- 博客(10)
- 收藏
- 关注
RSS订阅原创 学习笔记 11 —【图像分割】
一、基本原理图割（Graph Cut）是将一个有向图分割成两个互不相交的集合，可以用来解决多种计算机视觉问题，诸如立体深度重建、图像拼接和图像分割等计算机视觉方面的不同问题。在图割的过程中，从图像像素和像素的近邻创建一个图并且引入一个代价函数。总而言之，图割的基本思想为：相似且彼此相近的像素应该划分到同一个区域。二、代码说明2.1 一个简单例子from pygraph.classes....
2019-06-11 15:29:45
678
原创 学习笔记 6 — 照相机标定
一、什么是照相机标定在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到，这个求解参数的过程就称之为相机标定（或摄像机标定）。二、张正友相机标定法张正友标定是指张正友教授1998年提出的单平面棋盘格的摄像机标定方法。本文中提出的方法介于...
2019-04-19 00:57:21
1209
原创 学习笔记 5 — 照相机模型与增强现实
一、姿态估计在上一篇博客中，我们提到了sift特征匹配中需要计算出两个图片平面间的单应性矩阵，该单应性矩阵将一副图像中标记物上的点映射到另外一副图像中的对应点。如果图像中包含平面状的标记物体，并且对照相机进行了标定，那么我们可以计算出照相机的姿态，包括旋转和平移。我们以书本为例：我们使用以下代码来提出两幅图像的SIFT特征，然后用RANSAC算法稳健地估计单应性矩阵：二、增强现实...
2019-04-15 02:59:35
343
原创 学习笔记 4 — 图像拼接【Image Panoramic Mosaic】
一、图像拼接概念 全景图像拼接是指将同一场景中具有重叠区域的多幅图像进行缝合,最后构成一幅宽视野大幅图像的图像处理过程,它在无人机连续图像拍摄监控、遥感图像信息处理、航空军事侦察、大面积城市广场管控等领域都有重要应用。、 首先以两幅图像的拼接入手,以SIFT(Scale Invariant Feature Transformation)为特征点主要研究特征点的快速匹配策略,再通过RANSA...
2019-03-31 22:46:38
2681
2
原创 学习笔记 3 — 图像仿射变换详解【含实例和代码解析】
一、基础的图像变化之前做过了Harris特征匹配和SIFT特征匹配的测试例子，如果要实现拼接，会涉及到一些基础的图像处理，简单的2D图像变换主要包括以下几种：1. 平移变换主要是水平方向和垂直方向地移动变换，2个自由度。2. 刚体变换刚体变换包含旋转和平移变换, 3个自由度，点与点之间的距离不变。就好像你扔了一把三角尺出去，不仅在位置上发生变化，也进行了一定角度的旋转。3. 相似变换...
2019-03-26 19:10:23
4975
原创 学习笔记 2.2— SIFT特征匹配详细原理+Python实现【含实例】
一. SIFT原理（尺度不变特征变换）SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，它对物体的尺度变化，刚体变换，光照强度和遮挡都具有较好的稳定性，可在图像中检测出关键点，是一种局部特征描述子。SIFT 算法被认为是图像匹配效果好的方法之 一算法实现特征匹配主要有三个流程：①特...
2019-03-20 07:40:46
18712
9
原创 学习笔记 2.1 — Harris角点检测与特征匹配【含实例】
一. 图像特征匹配最近刚入门了计算机视觉这门课程，觉得非常有意思，想象一下如果你能够自己做出一款全景拍照的软件，真实地令人激动，当然这全景图像其中的原理就是图像的特征匹配，把不同的图片通过相同的局部特征进行拼接，一张拼一张，最后进行一些平衡化处理后就可以得到全景图了。接下来我们就了解一下这其中的奥义。图像的局部特征主要分为以下几类：角点。Harris算子，SUSAN算子, FAST算子。...
2019-03-20 00:55:28
12939
4
原创 学习笔记 1 — Python的基础图像处理
介绍最近开始安装了Python+Opencv，准备开始学习计算机视觉啦，下面是一些简单的基础图像处理，安装软件就不在描述了，顺便会提到安装三方库的方法，大部分可以直接用pip命令安装，少部分pip不通的可以通过Github下载安装。下面介绍基础图像处理的一部分内容：图像的灰度化、转换图像格式图像轮廓和直方图直方图均衡化高斯滤波1. 图像灰度化、转换格式图像处理的基础之一是读取图像...
2019-03-06 19:29:22
626
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人