u011460059的博客

本篇用于补充书上所学内容，特别是后面的匹配内容，书上没讲到，且贴有代码参考文献等链接，故转载。 原文：http://blog.youkuaiyun.com/abcjennifer/article/details/7639681/ SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or co

作者：龚元浩链接：https://zhuanlan.zhihu.com/p/23132541来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。一般的数字图像都是一个二维离散函数，图像处理的任务通常是想得到一个新的图像。这个满足特定的性质，比方说去模糊、去雾、超分辨率、去噪、分割等等。以去模糊为例，得到的图像要比原始图像清晰。这个过程我们通常要建立一个

在研究SIFT中，有提到根据主曲率来筛选点。一、曲率基本概念    曲率是用来反映几何体的弯曲程度。            二、三维欧氏空间中的曲线和曲面的曲率    平均曲率、主曲率和高斯曲率是曲率的三个基本要素。    平均曲率：是空间上曲面上某一点任意两个相互垂直的正交曲率的平均值。如果一组相互垂直的正交曲率可表

halcon基础教程 第二讲 halcon中的数据类型 - 腾讯视频 !function(){function a(a){a=a||window.location.toString();var d,b=c("vid",a);return b||(d=a.match(/\/\w{15}\/(\w+)\.html/))&&(b=d[1]),b||((d=a.match(/\/page\/\w{

背景引言计算机视觉中，引入尺度不变的特征，主要的思想是每个检测到的特征点都伴随着对应的尺寸因子。当我们想匹配不同图像时，经常会遇到图像尺度不同的问题，不同图像中特征点的距离变得不同，物体变成不同的尺寸，如果我们通过修正特征点的大小，就会造成强度不匹配。为了解决这个问题，提出一个尺度不变的SURF特征检测，在计算特征点的时候把尺度因素加入之中。SURF与SIFT算法相似，SIFT算法比较稳定，检测特征

在执行线性空间滤波时，经常会遇到两个概念相关和卷积二者基本相似，在进行图像匹配是一个非常重要的方法。相关是滤波器模板移过图像并计算计算每个位置乘积之和的处理卷积的机理相似，但滤波器首先要旋转180度相关的计算步骤：（1）移动相关核的中心元素，使它位于输入图像待处理像素的正上方（2）将输入图像的像素值作为权重，乘以相关核（3）将上面各步得到的结果相加做为输出卷积的计算步骤：（1）卷积

实际上，各种水平集方法的区别只是在于如何构建能量函数E(C)。当构建好能量泛函E(C)之后，通过水平集的思想，将曲线C用水平集函数Φ代替，再通过求解能量泛函对应的Euler-Lagrange方程获得水平集的演化方程。其实就是构造了能量泛函，使其最小，轮廓内的灰度方差和轮廓外的灰度方差之和，在轮廓上时，是最小的，其次，加入轮廓周长项，使其轮廓收敛为最小。       这里，通过讲解Chan-Vese