- 博客(6)
- 收藏
- 关注
RSS订阅原创 计算机视觉—BOW图像检索
BOW图像检索一、图像检索1.1图像检索原理1.2实现步骤二、实验过程2.1数据集2.2代码2.3结果三、实验总结一、图像检索1.1图像检索原理1、图像检索简单的说便是从图片检索数据库中检索出满足条件的图片，图像检索技术的研究根据描述图像内容方式的不同可以分为两类：一类是基于文本的图像检索技术，一类为基于内容的图像检索技术。它最早用于对于文章内容的检索，原理是将文本看作是单词的集合，不考虑其中的语法，上下文等等。通过建立词典，对每个单词出现次数进行统计，以便得到文本内容的分类。计算机视觉的专家从中获
2021-06-06 22:16:01
520
原创 计算机视觉—相机标定
相机标定1.相机标定原理1.1 相机标定简介1.2 相机标定作用2.畸变2.1畸变2.2径向畸变2.3切向畸变3.实现过程与结果3.1代码3.2实验数据集3.3实验结果4.总结1.相机标定原理1.1 相机标定简介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）1.2 相机标定作用1、相机
2021-05-23 20:54:00
322
原创 计算机视觉——图像拼接
计算机视觉——图像拼接一、全景图像拼接基本原理1.1 特征点的匹配1.2 RANSAC匹配1.3图像拼接基本步骤二、图像拼接实现2.1代码实现2.2实现结果2.2.1实验原图2.2.2拼接结果2.2.3最小割问题2.2.4最大流问题三、实验总结3.1遇到的问题一、全景图像拼接基本原理1.1 特征点的匹配两张图像要能拼接在一起成为一张图像，就需要这两张图像中存在有重合的部分。通过这些重合的部分使用sift特征点匹配的算法，来寻找到重合部分的特征点。需要注意的是，虽然sift算法比Harris角点的效果更
2021-04-25 20:51:55
4825
原创 计算机视觉—图像到图像的映射
计算机视觉——图像到图像的映射这里写目录标题一、基本原理1、单应性变换2、仿射变换3、代码二、图像扭曲1、代码2、运行结果三、图像中的图像四、分段仿射扭曲五、总结一、基本原理1、单应性变换将平面内一个点映射到另一个平面内的二维投影变换。单应性矩阵H具有8个独立的自由度，其中h33=1。H的求解在代码中的Haffine_from_points（在homography.py中）单应性矩阵可以由两幅图像中对应点计算出来。然后我们再得到坐标的变换公式。矩阵H会将一幅图像上的一个点的坐标a=(x,y,1
2021-04-11 20:26:26
665
原创 计算机视觉——图像处理
计算机视觉——图像处理文章目录一、图像处理基本原理1.1灰度直方图1.2高斯滤波（高斯模糊）1.3直方图均衡化二、重要函数三、实验代码和结果原图3.1灰度直方图3.2高斯滤波（高斯模糊）3.3直方图均衡化四、总结一、图像处理基本原理1.1灰度直方图灰度直方图反映的是一幅图像中各灰度级像素出现的频率。以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。它是图像的一个重要特征，反映了图像灰度分布的情况。频率公式为： vi=ni/n(ni为灰度为i的像元个数，ni表示整张图
2021-03-28 21:49:10
2201
1
原创 计算机视觉—sift描述子
计算机视觉—sift描述子文章目录一、算法简介二、算法原理三、代码实现和分析3.1sift特征提取 （检测感兴趣点）分析3.2描述子匹配分析3.3找到三张与输入图片匹配最高的图片分析3.4地理标记图像匹配分析3.5RANSAC剔除错误匹配3.5.1概述3.5.2原理3.5.3算法步骤3.5.4代码实现3.5.5结果及分析四、总结一、算法简介近年来，提高特征描述点检测与描述有了很大的发展，下面我们会看这其中最好的算法之一——SIFT。SIFT算法可以解决的问题• 目标的旋转、缩放、平移（RST）•
2021-03-28 21:48:39
444
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