liujiancheng815的专栏

OpenCV中常见的与图像操作有关的数据容器有Mat，cvMat和IplImage。 一、Mat类型：矩阵类型，Matrix。       在openCV中，Mat是一个多维的密集数据数组。可以用来处理向量和矩阵、图像、直方图等等常见的多维数据。       Mat有3个重要的方法：         1、Mat mat = imread(const String* filena

主要步骤 　　　　1)、尺度空间的生成；  　　2)、检测尺度空间极值点； 　　3)、精确定位极值点； 　　4)、为每个关键点指定方向参数； 　　5)、关键点描述子的生成。   　　　　　　　　　　　　　 L(x,y,σ), σ= 1.6 a good tradeoff

所谓的特征点匹配本质上是一个通过距离函数（例如欧式距离）在高维矢量之间进行相似性检索的问题，简单来讲就是范围查询或者K近邻查询的问题。 范围查询就是给定查询点和查询距离阈值，从数据集中找出所有与查询点距离小于查询距离阈值的数据；K近邻查询就是给定查询点和正整数K，从数据集中找到距离查询点最近的K个数据，当K=1时，它就是最近邻查询。 如上图(b)我们从输入图像中进行

sift算法在cv领域的重要性不言而喻，该作者的文章引用率在cv界是number1.本篇博客只是本人把sift算法知识点整理了下，以免忘记。本文比较早的一篇博文opencv源码解析之(3)：特征点检查前言1 中有使用opencv自带的sift做了个简单的实验，而这次主要是利用Rob Hess的sift源码来做实验，其实现在的opencv版本中带的sift算法也是Rob Hess的，只是稍微包装

opencv中常见的与图像操作有关的数据容器有Mat，cvMat和IplImage，这三种类型都可以代表和显示图像，但是，Mat类型侧重于计算，数学性较高，openCV对Mat类型的计算也进行了优化。而CvMat和IplImage类型更侧重于“图像”，opencv对其中的图像操作（缩放、单通道提取、图像阈值操作等）进行了优化。在opencv2.0之前，opencv是完全用C实现的，但是，IplIm

现在的opencv版本中已经有了编译好的库文件，在build文件夹下面，一般情况不用自己再使用cmake自己编译1. 首先，在vc++目录中需要加入build后的include文件夹，include文件夹下面的opencv，epencv2。2. vc++目录中需要添加dll，添加build\x86\vc10\lib3. linker中的input中的附加依赖项中需要添加opencv_c