AAAA202012的博客

基础知识在介绍SLIC之前，先来介绍以下Lab颜色空间的介绍。Lab色彩模型是由亮度(L)要素和与有关色彩的a,b要素组成，L的值由0(黑色)到100(白色)，a表示从洋红色至绿色的范围(a为负值表示绿色而正值表示品红)，b表示从黄色至蓝色的范围(b为负值表示蓝色而正值表示黄色)。Lab颜色空间的优点：1）不像RGB和CMYK色彩空间，Lab颜色被设计来接近人类生理视觉。它致力于感知均匀性，它的L分量密切匹配人类亮度感知。因此可以被用来通过修改a和b分量的输出色阶来做精确的颜色平衡，或使用L分量来调

背景Meanshift算法是Fukunaga于1975年提出的，其基本思想是利用概率密度的梯度爬升来寻找局部最优。1995年，YizongCheng针对离x越近的采样点对x周围的统计特性越有效，定义了一族核函数，并根据所有样本点的重要性不足，设定了一个权重系数，扩大了Meanshift的使用范围。原理给定d维空间中的n个样本点xix_ixi​(iii = 1,…,nnn),在x点的Meanshift向量的基本形式定义为：其中，ShS_hSh​是一个半径为h的高维球区域，k表示n个样本点中由k个点落

理论知识参考于基于图像的三维重建—捆绑调整(6)过程比较复杂，这里也不废话，直接上代码ba_dense_vector.h#pragma once#include <cmath>#include <stdexcept>#include <vector>template <typename T>class DenseVector{public: DenseVector(void) = default; DenseVector(std::s

理论知识参考于基于图像的三维重建—三角测量首先是线性三角化方法/* 实现线性三角化方法(Linear triangulation methods), 给定匹配点 * 以及相机投影矩阵(至少2对），计算对应的三维点坐标。给定相机内外参矩阵时， * 图像上每个点实际上对应三维中一条射线，理想情况下，利用两条射线相交便可以 * 得到三维点的坐标。但是实际中，由于计算或者检测误差，无法保证两条射线的 * 相交性，因此需要建立新的数学模型（如最小二乘）进行求解。 * * 考虑两个视角的情况，假设空间中

理论知识参考于基于像的三维重建——对极几何在这里用的opencv是440版本的，接下来就是相应的代码，基于八点法来求取基础矩阵。#include<opencv2/opencv.hpp>#include<iostream>#include<vector>using namespace std;using namespace cv;struct Correspondence2D2D{ double p1[2]; double p2[2];};t

理论知识参考于基于图像的三维重建——对极几何在这里用的opencv是440版本的，接下来就是相应的代码/* 测试8点法求取基础矩阵F * * [直接线性变换法] * 双目视觉中相机之间存在对极约束 * * p2'Fp1=0, * * 其中p1, p2 为来自两个视角的匹配对的归一化坐标，并表示成齐次坐标形式， * 即p1=[x1, y1, z1]', p2=[x2, y2, z2],将p1, p2的表达形式带入到 * 上式中，可以得到如下表达

理论知识参考于基于图像的三维重建-特征点检测与匹配 在这里用的opencv是440版本的，接下来就是相应的代码#include<opencv2/xfeatures2d/nonfree.hpp>#include<opencv2/features2d/features2d.hpp>#include<opencv2/highgui/highgui.hpp>#include<opencv2/calib3d/calib3d.hpp>#include<.

理论知识参考于基于图像的三维重建-针孔相机模型#include<iostream>#include<opencv2/imgproc/types_c.h>class Camera{public: //构造函数 Camera() { //采用归一化坐标，不考虑图像尺寸 c_[0] = c_[1] = 0.0; } //相机投影过程 cv::Point2d projection(cv::Point3d const &p3d) { cv::P.