计算机视觉
zhouyelihua
昨夜星辰昨夜风
展开
-
图像归一化
图像的归一化在计算机视觉当中,很多时候都作为一个预处理进行处理的。因为图像的归一化保持了仿射不变性。而且图像的归一化有时候能够提高计算的精度。所以图像的归一化对于我们来说很重要。而图像的归一化的具体过程主要是: 1.坐标中心化 2.x-shearing 归一化、3.缩放归一化4.旋转归一化而在上述当中的四步骤其实就是针对仿射变化而进行的。 因为原创 2014-08-28 11:02:09 · 21490 阅读 · 4 评论 -
利用SVD的方法求解ICP(详细推导)
引用资料(理论部分其实就是把第一个的不详细和错误的地方说了一下,翻译了一下第二个文献以及不明了的地方说一下O(∩_∩)O哈哈~):高翔《视觉SLAM十四讲》问题描述 假设存在两个点云集合{pi}\{p_i\}和{p′}\{p'\} 求:一个欧氏变换R,tR,t使得 ∀i,pi=Rp′i+t\forall {i,p_i}=Rp'_i+t求解问题解: 假设误差项为 ei=pi−原创 2017-09-03 01:29:42 · 18773 阅读 · 15 评论 -
Eigen Face
同步自己的另外一个网站:http://makercradle.com/2017/EigenFace%E8%84%B8%E8%AF%86%E5%88%AB/具体的步骤如下:a. 首先假设单张人脸的矩阵是 Aim∗mA_{m*m}^i那么把这m*m的矩阵拉成 Ai′d∗1,where:d=m∗mA_{d*1}^{i'},where:_{d=m*m}单维度的向量如果有N个人脸的话就可以构成C=[A1′d原创 2017-02-19 01:05:47 · 575 阅读 · 0 评论 -
结构光系统的标定
全文的下载链接 关于结构光标定程序,有机会再补上。。。。过一段时间我会补上完整的DIY结构光三维重建的 注意文章中有些算法是有专利的。如果用于商业使用请联系本人。。。。原创 2016-07-06 17:18:28 · 9401 阅读 · 2 评论 -
最优化程序c++的方法
解决的问题最优化问题的一般形式 minf(paras)min \quad f(paras)s.t.paras∈[paras_lower,paras_upper]s.t. \quad paras\in[paras\_lower,paras\_upper] 这个是数学上的一般形式,当求函数的最大值时候只要加上一个负号就可以 在程序中我们面对的问题一般是离散的即原创 2015-08-27 01:53:50 · 4994 阅读 · 0 评论 -
matlab画棋盘格程序
意义在摄像机标定过程中常常需要打印棋盘格程序,还有就是在投影仪标定当中常常需要投射和投影仪相同分辨率的patternmatlab源代码close all;clear all;clc;width=1024 ; %pattern的宽height=768 ; %pattern的高img_final=zeros(height,width);reinforce原创 2015-06-28 21:17:10 · 21954 阅读 · 19 评论 -
matlab实现对图像的切割
在有些程序中由于图像过大,常常需要我们将图像切割成几个比较小的图案之后在进行相关的处理。 Img=imread('sssd.png');imgsize=size(Img)subimg_width=600;subimg_height=1000;num_width_spilt=ceil(imgsize(1)/subimg_width);num_height_spilt=ceil(imgs原创 2015-01-05 10:26:48 · 31360 阅读 · 3 评论 -
harris 算法的python实现
harris 作为最常用的特征点检测算法。 第一个文件harris.pyfrom scipy.ndimage import filtersfrom numpy import *from pylab import *def compute_harris_response(im,sigma=3): imx=zeros(im.shape)#计算导数 filters.原创 2014-10-14 22:41:45 · 6415 阅读 · 3 评论 -
OpenCV直方图计算,以及颜色迁移
本文的前两个代码主要是来自于书本《OPenCV计算机视觉编程攻略》最后一个代码是根据前两个代码做的一个颜色迁移黑白图片的直方图计算//// main.cpp// TextureFusion2//// Created by coriander on 10/14/17.// Copyright © 2017 xiaowoCorp. All rights reserved.//#inc翻译 2017-10-27 10:33:52 · 1181 阅读 · 0 评论