wxie的Linux人生

一、  CV_SSE系列指令集的预编译符号定义在opencv2/core/internal.hpp这个头文件中，如果你不包含这个头文件的话，把源码拷贝到自己的函数中，CV_SSE是不被定义的下面是harrisCorner中的一部分代码 1 2 3 4 5 6 7 8 9 10 11

立体匹配主要是通过找出每对图像间的对应关系，根据三角测量原理，得到视差图；在获得了视差信息后，根据投影模型很容易地可以得到原始图像的深度信息和三维信息。立体匹配技术被普遍认为是立体视觉中最困难也是最关键的问题，主要是以下因素的影响： （1） 光学失真和噪声（亮度、色调、饱和度等失衡）（2） 平滑表面的镜面反射（3） 投影缩减（

这是第一篇博客，想把之前写的一些东西整理成技术博客，陆续的搬运过来吧。介绍一下一直在做的Stereo match 的基本原理:图1.1 　　 cones_left.jpg图1.2　　cones_left.jpg　　　　　　　　　　 　　为了模拟人眼对立体场景的捕捉和对不同景物远近的识别能力，立体匹配算法要求采用两个摄像

对OpenCV中涉及的三种立体匹配算法进行代码及各自优缺点总结：首先我们看一下BM算法：该算法代码：[cpp] view plain copyCvStereoBMState *BMState = cvCreateStereoBMState();    int SADWindowSize=15;    BMState->SADW

图像的缩放很好理解,就是图像的放大和缩小。传统的绘画工具中,有一种叫做“放大尺”的绘画工具，画家常用它来放大图画。当然，在计算机上，我们不再需要用放大尺去放大或缩小图像了，把这个工作交给程序来完成就可以了。下面就来讲讲计算机怎么来放大缩小图象；在本文中，我们所说的图像都是指点阵图，也就是用一个像素矩阵来描述图像的方法，对于另一种图像：用函数来描述图像的矢量图，不在本文讨论之列。越是简单的模型越

opencv提供了API来比较图片的相似程度，使我们很简单的就能对2个图片进行比较，这就是直方图的比较，直方图英文是histogram, 原理就是就是将图片转换成直方图，然后对直方图进行比较，在某些程度，真实地反映了图片的相似度。代码如下： 1 #include 2 #include 3 #include 4 using namespace std; 5 usin

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，也没有绝对的运动）。例如，当你坐在火车上，然后往窗外看。你可以看到树、地面、建筑等等，他们都在往后退。这个运动就是光流。而且，我们都会发现，他们的运动速度居然不一样？这就给我们

要点：           1) XP+ Visual Stuio 2010 + OpenCV-2.4.2.exe + cmake-2.8.8-win32-x86.exe            2) 如何CMake OpenCV源代码得到可编译的VS2010项目           3) 如何使用VS2010编译OpenCV源码           4) 如何配置OpenCV工程

模拟人的两只眼睛的Stereo相机最近变得很受欢迎。通过对stereo相机拍摄的左右两张图进行匹配找出视差图，可以还原物体的3D信息。立体匹配（Stereo matching）的步骤如下：1： 预处理：亮度归一化，去噪，图像增强，滤波等等2： 匹配Cost计算Cost aggregation      每个像素点的matching cost可用下图所示的