zxpddfg的专栏

原创 泊松图像融合算法 C++ 实现

泊松图像融合是 Pérez 等人在 2003 年发表的论文 [Poisson Image Editing]( https://www.cs.jhu.edu/~misha/Fall07/Papers/Perez03.pdf)中的算法，该算法实现了两幅图片感兴趣区域的无缝融合。应该是 2015 年 5 月底我在网络上看到这个算法的介绍和结果示意图，当时就对这个算法产生了很大的兴趣。现在网上这个算法的实

原创 编解码——我多次接触过的技术

距离上次写博客已经有一年半了，这一年半期间，比较忙的时候没办法写博客，闲下来的时候又不想写博客。足足两年前计划写的分析OpenCV中二维滤波的代码，以及泊松图像融合的实现，到现在都没动笔。之前我就说过，写博客是非常非时间费精力的。真的很羡慕那些能够产出高质量博客的人。再过一周多，我就工作满五年了，兜兜转转换了好几个地方，杂七杂八做了很多事情。图像，计算机视觉，编解码，CUDA，OpenCL

原创 Windows 下令 OpenCV 支持 h.264 视频编码的方法

OpenCV 下写视频，只需要使用 cv::VideoWriter 类，代码非常简单。很可惜的是，无论是使用安装包预编译好的静态库和动态库，还是使用 CMake 在本地重新配置生成新的静态库和动态库，都无法写出用 h.264 格式编码的视频。我们运

原创 一种 Deformable Parts Model (DPM) 快速检测算法的简介与进一步加速

前面的博文Deformable Parts Model (DPM) 检测加速算法简介中已经提到过，[1]Exact Acceleration of Linear Object Detectors一文借助FFT，将模型与HOG特征在空域中的卷积计算，转化为频域中对应位置元素的乘法运算，实现了DPM检测的加速。另外，这篇论文给出了整个DPM检测算法的C++实现，称为ffld，参考价值非常大

原创 Deformable Parts Model (DPM) 检测加速算法简介

DPM作为一种能力较强的物体检测算法，在发表后一直受到持续关注。顶级会议上一直还有论文阐述如何对DPM检测进行加速。其中比较有代表性的包括：[1] CVPR 2010：Cascade Object Detection with Deformable Part ModelsDPM作者的论文，论文中提到了两种降低检测复杂度的方法。第一种是级联检测法，是否存在待检测物体的衡量标准，是某个根模型与

原创 二维高斯模糊和可分离核形式的快速实现

二维高斯模糊，或者说高斯滤波，是图像处理中非常常见的操作。操作的核心是使用一个从高斯分布中采样得到的掩膜，或者叫核，和输入图片中的每个像素及其邻域进行计算，结果保存到输出图片中...

原创 Deformable Parts Model (DPM) 简介

Deformable Parts Model (DPM) 是一种很成功的物体检测方法。可以说这种方法是从HOG继承而来的。传统的HOG特征只采用一个模板表示某种物体，而DPM把物体的模板划分成根模型和部分模型，其中的根模型等效于传统的HOG特征，部分模型则是物体某些部分的模板。在检测的时候，根模型用来对物体可能存在的位置进行定位，部分模型用来进行进一步的确认。付出了更多的运算量使得DPM的检测效果

原创 ViBe背景建模算法简介和代码分析

ViBe是近几年比较火的一种背景建模算法，该算法主要有一下三个特点：第一，

原创 OpenCV混合高斯模型代码分析与完善

本文中的代码选自OpenCV2.4.5的

原创 混合高斯模型背景建模算法

原创 两年半的工作总结

2012年5月15号是我硕士毕业后入职