
计算机视觉
曲草
永远有个小目标
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
RANSAC(随机采样一致性)算法在多目三维空间点重构中的应用demo(c++代码实现)
**RANSAC(随机采样一致性)**算法与最小二乘算法不同之处在于它假设数据样本中包含局外点即outliers,其余为局内点即inliers。该算法通过迭代一定的次数,每次随机选取若干样本构造一个模型,然后验证其余样本是否为局内点。以此找到一个相对合理的最优模型。在计算机视觉方面广泛应用。具体可参考网上其余博主对RANSAC算法层面上的讲述和理解。1 问题:笔者在做多目三维人体关节点重构时遇到一个这样的问题:在某些视角视角下,关节点的二维检测是不准确的,错误的检测在三角化是就会导致重构结果偏差较大。例如原创 2020-08-24 17:33:20 · 1437 阅读 · 3 评论 -
直方图均衡化算法原理及bins的理解
我们知道提高图像对比度的变换函数f(x)需要满足以下条件:f(x)在0<=x<=L−1上单调递增(不要求严格单调递增),其中L表示灰度级(L=256) f(x)的范围是[0,L−1]我们知道当图像直方图完全均匀分布的时候,此时图像的熵是最大的(随机变量每个值的概率都相同时,概率最大),图像对比度是最大的。所以,理想情况下,图像经过变换函数f(x)变换后,直方图能够均匀分布,此时...转载 2020-03-19 15:38:05 · 5326 阅读 · 1 评论