samkieth

在图像处理中，我们会频繁用到这三个概念，这里整理了网上优秀的博客。供大家交流学习。一、什么是时域    时域是描述数学函数或物理信号对时间的关系。例如一个信号的时域波形可以表达信号随着时间的变化。二、什么是频域    频域（频率域）——自变量是频率,即横轴是频率,纵轴是该频率信号的幅度,也就是通常说的频谱图。频谱图描述了信号的频率结构及频率与该频率信号幅度的关系。

算法简介：先对两幅相邻图像进行特征点提取，然后根据特征点的位置在第一幅图像确定模版快的大小，在第二幅图像中确定搜素范围，然后进行匹配计算，完成图像拼接。我们采用精度较高的HARRIS角检测算子来提取特征点，确定模块的

令图像f和g在区域m内存在以下关系：如果给定和，则比例小于。由物理意义可知，表示两幅图像的相似程度，故在和固定的情况下，可以作为图像f，g之间匹配测度。根据柯西不等式，对非负的f和g，有：当且仅当（c为常数）时上式成立。对于数字图像，类似的关系式为：对所有的j，k，当且仅当时等式成立。现在设f是模板，g是图像，g的尺度大于f的尺度。将模版f在

角点及角点检测角点是图像很重要的特征，简单来说就是极值点，即在某方面属性特别突出的点，一般的角点检测都是对有具体定义的、或者是能够具体检测出来的兴趣点的检测。这意味着兴趣点可以是角点，也可以是在某些属性上强度最大或者最小的孤立点、线段的终点，或者是曲线上局部曲率最大的点。角点检测在实践中，通常大部分称为角点检测的方法检测的都是兴趣点，而不是独有的角点。因此，如果只要检测角点的话，需

《SIFT原理与源码分析》系列文章索引：http://blog.youkuaiyun.com/xiaowei_cqu/article/details/8069548尺度空间理论自然界中的物体随着观测尺度不同有不同的表现形态。例如我们形容建筑物用“米”，观测分子、原子等用“纳米”。更形象的例子比如Google地图，滑动鼠标轮可以改变观测地图的尺度，看到的地图绘制也不同；还有电影中的拉

傅立叶变换    若 f(t)是t的周期函数，如果t满足狄里赫莱条件：在一个以2T为周期内f(X)连续或只有有限个第一类间断点，附f（x）单调或可划分成有限个单调区间，则F（x）以2T为周期的傅里叶级数收敛，和函数S（x）也是以2T为周期的周期函数，且在这些间断点上，函数是有限值；在一个周期内具有有限个极值点；绝对可积。则有下图①式成立。称为积分运算f(t)的傅立叶变换。傅里叶变换可以化复

本文内容构成：       1、图像锐化和边缘检测的基本概念，微分梯度已经差分的定义       2、锐化和边缘检测的像素处理方式（3种）       3、单方向一阶微分锐化，包括：             水平方向             垂直方向             Kirsch算子        4、无方向微分锐化，包括：

传统的图像拼接算法主要分为基于像素点和基于特征两种。基于像素的算法是在一幅图像中选取一个模板,根据评价函数在另一幅图像中寻找与之最相似的点或区域。该算法对图像中存在大量相似区域且重叠部分较小的情况, 模板块选取的随机性会使拼接出现很大误差. 基于特征的算法是提取两幅图像重叠区域的特征点,对特征点进行匹配,然后计算从一幅图像到另一幅图像的变换。常用的特征主要包括点、线、面等,其中特征点的方法计算

首先我们再重新回顾一下Canny算子的滞后阈值处理：非极大值抑制：

低层次特征是不许任何形状特征就从图像中提取的基本特征：1. 一阶边缘检测：Robert，Prewitt，sobel，Canny2. 二阶边缘检测：Laplancian, Marr-Hildreth, LoG3. Spacek，Petrou4. 相位一致性5. 局部特征检测：角点检测：Harris；特征检测：SIFT，显著性算法6. 光流估计

尺度不变特征变换匹配算法详解Scale Invariant Feature Transform(SIFT)Just For Funzdd  zddmail@gmail.com or (zddhub@gmail.com)对于初学者，从David G.Lowe的论文到实现，有许多鸿沟，本文帮你跨越。如果你学习SIFI得目的是为了做检索，也许OpenS

我们尝试用矩阵表示一个图像，在一段程序中，出现了有趣的现象：// imgproc.cpp : 定义控制台应用程序的入口点。////#include "stdafx.h"#include "iostream"#include "opencv2\opencv.hpp"#include "opencv2/highgui/highgui.hpp"using namespace std;u