图像基本概念
JF_Ma
好好学习,不断进步
展开
-
图形中的三种常见距离
1.欧氏距离 2.城市街区距离 3.棋盘距离1:欧氏距离是最直观的距离,D的平方=(x1-x2)(x1-x2)+(y1-y2)(y1-y2);2.城市街区距离:D=|x1-x2|+|y1-y2|;3.棋盘距离:D=MAX{|x1-x2|,|y1-y2|};原创 2015-09-09 17:29:28 · 18417 阅读 · 3 评论 -
BRISK特征提取算法
简介BRISK算法是2011年ICCV上《BRISK:Binary Robust Invariant Scalable Keypoints》文章中,提出来的一种特征提取算法,也是一种二进制的特征描述算子。它具有较好的旋转不变性、尺度不变性,较好的鲁棒性。在图像配准应用中,速度比较:SIFT>SURF>BRISK>FREAK>ORB,在对有较大模糊的图像配准时,BRISK算法在其中表现最为出色。转载 2016-05-05 09:39:57 · 4033 阅读 · 0 评论 -
图像中添加高斯噪声
// addnoise.cpp : Defines the entry point for the console application. //From GGbondg#include "stdafx.h"#define EXTRA_NAME "$Gaussiannoise."#include "loadbmp.h"#define U 20 //高斯分布的均值#define D 30 /转载 2016-05-11 11:50:10 · 2230 阅读 · 0 评论 -
运动结构重构
运动结构重建(structure from motion, SfM)是计算机视觉领域里的经典问题,经过几十年的发展,已经形成了比较完备的理论体系。其研究内容涉及到特征匹配、特征跟踪、摄像机内参标定、摄像机外参标定以及各种鲁棒性方法等。在运动结构重建的研究工作中,先前的研究者已经取得了很多研究成果,这些成果构建出了现在的运动结构重建的理论框架。 运动结构重建发展分为三个阶段。第一阶段是在90年代,这转载 2016-05-24 11:39:09 · 1260 阅读 · 0 评论 -
奇异值分解的几何原理
转载地址http://blog.sciencenet.cn/home.php?mod=space&uid=696950&do=blog&quickforward=1&id=699380转载 2016-03-13 17:01:20 · 752 阅读 · 0 评论 -
Adaboost 算法的原理与推导
Adaboost 算法的原理与推导0 引言 一直想写Adaboost来着,但迟迟未能动笔。其算法思想虽然简单“听取多人意见,最后综合决策”,但一般书上对其算法的流程描述实在是过于晦涩。昨日11月1日下午,邹博在我组织的机器学习班第8次课上讲决策树与Adaboost,其中,Adaboost讲得酣畅淋漓,讲完后,我知道,可以写本篇博客了。 无心啰嗦,本文转载 2015-10-12 21:40:16 · 419 阅读 · 0 评论 -
小学知识三角函数和差化积
基础梳理 1.两角和与差的正弦、余弦和正切公式 (1)cos(α+β)=cosαcosβ-sinαsinβ cos(α-β)=cosαcosβ+sinαsinβ (2)sin(α+β)=sinαcosβ+cosαsinβ sin(α-β)=sinαcosβ-cosαsinβ tan(α+β)=(tanα+tanβ)/(1-tanαtanβ)原创 2015-09-22 20:50:18 · 862 阅读 · 0 评论 -
Harr-Like特征与积分图
1、Haar-like特征 直白的说,就是一个矩形框,如下 Harr-like特征值就是上图每个矩形框的白色区域的面积减去黑色区域的面积这时候有人会问两个问题: 1.这个矩形区域有多大? 2.这个矩形区域的位置在哪?对于第一个问题: 这个矩形区域的大小可以任意变化,在特定的应用中有特定的要求。对于第二个问题: 这个矩形区域中心的位置一般情况下是由图像的左上角开始依次遍历整幅图像。也就是说原创 2015-10-10 22:47:36 · 1131 阅读 · 0 评论 -
梯度下降算法
梯度下降算法是一种简单的逐步逼近算法想象一下,对于一个简单的函数 梯度 1、相关概念 假如一个空间中的每一点的属性都可以以一个向量来代表的话,那么这个场就是一个向量场 标量场中某一点上的梯度指向标量场增长最快的方向,梯度的长度是这个最大的变化率。 梯度一词有时用于斜度,也就是一个曲面沿着给定方向的倾斜程度。 2、计算 梯度记为: (∂ϕ∂x,∂ϕ∂y,∂ϕ∂z)\begin{pmat原创 2015-10-23 17:20:59 · 432 阅读 · 0 评论 -
仿射变换公式推导
1.有图可得旋转可由公式 x1=x2cosa-y2sina; y1=x2sina+y2cosa;2.对于平移 x1=x2+k1; y1=y2+k2;3.对于缩放 x1=t1*x2; y1=t2*y2;综合以上三种变换,可得仿射变换为x1=t1*x2*cosa+t2*y2*sina+k1;y1=t2*x2*sina+t2*y2*cosa+k2;化简后:x1=x2*a+y2*b+k1;原创 2015-09-15 20:40:16 · 10814 阅读 · 1 评论 -
各种旋转表示方法
三维旋转矩阵的计算 旋转矩阵(Rotation matrix)是在乘以一个向量的时候有改变向量的方向但不改变大小的效果的矩阵。旋转矩阵不包括反演,它可以把右手坐标系改变成左手坐标系或反之。所有旋转加上反演形成了正交矩阵的集合。 在三维空间中,旋转变换是最基本的变换类型之一,有多种描述方式,如Euler角、旋转矩阵、旋转轴/旋转角度、四元数等。本文将介绍各种描述方式以及它们之间的转换。旋转矩阵原创 2015-09-15 16:38:05 · 4352 阅读 · 0 评论 -
计算机视觉、机器学习等开源库网站链接
http://rogerioferis.com/VisualRecognitionAndSearch2014/Resources.html http://www.cnblogs.com/einyboy/p/3594432.html持续跟新可以看看这个 http://blog.csdn.net/workerwu/article/details/46537849场景识别: SegNet: A De原创 2016-05-08 11:05:08 · 924 阅读 · 1 评论