algzjh的博客

1、单应性变换是将一个平面内的点映射到另一个平面内的二维投影变换。 ⎡⎣⎢x′y′w′⎤⎦⎥=⎡⎣⎢h1h4h7h2h5h8h3h6h9⎤⎦⎥⎡⎣⎢xyw⎤⎦⎥[x′y′w′]=[h1h2h3h4h5h6h7h8h9][xyw] \begin{bmatrix} x' \\ y' \\ w' \end{bmatrix} = \begin{bmatrix} h_1...

1、针孔照相机模型 三维点XXX投影为图像点xxx（齐次坐标表示）， λx=PXλx=PX\lambda x = PX −x=fXZ−x=fXZ-x=f\dfrac{X}{Z} 这里，3×4的矩阵PPP为照相机矩阵（或投影矩阵）。这里的标量λλ\lambda是三维点的逆深度，如果我们打算在齐次坐标中将最后一个数值归一化为1，那么就会使用到它。2、照相机矩阵 P=K[R|t]P=K[R...

1、外极几何 如果有一个场景的两个视图以及视图中的对应图像点，那么根据照相机间的空间相对位置关系、照相机的性质以及三维场景点的位置，可以得到对这些图像点的一些几何关系约束。三维场景点XXX经过4×4的单应性矩阵HHH变换为HXHXHX后，则HXHXHX在照相机PH−1PH−1PH^{-1}里得到的图像点和XXX在照相机PPP里得到的图像点相同。 λx=PX=PH−1HX=H^X^λx=PX...

1、主要思想： 如果像素周围显示存在多于一个方向的边，我们认为该点为兴趣点。该点就称为角点。我们把图像域中点xxx上的对称半正定矩阵MI=MI(x)MI=MI(x)M_I=M_I(x)定义为： MI=∇I∇IT=[IxIy][IxIy]=[I2xIxIyIxIyI2y]MI=∇I∇IT=[IxIy][IxIy]=[Ix2IxIyIxIyIy2]M_I=\nabla I \nabla I^T...

1、 SIFT特征使用高斯差分函数来定位兴趣点 D(X,σ)=[Gkσ(X)−Gσ(X)]∗I(X)=[Gkσ−Gσ]∗I=Ikσ−IσD(X,σ)=[Gkσ(X)−Gσ(X)]∗I(X)=[Gkσ−Gσ]∗I=Ikσ−IσD(X,\sigma)=[G_{k\sigma}(X)-G_\sigma(X)]*I(X)=[G_{k\sigma}-G_{\sigma}]*I=I_{k\sigma}-I...

代码from PIL import Imageimport numpy as npimport cameraimport sfmimport cameraimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dim1 = np.array(Image.open('images/001.jpg...

1、用于估计差分的参数σσ\sigma常常叫做平滑尺度因子。能得到不同尺度上的纹理相应。 2、景深（DOF），是指在摄影机镜头或其他成像器前沿能够取得清晰图像的成像所测定的被摄物体前后距离范围。而光圈、镜头、及拍摄物的距离是影响景深的重要因素。 在聚焦完成后，焦点前后的范围内所呈现的清晰图像，这一前一后的距离范围，便叫做景深。在镜头前方（调焦点的前、后）有一段一定长度的空间，当被摄物体位于这段...