Sunshine_in_Moon的专栏

        所谓分水岭算法有好多种实现算法，拓扑学，形态学，浸水模拟和降水模拟等方式。要搞懂就不容易了。Watershed Algorithm(分水岭算法)，顾名思义，就是根据分水岭的构成来考虑图像的分割。现实中我们可以或者说可以想象有山有湖的景象，那么那一定是水绕山，山围水的情形。而区分高山（plateaus）与水的界线，以及湖与湖之间的间隔或都是连通的关系，就是我们可爱的分水岭（w

本文转自：http://blog.youkuaiyun.com/ningningxl/article/details/10903581怎样使用OpenCV进行人脸识别本文大部分来自OpenCV官网上的Face Reconition with OpenCV这节内容(http://docs.opencv.org/modules/contrib/doc/facerec/facerec_tutoria

本文转自：http://blog.youkuaiyun.com/liulina603/article/details/7925170 人脸识别主要算法原理主流的人脸识别技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。基于几何特征的方法是最早、最传统的方法，通常需要和其他算法结合才能有比较好的效果；基于模板的方法可以分为基于相关匹配的方法、特征脸方法、线性判别分析方法、奇异

本文转自：http://blog.youkuaiyun.com/justremind/article/details/236622731. 光流概念的介绍         光流的概念是Gibson在1950年首先提出来的，它是空间运动物体在观察成像平面上的像素运动的瞬时速度。一般而言，光流是由于场景中前景目标本身的移动、相机的运动，或者两者的共同运动所产生的。光流场(Optical Flo

本文转自：http://blog.youkuaiyun.com/JustRemind/article/details/23745579原文地址：http://www.cnblogs.com/gnuhpc/archive/2012/12/04/2802124.html作者：gnuhpc@gmail.com 简介：在计算机视觉中，Lucas–Kanade光流算法是一种两帧差分的光流估计

光流Optical Flow介绍与OpenCV实现zouxy09@qq.comhttp://blog.youkuaiyun.com/zouxy09        光流（optic flow）是什么呢？名字很专业，感觉很陌生，但本质上，我们是最熟悉不过的了。因为这种视觉现象我们每天都在经历。从本质上说，光流就是你在这个运动着的世界里感觉到的明显的视觉运动（呵呵，相对论，没有绝对的静止，也

本文转自：http://blog.youkuaiyun.com/xw20084898/article/details/34837761在图形识别方面,主成分分析(Principal Comonents Analysis,PCA)算是比较快速而且又准确的方式之一,它可以对抗图形平移旋转的事件发生,并且藉由主要特征(主成分)投影过后的数据做数据的比对,在多个特征信息里面,取最主要的K个,做为它的特征依

本文转自：http://blog.youkuaiyun.com/bookwormno1/article/details/6791373LDA算法入门 一． LDA算法概述：线性判别式分析(Linear Discriminant Analysis, LDA)，也叫做Fisher线性判别(Fisher Linear Discriminant ,FLD)，是模式识别的经典算法，它是在19

本文转自：http://blog.youkuaiyun.com/panpan639944806/article/details/8146206什么是NP问题概念:在计算机学科中，存在多项式时间的算法的一类问题，称之为P类问题；而像梵塔问题、推销员旅行问题、（命题表达式）可满足问题这类，至今没有找到多项式时间算法解的一类问题，称之为NP类问题。拿推销员旅行问题为例，假设推销员亨利有向

本文转自：http://blog.youkuaiyun.com/yangtrees/article/details/7482960Surf(Speed Up Robust Feature)Surf算法的原理                                                                           1.构建Hessia

本文转自：http://blog.youkuaiyun.com/yihaizhiyan/article/details/5973729http://blog.youkuaiyun.com/Sway_2012/article/details/37765765http://blog.youkuaiyun.com/zouwen198317/article/details/384941491.什么是RANSAC?RA

本文转自：http://blog.youkuaiyun.com/zd19901117/article/details/450243131. cornerHarris函数分析#include #include #include #include using namespace std;using namespace cv;int main( void ){    //re

本文转自：http://blog.youkuaiyun.com/lcy9819/article/details/6554864GrabCut简介    OpenCV中的GrabCut算法是依据《"GrabCut" - Interactive Foreground Extraction using Iterated Graph Cuts》这篇文章来实现的。该算法利用了图像中的纹理（颜色）信息和边

本文转自：http://www.cnblogs.com/liqizhou/archive/2012/05/12/2497220.htmlMean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束. 1. Meanshift推导给定d维空间Rd的n个样本点 ,i=1,…,n,在空间中任选

本文转自：http://blog.youkuaiyun.com/u014395105/article/details/32328205谢谢博主！索贝尔算子（Sobeloperator）主要用作边缘检测，在技术上，它是一离散性差分算子，用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量Sobel卷积因子为：该算子包含两组3x

本文转自：http://blog.youkuaiyun.com/diemeng1119/article/details/12653925x2检验（chi-square test）或称卡方检验x2检验（chi-square test）或称卡方检验，是一种用途较广的假设检验方法。可以分为成组比较（不配对资料）和个别比较（配对，或同一对象两种处理的比较）两类。一、四格表资料的x2检验例20.

Bhattacharyya距离在统计学中，Bhattacharyya距离（以下称巴氏距离）测量的是两个离散或连续概率分布的相似性。计算方式和Bhattacharyya系数关系很密切。两种计算方式都以A. Bhattacharyya名字命名，Bhattacharyya是一位30年代在印度统计研究所工作的统计学家。巴氏系数可用来对两组样本的相关性进行测量。这一方法常用来作分类器算法。[

在这一节中，主要讲目标跟踪的一个重要的算法Camshift，因为它是连续自使用的meanShift，所以这2个函数opencv中都有，且都很重要。为了让大家先达到一个感性认识。这节主要是看懂和运行opencv中给的sample并稍加修改。     Camshift函数的原型为：RotatedRect CamShift(InputArray probImage, Rect&win

本文转自：http://blog.youkuaiyun.com/black_small/article/details/9812905边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括（i）深度上的不连续、（ii）表面方向不连续、（iii）物质属性变化和（iv）场景照明变化。 边缘检测是图像处

本文转自：http://blog.youkuaiyun.com/next9pm/article/details/25345115理论：“如果某一点在任意方向的一个微小变动都会引起灰度很大的变化，那么我们就把它称之为角点” 由上面定义，我们可以想到算法思路：去检测图像像素的灰度变化情况，即求解　　，其中，I(x,y)表示像素的灰度值对于上式，我们希望找

相信大家对PCA并不陌生，但是PCA的本质你是否了解呢？今天就给大家简单讲讲，也是自己对PCA的一个巩固。博客中使用的图片来自七月算法的程博士的PPT，在此感谢程博士课上的耐心讲解。     1、特征值个特征向量   我相信大家对于这个式子非常熟悉，但是你真正的理解这个式子了吗？特征向量和特征值到底有什么意义呢？说实话，在听程博士的课之前我一直迷惑，不过现在懂了。    首先，我们