monk1992的博客

imgb=cv2.imread(r"F:\Data_library\steel\Treadimage2\big.png")imgs=cv2.imread(r"F:\Data_library\steel\Treadimage2\samll.png")tmp_rot=np.zeros_like(imgs)#固定角度旋转tmp_rot=cv2.rotate(imgs,cv2.ROTATE_90_CLOCKWISE,tmp_rot)#翻转0，1，-1cv2.flip(imgs,-1,tmp_rot)#

Mat remapTrans(const Mat& img, const Mat A1, const Mat A2){vector points_fitted_u, points_fitted_d;vector ud_distance;if (A1.at(1, 0) != 0 && A2.at(1, 0) != 0){double y_up, y_down;y_up = 0.0; y_down = 0.0;//Mat img_cp;//img.copyTo(img

1、HOG特征：       方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行..

直方图均衡化的作用是图像增强。有两个问题比较难懂，一是为什么要选用累积分布函数，二是为什么使用累积分布函数处理后像素值会均匀分布。第一个问题。均衡化过程中，必须要保证两个条件：①像素无论怎么映射，一定要保证原来的大小关系不变，较亮的区域，依旧是较亮的，较暗依旧暗，只是对比度增大，绝对不能明暗颠倒；②如果是八位图像，那么像素映射函数的值域应在0和255之间的，不能越界。综合以上两个条件，累积分布函数是个好的选择，因为累积分布函数是单调增函数（控制大小关系），并且值域是0到1（控制越界问题），所以...

车辆信息检测数据集收集汇总1.UA-DETRAC2.车牌数据集3.自动驾驶数据集4.车辆类型数据集5.综合汽车（CompCars）数据集6.汽车数据集（检测用）7...

1、关于坐标系旋转和物体旋转对应的旋转矩阵差别相关参考：https://blog.youkuaiyun.com/tangyongkang/article/details/5484636注意旋转方向导致的旋转角的正负问题https://www.cnblogs.com/meteoric_cry/p/7987548.html2、标定推导参考https://blog.youkuaiyun.com/Aoulun/article/details/78768570...

原文链接：https://zhuanlan.zhihu.com/p/78512354（建议参考原文链接）https://mp.weixin.qq.com/s?__biz=MzU1MjY4MTA1MQ==&mid=2247485340&idx=1&sn=1b656f13931f2fd6694bab4e0b1c48d2&chksm=fbff2ca8cc88a5be551733cd9efe39d5cbc2c37cf73589aab147d299e57a425219320761ca

参考：1—https://openhome.cc/Gossip/WebGL/Rodrigues.html（比较好的理解流程）2—https://www.cnblogs.com/wtyuan/p/12324495.html（推导出旋转矩阵R）建议看原链接！！具体如下： <p><font style="vertical-align: inherit;"><font style="vertical-align: inherit;"&

Adaboost级联分类器经典运用案例：人脸识别#include <opencv2/opencv.hpp>#define CV_COLOR_RED cv::Scalar(0, 0, 255)int main(int argc, char** argv){ cv::CascadeClassifier faceDetector("haarcascade_frontalface_a...

通过《图像局部不变性特征与描述》学习SIFT，遇到各种Issue，总结了这篇博客和另外九篇博客。感谢关注，希望可以互相学习，不断提升。转载请注明链接：https://www.cnblogs....

平面投影就是以序列图像中的一幅图像的坐标系为基准，将其图像都投影变换到这个基准坐标系中，使相邻图像的重叠区域对齐，称由此形成的拼接为平面投影拼接；图像拼接的关键两步是：配准（registration）和融合（blending）。配准的目的是根据几何运动模型将图像注册到同一个坐标系中；融合则是将配准后的图像合成一张大的拼接图像。一、sift和surf算法实现两幅图像拼接的过程是一样的，主要分为四个...

1.概述图像匹配是指图像之间的比较，得到图像之间的相似度，在机器识别的过程中把不同传感器或者同一个传感器在不同时间、不同成像条件下对同一景物获得的两幅或者多幅图像在空间上对准，或者根据已知模式到另一幅图像中寻找对应的模式。匹配方法大体分为两类：基于灰度值的匹配，基于特征的匹配。基于灰度值的匹配方法：原理简单且在光照良好的条件下可以得到比较满意的匹配结果。基于特征的匹配方法：提取个图像中的特...