OpenCV
Kenny_SI
He is studying for a master's degree of computer science and technology, School of computer Science and Communication Engineering, Jiangsu University. 那些你渴望拥有的成功或美好,都需要你日复一日地克服懒惰去争取!
展开
-
Fast算法
FAST(全称Features from accelerated segment test)是一种用于角点检测的算法,该算法的原理是取图像中检测点,以该点为圆心的周围邻域内像素点判断检测点是否为角点,通俗讲就是若一个像素周围有一定数量的像素与该点像素值不同,则认为其为角点。FAST算法的基本流程:...原创 2021-03-01 19:48:14 · 474 阅读 · 0 评论 -
SIFT与SURF算法比较
SIFT在图像的不变特征提取方面拥有无与伦比的优势,但并不完美,仍然存在实时性不高,有时特征点较少,对边缘光滑的目标无法准确提取特征点等缺陷,自SIFT算法问世以来,人们就一直对其进行优化和改进,其中最著名的就是SURF算法。SURF算法是SIFT算法的增强版,它的计算量小,运算速度快,提取的特征与SIFT几乎相同,将其与SIFT算法对比如下:...原创 2021-03-01 12:54:52 · 1558 阅读 · 0 评论 -
OpenCV角点特征提取
Harris算法:思想:通过图像的局部小窗口观察图像,角点的特征是窗口沿任意方向移动都会导致图像灰度的明显变化。API:cv.cornerHarris()Shi-Tomasi算法:对Harris算法的改进,能够更好地检测角点API:cv2.goodFeatureToTrack()...原创 2021-03-01 12:37:51 · 352 阅读 · 0 评论 -
模板匹配
模板匹配所谓的模板匹配,就是在给定的图片中查找和模板最相似的区域,该算法的输入包括模板和图片,整个任务的思路就是按照滑窗的思路不断的移动模板图片,计算其与图像中对应区域的匹配度,最终将匹配度最高的区域选择为最终的结果。拓展︰模板匹配不适用于尺度变换,视角变换后的图像,这时我们就要使用关键点匹配算法,比较经典的关键点检测算法包括SIFT和SURF等,主要的思路是首先通过关键点检测算法获取模板和测试图片中的关键点﹔然后使用关键点匹配算法处理即可,这些关键点可以很好的处理尺度变化、视角变换、旋转变化、原创 2021-03-01 10:11:35 · 706 阅读 · 0 评论 -
边缘检测算子比较
边缘检测算子优缺点比较Roberts:对于具有陡峭的低噪声的图像处理效果比较好,但利用Roberts算子提取边缘的结果是边缘比较粗,因此边缘定位不是很准确。Sobel:对灰度渐变和噪声较多的图像处理效果比较好,Sobel算子对边缘定位比较准确。Kirsch:对灰度渐变和噪声较多的图像处理效果较好。Prewitt:对灰度渐变和噪声较多的图像处理效果较好。Laplacian:对图像中的越阶性边缘点定位准确,对噪声非常敏感,丢失一部分边缘的方向信息,造成一些不连续的检测边缘。原创 2021-02-28 21:33:24 · 2380 阅读 · 0 评论