m0_62094120的博客

OpenCV 是一个C++ 库，用于（实时）处理计算视觉问题。实时处理计算机视觉的 C++ 库，最初由英特尔公司开发，现由 Willow Garage 维护。OpenCV 是在 BSD 许可下发布的开源库，这意味着它对于学术研究和商业应用是免费的。

变分法是一种强大的数学工具，通过优化函数在函数空间中找到最优解，广泛应用于各种领域。Chan-Vese 模型是一种典型的变分模型，用于图像分割，特别适用于处理不均匀亮度的图像。通过最小化目标函数，Chan-Vese 模型能够有效地将图像分割成前景和背景区域，广泛应用于医学图像和视频分析等领域。

在分类方法中，最简单且用得最多的一种方法之一就是 KNN（K-Nearest Neighbor ,K邻近分类法），这种算法把要分类的对象（例如一个特征向量）与训练集中已知类标记的所有对象进行对比，并由 k 近邻对指派到哪个类进行投票。这种方法通常分类效果较好，但是也有很多弊端：与 K-means 聚类算法一样，需要预先设定 k 值，k 值的选择会影响分类的性能；此外，这种方法要求将整个训练集存储起来，如果训练集非常大，搜索起来就非常慢。

在大型图像数据库上，CBIR（Content-Based Image Retrieval，基于内容的图像检索）技术用于检索在视觉上具相似性的图像。这样返回的图像可以是颜色相似、纹理相似、图像中的物体或场景相似；总之，基本上可以是这些图像自身共有的任何信息。对于高层查询，比如寻找相似的物体，将查询图像与数据库中所有的图像进行完全比较（比如用特征匹配）往往是不可行的。在数据库很大的情况下，这样的查询方式会耗费过多时间。

是一种常用的无监督学习算法，用于将数据集划分为 ( K ) 个簇。

在计算机视觉的多视图几何中，外极几何（Epipolar Geometry）描述了两个相机视角之间的几何关系，常用于立体匹配、图像配准和3D重建。

针孔照相机模型（有时称为射影照相机模型）是计算机视觉中广泛使用的照相机模型。对于大多数应用来说，针孔照相机模型简单，并且具有足够的精确度。这个名字来源于一种类似暗箱机的照相机。该照相机从一个小孔采集射到暗箱内部的光线。在针孔照相机模型中，在光线投影到图像平面之前，从唯一一个点经过，也就是照相机中心C。图4-1为从照相机中心前画出图像平面的图解。事实上，在真实的照相机中，图像平面位于照相机中心之后，但是照相机的模型和图4-1的模型是一样的。

单应性变换（Homography）是计算机视觉中非常重要的一种几何变换，它用于将一个平面内的点映射到另一个平面内。具体来说，单应性变换可以描述一个图像在摄像机视角变化、平面移动或旋转时，如何从一个视角变换到另一个视角。单应性变换的频繁使用，尤其是在涉及多个视角或需要精确对齐图像的情况下，能够显著提升算法的鲁棒性和精度。在项目中，理解和正确应用单应性变换是处理图像和三维几何信息的关键技能。​x′y′w′​​H⋅​xyw​​其中，单应性矩阵HH​h11​h。

Harris角点检测算法（也称Harris & Stephens角点检测器）是一个极为简单的角点检测算法。该算法的主要思想是，如果像素周围显示存在多于一个方向的边，我们认为该点为兴趣点。该点就称为角点。

本章讲解操作和处理图像的基础知识，将通过大量示例介绍处理图像所需的Python工具包，并介绍用于读取图像、图像转换和缩放、计算导数、画图和保存结果等的基本工具。