![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机视觉
文章平均质量分 88
目标四级424
这个作者很懒,什么都没留下…
展开
-
计算机视觉:聚类算法(K-Means)实现图像分割
K-means聚类是一种无监督学习算法,用于将一组数据划分为K个不同的类别或簇。它基于数据点之间的相似性度量,将数据点分配到最接近的聚类中心。K-means算法的目标是最小化数据点与其所属聚类中心之间的平方距离和。原创 2023-05-30 15:34:15 · 5253 阅读 · 2 评论 -
计算机视觉:图像分割之图割法
GrabCut算法是一种强大的图像分割算法,通过迭代优化背景和前景模型参数,能够在用户提供的初始标记或边界框的基础上,自动分割图像中的前景和背景。当算法的迭代次数增加时,GrabCut算法会进行更多次的迭代优化,从而进一步细化前景和背景的区分,提高分割结果的准确性,但是效果在达到一定迭代次数后提高十分微小。增加迭代次数也可能带来以下问题:计算时间增加:每次迭代都需要进行参数更新和图割操作,因此增加迭代次数会增加算法的计算时间。对于大尺寸的图像或大量的图像集合,迭代次数过多可能导致算法变得较慢。原创 2023-05-30 09:58:25 · 2939 阅读 · 0 评论 -
计算机视觉:OpenCV相机标定
实验结果分析:已知有十张棋盘格图像,结果只输出七张图像的对应外参矩阵,其原因是下列三张标定图像:无法被cv2.findChessboardCorners()检测出角点,因此无法求外参矩阵,可以使用质量更好的图像或者更换角点检测算法、调整角点检测算法的参数来解决此问题。其中,f_x 和 f_y 是相机的水平和垂直焦距,c_x 和 c_y 是相机的像素坐标原点。相机的外参矩阵描述了相机的姿态,包括相机的位置和方向。在这个过程中,我们需要使用已知的场景和相机拍摄的图像来计算相机的内参矩阵和外参矩阵。原创 2023-05-16 21:13:44 · 1324 阅读 · 1 评论 -
计算机视觉:Harris角点检测与SIFT特征提取
w(x,y)是窗口函数,最简单情形就是窗口W内的所有像素所对应的w权重系数均为1,窗口外都为0.但有时候,我们会将w(x,y)函数设置为以窗口W中心为原点的二元正太分布。而离窗口W中心(角点)较远的点,这些点的灰度变化几近平缓,这些点的权重系数,可以设定小值,以示该点对灰度变化贡献较小,那么我们自然使用二元高斯函数来表示窗口函数;如果一个点在任意方向的一个微小变动都会引起灰度很大的变化,那么我们就把它称之为角点,也就是一阶导数(即灰度图的梯度)中的局部最大所对应的像素点就是角点。该算法的主要思想是,如果。原创 2023-04-19 10:55:24 · 652 阅读 · 0 评论 -
计算机视觉:单应性变换与仿射变换
考虑图 中所示的两个平面图像(书的顶部)。红点表示两个图像中的同一物理点。在计算机视觉术语中,我们称这些为相应的点。图1.以四种不同的颜色显示四个相应的点 ,红色、绿色、黄色和橙色。单应性是一种变换(3×3矩阵),它将一个图像中的点映射到另一个图像中的相应点。现在,由于单应性是一个 3×3 矩阵,我们可以将其写为让我们考虑第一组相应的点 —在第一张图像和第二张图像中。然后,单应性按以下方式映射它们。原创 2023-05-03 05:33:47 · 1636 阅读 · 0 评论 -
计算机视觉:利用RANSAC算法优化关键点匹配
随机抽样一致算法(RANdom SAmple Consensus,RANSAC),采用迭代的方式从一组包含离群的被观测数据中估算出数学模型的参数。RANSAC算法被广泛应用在计算机视觉领域和数学领域,例如直线拟合、平面拟合、计算图像或点云间的变换矩阵、计算基础矩阵等方面。RANSAC算法假设数据中包含正确数据和异常数据(或称为噪声)。正确数据记为局内点(inliers),异常数据记为外点(outliers),也是异常值。原创 2023-05-03 05:35:06 · 2979 阅读 · 0 评论 -
计算机视觉:暗通道去雾算法的原理及python实现
在绝大多数非天空的局部区域中,某些像素总会至少有一个颜色通道的值很低。对于一幅图像J(x),其暗通道的数学定义表示如下:其中,Ω(x)表示以x为中心的局部区域,上标c表示RGB三个通道。该公式的意义用代码表达也很简单,首先求出每个像素RGB分量中的最小值,存入一副和原始图像大小相同的灰度图中,然后再对这幅灰度图进行最小值滤波,滤波的半径由窗口大小决定。原创 2023-03-03 11:11:30 · 6680 阅读 · 6 评论 -
计算机视觉:图像基本操作实验
resize()中的size参数直接设定了resize之后图片的规格, 而thumbnail()中的size参数则是设定了图片大小的最大值. 所以经过resize()处理的图片可能会被拉伸, 而经过thumbnail()处理的图片不会被拉伸。sobel()函数的第二个参数表示选择x或者y方向导数,第三个参数保存输出的变量,在使用sobel两个导数图像中,正导数显示为亮的像素,负导数显示为暗的像素。二者的宽高的读取顺序不同,PIL读入图像,顺序为:(宽,高)OpenCV读入图像,顺序为:(高,宽,通道数)原创 2023-03-25 09:33:25 · 415 阅读 · 0 评论