![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
CV
文章平均质量分 91
weixin_54066908
这个作者很懒,什么都没留下…
展开
-
CV——Bag of Features (BOF)图像检索算法
谁计算机视觉作业我不说原创 2021-06-06 17:50:26 · 418 阅读 · 0 评论 -
CV-相机标定
Python实现相机标定原创 2021-05-23 21:53:36 · 263 阅读 · 0 评论 -
CV-全景图像拼接
Python实现全景图像拼接全景图像拼接基本原理RANSAC算法算法基本思想及流程算法求解单应性矩阵拼接图像代码实现运行结果实验小结总结一下图像拼接整体流程总结实验出现的一些问题 全景图像拼接基本原理 图像全景拼接就是将多张图片(两两间存在一定的重叠部分,可以是不同时间、不同视角或者不同传感器获得的)拼成一幅无缝的全景图或高分辨率图像的技术。 也就是将两幅存在一定重合部分的图像,只需找出两张图片中相似的点 (至少四个,因为 homography 矩阵的计算需要至少四个点), 计算一张图片可以变换到另一张原创 2021-04-26 00:01:35 · 350 阅读 · 0 评论 -
CV-图像到图像的映射
Python实现图像之间的变换单应性变换1.直接线性变换算法2.仿射变换图像扭曲代码实现运行结果1.图像中的图像代码实现运行结果 单应性变换 如果场景是平面,或者近似平面,或者低视差时,我们能应用单应性矩阵(homography) 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面。 如下图所示的平面的两幅图像。红点表示两幅图像中的相同物理点,我们称之为对应点。这里显示了四种不同颜色的四个对应点 - 红色,绿色,黄色和橙色。 单应性变换具有很强的实用性,原创 2021-04-11 20:08:12 · 138 阅读 · 0 评论 -
CV-SIFT特征匹配算法详解及实现
Python实现SIFT特征匹配算法一. SIFT原理1.特征点提取1.1 尺度空间1.2 多分辨率图像金字塔1.3 DOG局部极值检测2. 特征点主方向确定3. 特征点描述3.1 确定描述子计算区域和并校正主方向3.2 生成描述子二.代码实现特征点提取 一. SIFT原理 尺度不变特征转换(Scale-invariant feature transform或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原创 2021-03-28 22:31:54 · 1380 阅读 · 0 评论 -
CV-直方图的绘制与均衡化 及 高斯滤波
python+opencv+pycharm绘制直方图及其均衡化什么是图像直方图灰度图像直方图代码实现运行结果RGB图像直方图代码实现运行结果直方图均衡化原理直方图均衡化代码实现运行结果 什么是图像直方图 灰度级范围为[0,L-1]的数字图像的直方图是离散函数h(rk)=nk,其中rk是第k级灰度值,nk是图像中灰度为rk的像素个数。在实践中,经常用乘积MN表示的图像像素的总数除它的每个分量来归一化直方图,通常M和N是图像的行和列的维数。因此,归一化后的直方图由p(rk)=nk/MN给出,其中k=0,1,…原创 2021-03-08 22:20:22 · 160 阅读 · 0 评论