samkieth

识别算法概述：SIFT/SURF基于灰度图，一、首先建立图像金字塔，形成三维的图像空间，通过Hessian矩阵获取每一层的局部极大值，然后进行在极值点周围26个点进行NMS，从而得到粗略的特征点，再使用二次插值法得到精确特征点所在的层（尺度），即完成了尺度不变。 二、在特征点选取一个与尺度相应的邻域，求出主方向，其中SIFT采用在一个正方形邻域内统计所有点的梯度方向

今天百度搜资料还搜到了自己的。。。《访问图像中每个像素的值》，这是之前写的了，用的也是2.0的风格IplImage*格式，不太适用后来Mat的格式，特此重写一篇。以下例子源自《The OpenCV Tutorials --Release 2.4.2》2.2 How to scan images, lookup tables and time measurement with OpenCV

从视频序列中抓取一帧OpenCV支持从摄像头或视频文件(AVI)中抓取图像.从摄像头获取初始化:CvCapture* capture = cvCaptureFromCAM(0); // capture from video device #0从视频文件获取初始化:CvCapture* capture = cvCaptureFromAVI("infile.avi");

色调H：用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°。一旦颜色从一种颜色进入另一种颜色，人眼将立即发现它。色调是人眼对光主波长的认知；饱和度S：表示颜色纯净的程度，取值范围为0.0～1.0亮度V：表示颜色的明暗程度，对于单色光，亮度表示了光线的强弱，对于物体，

前段时间做了一个关于视频检测的小项目。目的是检测一段视频中灰色球员的运动和统计，之前学的图像处理都是线检测部分，这次涉及到视频过渡其实也没有想象中那么难。这里还是采用opencv1.0来写的程序，以后要用Mat来写啦。贴上代码。效果不是太好。#include #include #include #include using namespace std;using namespac

#include#include#includeint main(int argc,char **argv){ IplImage*src; if(argc == 2&&(src = cvLoadImage(argv[1],0))!=0) { IplImage *dst = cvCreateImage(cvGetSize(src),8,1); IplImage *color_

我们先来看一段关于边缘检测的代码：//边缘检测 canny算子#include"cv.h"#include"highgui.h"#includeusing namespace std;char wndname[] = "Edge";char tbarname[] = "Threshold";int edge_thresh = 1;IplImage * image = 0,* c

#include#include"cv.h"#include"highgui.h"#define max_corners 100int main(int argc,char **argv){ int cornerCount=max_corners; CvPoint2D32f corners[max_corners]; IplImage *srcImage =0,*grayImag

灰度图转为彩色图, 并不知道 RGB 与 灰度 的比例关系，只能简单地 设 一点的 R=G=B=灰度;就算转成功了，看上去还是灰色。 if (img.type()==CV_8UC1) { //input image is grayscale cvtColor(img, cimg, CV_GRAY2RGB); } else {