计算机视觉
Yangshengming_zZ
这个作者很懒,什么都没留下…
展开
-
Python计算机视觉第九章 图像分割
图像分割1 图割(Graph Cut)1.1 从图像创建图图像分割是将一幅图像分割成有意义区域的过程。区域可以是图像的前景与背景或图像中一些单独的对象。这些区域可以利用一些诸如颜色、边界或近邻相似性等特征进行构建。本章中,我们将看到一些不同的分割技术。1 图割(Graph Cut)图论中的图(graph)是由若干节点(有时也称为顶点)和连接节点的边构成的集合。下图给出了一个示例。边可以是有向的或无向的,并且这些可能有与它们相关联的权重。图割是将一个有向图分隔成两个互不相交的集合,可以用来解决很多计原创 2020-09-06 08:53:54 · 1469 阅读 · 0 评论 -
Python计算机视觉编程第八章 图像内容分类
图像内容分类1 K邻近分类器(KNN)1.1 一个简单的二维示例本章介绍图像分类和图像内容分类算法。首先,我们介绍一些简单而有效的方法和目前一些性能最好的分类器,并应用他们解决两类和多分类问题,最后展示两个用于手势识别和目标识别的应用实例。1 K邻近分类器(KNN)在分类算法中,最简单且用的最多的一种方法之一就是KNN(K-Nearset Neighbor,K邻近分类法),这种算法把要分类的对象(例如一个特征向量)与训练集中已知类标记的所有对象进行对比,并由k近邻对指派到哪个类进行投票。这种方法通常分原创 2020-08-20 16:01:53 · 573 阅读 · 0 评论 -
Python计算机视觉编程第七章 图像搜索
图像搜索1 基于内容的图像检索2 视觉单词本章将展示如何利用文本挖掘技术对基于图像视觉内容进行图像搜索。本章阐明了提出利用视觉单词的基本思想,并解释了完整的安装细节,还在一个示例数据集上进行了测试。1 基于内容的图像检索在大型数据库上,CBIR(Content-Based Image Retrieval,基于内容的图像检索)技术用于检索在视觉上具有相似性的图像。这样返回的图像可以是颜色相似,纹理相似,图像中的物体或场景相似;总之,基本上可以是这些图像自身共有的任何信息。对于高层查询,比如寻找相似的物原创 2020-08-15 16:41:25 · 929 阅读 · 0 评论 -
Python计算机视觉编程第六章 图像聚类
图像聚类1 K-means聚类1.1 Scipy聚类包1.2 图像聚类1.3 在主成分上可视化图像1.4 像素聚类2 层次聚类3 谱聚类本章将介绍几种聚类方法,并展示如何利用他们对图像进行聚类,从而寻找相似的图像组。聚类可以用于识别、划分图像数据集,组织和导航。此外,我们还会对聚类后的图像进行相似性可视化。1 K-means聚类K-means是一种将输入数据划分成k个簇的简单聚类算法。K-means反复提炼初始评估的类中心,步骤如下:1)以随机或猜测的方式初始化类中心μi\mu_iμi,i=1…k原创 2020-08-13 12:33:03 · 1402 阅读 · 1 评论 -
Python计算机视觉编程第五章 多视图几何
多视图几何1 外极集合本章讲解如何处理多个视图,以及如何利用多个视图的集合关系来恢复照相机位置信息和三维结构。通过在不同视点拍摄的图像,我们可以利用特征匹配来计算出三维场景点以及照相机位置。本章会介绍一些基本的方法,展示一个三维重建的完整例子;本章最后将介绍如何由立体图像进行致密深度重建。1 外极集合多视图几何是利用在不同视点所拍摄图像间的关系,来研究照相机之间或者特征之间关系的一门学科。图像的特征通常是兴趣点,本章使用的也是兴趣点特征,多视图几何中最重要的内容是双视图几何。...原创 2020-08-09 10:43:49 · 811 阅读 · 0 评论 -
Python计算机视觉编程第四章 照相机模型与增强现实
照相机模型与增强现实1 针孔照相机模型1.1 照相机矩阵1.2 三维点的投影1.3 照相机矩阵的分解1.4 照相机中心2 照相机标定3 以平面和标记物进行姿态估计4 增强现实4.1 PyGame和PyOpenGL4.2 从照相机矩阵到OpenGL格式4.5 在图像中放置虚拟物体本章中,我们将尝试对照相机进行建模,并有效地使用这些模型。在之前的章节里,我们已经讲述了图像到图像这件的映射和变换。为了处理三维图像和平面图像之间的映射,我们需要在映射中加入部分照相机产生图像过程的投影特性。本章中我们将会讲述如何确原创 2020-07-30 16:22:45 · 1351 阅读 · 0 评论 -
Python计算机视觉编程第三章 图像到图像的映射
图像到图像的映射1 单应性变换1.1 直接线性变换算法1.2 仿射变换2 图像扭曲2.1 图像中的图像2.2 图像配准3 创建全景图3.1 RANSAC3.2 稳健的单应性矩阵估计3.3 拼接图像本章讲解图像之间的变换,以及一些计算变换的实用方法。这些变换可以用于图像扭曲变形和图像配准,最后,我们将会介绍一个自动创建全景图像的例子。1 单应性变换单应性变换是将一个平面内的点映射到另一个平面内的二维投影变换。在这里,平面是指图像或者三维中的平面表示。单应性变换具有很强的实用性,比如图像配准,图像纠正和纹原创 2020-07-27 17:08:28 · 887 阅读 · 0 评论 -
Python计算机视觉编程第二章 局部图像描述子
局部图像描述子1 Harris角点检测2 SIFT(尺度不变特征变换)2.1 兴趣点2.2 描述子2.3 检测兴趣点这一章节旨在寻找图像间的对应点和对应区域。本章将介绍用于图像匹配的两种局部描述子算法。1 Harris角点检测Harris角点检测算法(也称Harris&Stephens角点检测器)是一个极为简单的交点检测算法。该算法的主要思想是,如果像素周围显示存在多于一个方向的边,我们认为该点为兴趣点。该点就称为角点。我们把图像域中点x上的对称半正定矩阵MI=MI(x)定义为:MI=∇I∇原创 2020-07-23 17:32:14 · 830 阅读 · 0 评论 -
Python计算机视觉编程第一章 基本的图像操作与处理
基本的图像操作与处理1 PIL:Python图像处理类库1.1 转换图像格式1.2 创建缩略图1.3 复制和粘贴图像区域1.4 调整尺寸和旋转2 Matplotlib2.1 绘制图像、点和线2.2 图像轮廓和直方图2.3 交互式标注3 Numpy3.1 图像数组表示3.2 灰度变换3.3 直方图均衡化3.4 图像的主成分分析(PCA)3.5 使用pickle模块4 Scipy4.1 图像模糊4.2 图像导数4.3 形态学:对象计数1 PIL:Python图像处理类库PIL(Python Imaging原创 2020-07-21 16:34:39 · 1036 阅读 · 0 评论