示:用齐次方程表示如下:b) 摄像机坐标与图像平面坐标(x. y)的变换关系原创 2014-06-25 16:04:41 · 3395 阅读 · 0 评论 -
概率统计相关基础知识
概率编辑[gài lǜ] 概率,又称或然率、机会率、机率或可能性,是概率论的基本概念。概率是对随机事件发生的可能性的度量,一般以一个在0到1之间的实数表示一个事件发生的可能性大小。越接近1,该事件更可能发生;越接近0,则该事件更不可能发生。人们常说某人有百分之多少的把握能通过这次考试,某件事发生的可能性是多少,这都是概率的实例。转载 2014-08-18 20:45:34 · 2981 阅读 · 0 评论