曲草的博客

**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

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...