路双宁的博客

如何从边缘的基础上给出物体的描述？面临的问题：噪声外点丢失数据总览如果我们知道所有属于某条线上的所有点，可以使用最小二乘的方法。如果不属于该线上的点（噪声点）比较多，可以使用RANSAC方法。如果有很多线，其他线对于我取某条线来说都是噪声，可以用RANSAC或者Hough transform的思想。线都不确定，snake（蛇形模型）最小二乘（Least squares）许多机器学习的入门课程都有关于最小二乘的详细描述，老师在这里使用的是 正规方程（Normal Equatio

边缘提取描述信号突变对信号求导，xxx方向上，有∂f(x,y)∂x=lim⁡ϵ→0f(x+ϵ,y)−f(x,y)ϵ\frac{\partial f(x,y)}{\partial x} = \lim_{\epsilon \to 0} \frac{f(x+\epsilon,y) - f(x,y)}{\epsilon}∂x∂f(x,y)​=ϵ→0lim​ϵf(x+ϵ,y)−f(x,y)​可以用差分来近似替代∂f(x,y)∂x≈f(x+1,y)−f(x,y)1=f(x+1,y)−f(x,y)\beg

课程地址：https://www.bilibili.com/video/BV1nz4y197Qv课件地址：https://github.com/CV-xueba/A01_cvclass_basic卷积定义fff是图像的矩阵，ggg是卷积核（一个n×nn \times nn×n的矩阵）。卷积f∗gf*gf∗g的数学表达式为：(f∗g)[m,n]=∑k,lf[m−k,n−l]g[k,l](f*g)[m,n] = \sum_{k,l}f[m-k,n-l]g[k,l](f∗g)[m,n]=k,l∑​