前言本文对计算机视觉传统方法中的一些特征提取方法进行了总结，主要包括有：SIFT(尺度不变特征变换)、HOG(方向梯度直方图)、SURF、ORB、LBP、HAAR目录[1] SIFT（尺度不变特征变换）[2] HOG（方向梯度直方图）[3] SIFT和HOG的比较[4] SIFT/HOG与神经网络特征提取的比较[5] 其他传统特征提取的方法（SURF、ORB、LBP、HAAR）先对几个概念和问题做一个解释： 图像为什么要灰度化？ 识别物体，最关键的因素是梯度（S...

图像形态学处理一.最基本两个形态学运算----膨胀与腐蚀啥叫形态学操作形态学操作其实就是改变物体的形状，比如腐蚀就是”变瘦”，膨胀就是”变胖”，看下图就明白了：（http://ex2tron.wang/opencv-python-erode-and-dilate/）经验之谈：形态学操作一般作用于二值化图，来连接相邻的元素或分离成独立的元素。腐蚀和膨胀是针对图片中的白色（即...

主要熟悉图片中获取灰度图像的像素值、彩色图片像素的获取；多张图片的同时显示。（边缘检测与上一篇原理一致：周边像素存在较大差异即为边缘像素）#include<opencv2\opencv.hpp>#include<vector>#include<iostream>using namespace std;using namespace cv;int main(){ Mat image0, imgGray; image0 = imread("D:\\1.j

基于边缘颜色变化的边缘提取：原理是该位置的像素值与周边像素值得R G B存在较大差别，即判定其为边缘像素#include<opencv2\opencv.hpp>#include<vector>#include<iostream>using namespace std;using namespace cv;int main(){ IplImage *image = cvLoadImage("D:\\8.jpg"); if (image == NU

一、LBP指局部二值模式，英文全称：Local Binary Pattern，是一种用来描述图像局部特征的算子，LBP特征具有灰度不变性和旋转不变性等显著优点。在1994年提出，由于LBP特征计算简单、效果较好，因此LBP特征在计算机视觉的许多领域都得到了广泛的应用，LBP特征比较出名的应用是用在人脸识别和目标检测中，在计算机视觉开源库OpenCV中有使用LBP特征进行人脸识别的接口，也有用LBP特征训练目标检测分类器的方法，Opencv实现了LBP特征的计算，但没有提供一个单独的计算LBP特征的接口。

以下是详细步骤：（1）OpenCV 2.4.13.6 解压双击解压即可，如下图所示为解压的路径：主要包括build与sources（2）系统环境的配置：在高级系统设置-->环境变量-->系统变量（s）下添加路径：有一点注意：必须是X64，X86是32位，所以不要选择X86（3）VS2013环境配置系统默认创建的程序是32位的，需要修改成64位： 项目属性配置，在菜单栏的视图上找到属性管理器窗口，点击打开，也可能会隐藏在“...

基于点坐标形成图像，就是先将点进行格网化，再对格网按照要求设置RGB，再进行可视化。下面是对一点云进行可视化的案例：#include <iostream> #include <opencv2/core/core.hpp> #include<opencv2/highgui/highgui.hpp> using namespace std;#......