2017年12月_zhaocj

12月 01月

原创 Opencv2.4.9源码分析——Stitching（五）

5、曝光补偿5.1 原理即使通过几何投影，图像之间可以做到很好的拼接，但如果不同图像之间有不同的曝光程度，那么拼接图像中的重叠部分也会出现明显的边缘，这样就使图像看起来十分不自然。因此，我们还需要对每幅图像进行曝光补偿，来使所有图像具有相同的曝光程度。目前，常用的曝光补偿方法有增益补偿和分块补偿这两种方法。增益补偿就是为每幅图像赋予一个增益系数，使重叠部分的图像强度相等或相似。它可以利

2017-12-24 10:25:50 16191 7

原创 Opencv2.4.9源码分析——Stitching（四）

4、图像投影变换4.1 原理前文我们已经说过，每幅图像是相机在不同角度下拍摄得到的，它们并不在同一个投影平面上，如果对重叠部分直接进行拼接，则会破坏实际场景的视觉一致性。所以我们需要在拼接之前，对图像进行投影变换，即对图像进行扭曲变形。设图像中某像素点的二维坐标为(x, y)，它所对应的世界坐标为(X, Y, Z)，两者之间的关系为：（70）式中，R为旋转矩阵，K为相机的内

2017-12-18 09:46:12 15447 13

原创 Opencv2.4.9源码分析——Stitching（三）

3、相机参数评估3.1 原理相机参数的评估也称为相机定标。要想理解这部分内容，首先应该从成像原理开始讲起。图6 小孔成像原理从图6可以看出，真实物体通过小孔映射到成像平面上，小孔到成像平面的距离称为焦距f。在成像平面上的图像是镜像倒立的，所以为了研究方便，在小孔和物体之间定义一个虚拟成像平面（在后面，我们把该平面也称为成像平面），它与小孔的距离也为焦距，则两个成像平面的

2017-12-15 09:34:05 23848 21

原创 Opencv2.4.9源码分析——Stitching（二）

2、计算单应矩阵2.1 原理在得到了图像特征点以后，我们就可以根据这些特征点，实现图像匹配，即得到重叠区域。而要把多幅图像拼接成一幅图像，就需要以某幅图像为基准，把其他图像映射到该图像所在的平面。映射的关键所在就是根据重叠区域的特征点计算图像间的单应矩阵。我们可以通过最近邻算法（K-NN，这里的K表示最近邻特征点的数量）得到与图像A中的某一特征点a最相似的其他任意一幅图像B的K个特征点

2017-12-14 10:33:26 19445 17

原创 Opencv2.4.9源码分析——Stitching（一）

相机镜头所呈现出的景物要比人类的视觉系统所看到的景物要狭小得多，因此一幅图像不可能捕获到我们所看到的整个景物。全景图像拼接给出了这个问题的解决办法，它是把图像间重叠部分拿出来拼接起来，从而得到一幅更大的图像。这种算法也可以用于把一幅图像插入到另一幅图像中。图1 图像拼接执行过程及方法要想完成图像拼接，所要用到的算法较多，Opencv把这些算法用一张图呈现了处理，如图1所示。下面我们

2017-12-14 09:08:13 24658 6

用于Opencv的车牌识别xml文件

cascade.xml用于opencv所需的车牌识别xml文件，该文件可以识别蓝底白字的普通车牌。该xml文件由本人生成，详细的内容请看我的博客：http://blog.csdn.net/zhaocj

2017-01-13

Opencv2.4.9源码分析——Support Vector Machines

本文档共分为三个部分，第一个部分介绍SVM的原理，我们全面介绍了5中常用的SVM算法：C-SVC、ν-SVC、单类SVM、ε-SVR和ν-SVR，其中C-SVC和ν-SVC不仅介绍了处理两类分类问题的情况，还介绍处理多类问题的情况。在具体求解SVM过程中，我们介绍了SMO算法和广义SMO算法。第二个部分我们给出了OpenCV中SVM程序的详细注解。第三个部分我们给出了一个基于OpenCV的SVM算法的简单应用实例。

2016-05-02

opencv2.4.9源码分析——SURF

详细介绍SURF算法，以及opencv的源码分析，并给出应用实例。

2015-01-10

opencv2.4.9源码分析——SIFT

详细介绍SIFT算法，opencv的SIFT源码分析，以及应用实例

2014-12-24

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人