qq_46128504的博客

图像识别与搜索一丶实验原理Bag of words算法Bagofwords模型，也叫做“词袋”，在信息检索中，Bag of words model假定对于一个文本，忽略其词序和语法、句法，将其仅仅看做是一个词集合，或者说是词的一个组合，文本中每个词的出现都是独立的，不依赖于其他词是否出现，或者说当这篇文章的作者在任意一个位置选择一个词汇都不受前面句子的影响而独立选择的。二丶实验代码生成词汇表import picklefrom PCV.imagesearch import vocabulary

相机标定一丶目的在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。 【1】进行摄像机标定的目的：求出相机的内、外参数，以及畸变参数。 【2】标定相机后通常是想做两件事：一个是由于每个镜头的畸变程度各不相同，通过相机标定可以校正这种镜头畸变矫正畸变，生成矫正后的图像；另一个是根据获得的图像重构三维场景。 摄像机标定过程，简单的可以简单的描述为通过标定板，如下图，可以得到n个对应

图像拼接1.概念根据特征点匹配的方式，则利用这些匹配的点来估算单应矩阵（使用上面的RANSAC算法，也就是把其中一张通过个关联性和另一张匹配的方法。通过单应矩阵H，可以将原图像中任意像素点坐标转换为新坐标点，转换后的图像即为适合拼接的结果图像。2.代码from pylab import *from numpy import *from PIL import Image# If you have PCV installed, these imports should workfrom PCV

一丶求解单应性变换矩阵和仿射变换矩阵1.原理1.1 单应性变换矩阵单应性变换就是一个平面到另一个平面的映射关系如图，两张图片中相同颜色的点叫做corresponding Points，比如两个红点就是一对corresponding points。单应性矩阵(Homography)就是一个从一张图像到另一张图像映射关系的转换矩阵(3*3)。可以由下面的公式来表示：以图像中的红点为例，可以将单应性变换写成如下形式：1.2仿射变换矩阵仿射变换变化包括缩放（Scale、平移(transform)

sift匹配实验原理SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，它对物体的尺度变化，刚体变换，光照强度和遮挡都具有较好的稳定性，可在图像中检测出关键点，是一种局部特征描述子。SIFT 算法被认为是图像匹配效果好的方法之 一算法实现特征匹配主要有三个流程：①特征点提取；②特征点主方向确定；③特征点描述；④特征点匹配；其中特征点提取主要包括生成高斯差分（DifferenceofG