Antonio915的博客

除了利用Harris进行角点检测之外，我们通常还可以利用Shi-Tomasi方法进行角点检测。Shi-Tomasi算法是Harris算法的改进，此算法最原始的定义是将矩阵M的行列式值与M的迹相减，再将差值同预先给定的阈值进行比较。后来Shi和Tomasi提出改进了方法，若两个特征值中较小的一个大于最小阈值，则会得到强角点。

直方图广泛运用于很多计算机视觉运用当中，通过标记帧与帧之间显著的边缘和颜色的统计变化，来检测视频中场景的变化。在每个兴趣点设置一个有相近特征的直方图所构成“标签”,用以确定图像中的兴趣点。边缘、色彩、角度等直方图构成了可以被传递给目标识别分类器的一个通用特征类型。色彩和边缘的直方图序列还可以用来识别网络视频是否被复制。如图9.1所示。其实，简单点说，直方图就是对数据进行统计的一种方法，并且将统计值组织到一系列事先定义好的bin当中。

一个轮廓一般对应一系列的点，也就是图像中的一条曲线。其表示方法可能 根据不同的情况而有所不同。在OpenCV 中，可以用findContours()函数从二值图 像中查找轮廓findContours) 函数用于在二值图像中寻找轮廓。第一个参数，InputArray类型的image, 输入图像，即源图像，填Mat 类的 对象即可，且需为8位单通道图像。图像的非零像素被视为1,0像素值被 保留为0,所以图像为二进制。我们可以使用 compare() 、inrange()、threshold() 、ad

霍夫变换(Hough Transform) 是图像处理中的一种特征提取技术，该过程在 一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合 作为霍夫变换结果。霍夫变换于1962年由PaulHough 首次提出，最初的Hough 变换是设计用来检测直线和曲线的。起初的方法要求知道物体边界线的解析方程， 但不需要有关区域位置的先验知识。这种方法的一个突出优点是分割结果的 Robustness, 即对数据的不完全或噪声不是非常敏感。然而，要获得描述边界的解析表达常常是不可能的。

线性滤波器：线性滤波器经常用于剔除输入信号中不想要的频率或者从许多 频率中选择一个想要的频率。几种常见的线性滤波器如下。低通滤波器：允许低频率通过；高通滤波器：允许高频率通过；带通滤波器：允许一定范围频率通过；带阻滤波器：阻止一定范围频率通过并且允许其他频率通过；全通滤波器：允许所有频率通过，仅仅改变相位关系；陷波滤波器(Band-Stop Filter):阻止一个狭窄频率范围通过，是一种特殊 带阻滤波器。

本节我们将一起认识XML 和 YAML这两种文件类型。所谓XML, 即 eXtensible Markup Language,翻译成中文为“可扩展标识语 言”。首先，XML 是一种元标记语言。所谓“元标记”,就是开发者可以根据自身 需要定义自己的标记，比如可以定义标记 、。任何满足XML 命名 规则的名称都可以标记，这就向不同的应用程序打开了的大门。此外，XML 是一 种语义/结构化语言，它描述了文档的结构和语义。

我们可以通过各种各样的方法从现实世界获取到数字图像，如借助相机、扫 描仪、计算机摄像头或磁共振成像等。通常由显示屏上看到的都是真实而漂亮的 图像，但是这些图像在转化到我们的数字设备中时，记录的却是图像中的每个点 的数值。比如在图4.1中你可以看到草坪的颜色是一个包含众多强度值的像素点矩阵。可以这样说，矩阵就是图像在数码设备中的表现形式。OpenCV 作为一个计算机 视觉库，其主要的工作是处理和操作并进一步了解这些形式和信息。因此，理解 OpenCV 是如何存储和处理图像是非常有必要的。

在新版本的OpenCV2中，最简单的图像载入和显示只需要两句代码，非常便捷。这两句代码分别对应了两个函数，它们分别是imread()以及imshow()。