<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[TL_TJ的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/TL_TJ</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; TL_TJ]]></copyright><item><title><![CDATA[旋转向量-旋转矩阵]]></title><link>https://blog.youkuaiyun.com/TL_TJ/article/details/47006007</link><guid>https://blog.youkuaiyun.com/TL_TJ/article/details/47006007</guid><author>TL_TJ</author><pubDate>Wed, 22 Jul 2015 17:32:24 +0800</pubDate><description><![CDATA[今天接触到摄像机标定，其中用到旋转矩阵的知识，就具体恶补学习了一下，顺便做个笔记。物体在空间中的旋转物体在三维空间中的旋转，可以被分为解为在直接坐标系下，分别先后围绕x,y,z坐标轴旋转得到。旋转的角度也就是我们常听到的角度roll，pitch，yew。如果已知这几个角度，就可以直接通过每一步的矩阵相乘得到整个旋转矩阵。 
R=R(yaw)R(pitch)R(roll)
R=R(yaw)R(pitc]]></description><category></category></item><item><title><![CDATA[直方图均衡化-彩色图]]></title><link>https://blog.youkuaiyun.com/TL_TJ/article/details/45503825</link><guid>https://blog.youkuaiyun.com/TL_TJ/article/details/45503825</guid><author>TL_TJ</author><pubDate>Tue, 05 May 2015 16:07:54 +0800</pubDate><description><![CDATA[RGB彩色图像的直方图和均衡化对与RGB彩色图像，这里理解就是分为R、G、B三个通道，并不考虑保留图像的原有色调。每个通道的情况和灰度图像一样，都是用灰度值来衡量某个颜色的比重。对每个通道采用与上述代码相同的方法处理：（主要注意的是RGB图像在Mat中存储的顺序是BGR）#include <cv.h>
#include <highgui.h>using namespace cv;// show hi]]></description><category></category></item><item><title><![CDATA[直方图匹配]]></title><link>https://blog.youkuaiyun.com/TL_TJ/article/details/45224795</link><guid>https://blog.youkuaiyun.com/TL_TJ/article/details/45224795</guid><author>TL_TJ</author><pubDate>Thu, 23 Apr 2015 17:52:56 +0800</pubDate><description><![CDATA[定义直方图匹配也叫直方图规定化(Histogram Matching/Normalization) 
通俗的理解：相比于均衡化，它是用原图自带的灰度信息进行重新分布，可以说原图定了之后均衡化也就定了。但是在有些场合，用均衡化不达到想要的效果，需要使用某种特定的直方图，让新生成的图按照指定直方图的分布规律进行重新匹配，使两幅图具有类似的色温或者对比度特征，这就叫做直方图匹配。代码实现。。。 
这里为了]]></description><category></category></item><item><title><![CDATA[直方图均衡化-灰度图]]></title><link>https://blog.youkuaiyun.com/TL_TJ/article/details/45223189</link><guid>https://blog.youkuaiyun.com/TL_TJ/article/details/45223189</guid><author>TL_TJ</author><pubDate>Thu, 23 Apr 2015 16:15:11 +0800</pubDate><description><![CDATA[什么是图像的直方图以灰度图为例，就是对图像中不同灰度所占有的像素个数进行统计。 
以灰度分布为横坐标，纵轴为像素个数，得到的即为图像的直方图。归一化之后纵轴从0到1。 
直方图手段是图像增强中常用的技术。直方图的均衡化通过重新排布直方图中灰度的分布，即可以产生改变图像对比度的效果。 
通过统计灰度级的累积分布函数（CDF），即可以对任意灰度图像进行直方图的均衡化(Histogram Equaliza]]></description><category></category></item><item><title><![CDATA[邻接]]></title><link>https://blog.youkuaiyun.com/TL_TJ/article/details/45191885</link><guid>https://blog.youkuaiyun.com/TL_TJ/article/details/45191885</guid><author>TL_TJ</author><pubDate>Wed, 22 Apr 2015 10:42:32 +0800</pubDate><description><![CDATA[首先定义代表邻接的灰度值的集合，也就是V。在二值图中，如果像素值1代表邻接，则V={1}。 
在灰度图中，从0~255的任意一个值或者多个值都可以归为邻接。符号定义：N4(p)N_{4}(p)表示pp的4个水平和垂直的相邻像素； 
ND(p)N_{D}(p)表示pp的4个对角的相邻像素； 
N8(p)N_{8}(p)表示上述两个的集合。4邻接：这个很好理解，q在N4(p)N_{4}(p)中，表示q和]]></description><category></category></item><item><title><![CDATA[Digital Raw Capture 笔记]]></title><link>https://blog.youkuaiyun.com/TL_TJ/article/details/45076931</link><guid>https://blog.youkuaiyun.com/TL_TJ/article/details/45076931</guid><author>TL_TJ</author><pubDate>Thu, 16 Apr 2015 16:22:10 +0800</pubDate><description><![CDATA[关于RAW
RAW是一种统称，包括了Canon的CRW和CR2，Minolta的MRW，Olympus的ORF等。
RAW文件记录的是由Sensor直接采集到的数据。并且由这个数据可以有多种方式编码成RAW图像文件，不管哪种方式，保留的都是未经处理过的Sensor数据。
数字相机采集得到RAW数据的方式： 
       mosaic sensor 和color filter array(CFA)]]></description><category></category></item><item><title><![CDATA[OpenCV 基于RGB三原色的基本线性变换 改变图像颜色和亮度 对比度增强算法]]></title><link>https://blog.youkuaiyun.com/TL_TJ/article/details/44854765</link><guid>https://blog.youkuaiyun.com/TL_TJ/article/details/44854765</guid><author>TL_TJ</author><pubDate>Fri, 03 Apr 2015 14:11:45 +0800</pubDate><description><![CDATA[1、理论依据

书籍：Computer Vision: Algorithms and Applications 
作者：Richard Szeliski

2、改变图像亮度和对比度的原理

这里的图像颜色的调整是基于RGB三原色的，在OpenCV中（255,255,255）指的是白色，（0,0,0）为黑色，可以大致理解为值越大颜色越亮。

这里采用的力量公式为： 
g(x)=αf(x)+βg(x)]]></description><category></category></item><item><title><![CDATA[OpenCV 对矩阵的掩模操作]]></title><link>https://blog.youkuaiyun.com/TL_TJ/article/details/44833431</link><guid>https://blog.youkuaiyun.com/TL_TJ/article/details/44833431</guid><author>TL_TJ</author><pubDate>Thu, 02 Apr 2015 16:00:33 +0800</pubDate><description><![CDATA[1、Mask operations掩膜模板以及运算规则： 
2、示例代码void Sharpen(const Mat& myImage, Mat& Result)
{
    CV_Assert(myImage.depth() == CV_8U);  // accept only uchar images    Result.create(myImage.size(), myImage.type()]]></description><category></category></item><item><title><![CDATA[OpenCV Mat]]></title><link>https://blog.youkuaiyun.com/TL_TJ/article/details/44830417</link><guid>https://blog.youkuaiyun.com/TL_TJ/article/details/44830417</guid><author>TL_TJ</author><pubDate>Thu, 02 Apr 2015 12:19:10 +0800</pubDate><description><![CDATA[Mat

1、Mat用C++管理，更为方便，IplImage（用C语言）。 
2、由矩阵头（包括矩阵大小，存储方法，指针地址）和数据指针（图像内容的指针）组成。 
3、Mat赋值只赋矩阵头信息，图像内容是共享的。 
例如： 
Mat A, C;                                 // creates just the header parts 
A = imread(]]></description><category></category></item></channel></rss>