u012380663的专栏

Adaboost也是一种原理简单，但很实用的有监督机器学习算法，它是daptive boosting的简称。说到boosting算法，就不得提一提bagging算法，他们两个都是把一些弱分类器组合起来来进行分类的方法，统称为集成方法（ensemble method）,类似于投资，“不把鸡蛋放在一个篮子”，虽然每个弱分类器分类的不那么准确，但是如果把多个弱分类器组合起来可以得到相当不错的结果，另外要

1. 信号的稀疏表示(sparse representation of signals)给定一个过完备字典矩阵，其中它的每列表示一种原型信号的原子。给定一个信号y，它可以被表示成这些原子的稀疏线性组合。信号 y 可以被表达为 y = Dx ，或者。 字典矩阵中所谓过完备性，指的是原子的个数远远大于信号y的长度(其长度很显然是n)，即n2.MP算法(匹配追踪算法)2.1

版权声明：    本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com前言：    上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇文章中便是基于特征值

OTSU算法称为大律法或最大类间方差法原理：利用阈值将原图像分成前景，背景两个图象。前景：用w0,u0表示在当前阈值下的前景的点数占图像的比例，前景的平均灰度值背景：用w1, u1表示在当前阈值下的背景的点数占图像的比例，背景的平均灰度值当取最佳阈值时，背景应该与前景差别最大，关键在于如何选择衡量差别的标准，而在otsu算法中这个衡量差别的标准就是最大类间方差（英文简称otsu

序言       在图像处理中，对图像进行二维变换有仿射变换（Affine Transformation），透视变换（Perspective Transformation）（应该还有其他变换，但是我用到的比较多的是这两种变换）。一、仿射变换1、概念       仿射变换（Affine Transformation）是空间直角坐标系的变换，从一个二维坐标变换到另一个二维坐标，仿射变换

透视变换(Perspective Transformation)是将图片投影到一个新的视平面(Viewing Plane)，也称作投影映射(Projective Mapping)。原理：         通用的变换公式为：u,v是原始图片左边，对应得到变换后的图片坐标x,y,其中。变换矩阵可以拆成4部分，表示线性变换，比如scaling，shearing和ratotion。

查找轮廓轮廓到底是什么?一个轮廓一般对应一系列的点,也就是图像中的一条曲线.表示的方法可能根据不同情况而有所不同.有多重方法可以表示曲线.在openCV中一般用序列来存储轮廓信息.序列中的每一个元素是曲线中一个点的位置.关于序列表示的轮廓细节将在后面讨论,现在只要简单把轮廓想象为使用CvSeq表示的一系列的点就可以了.函数cvFindContours()从二值图像中寻找轮廓.cvF

OpenCV_连通区域分析与标记（Connected Component Analysis-Labeling）【摘要】 本文主要介绍在CVPR和图像处理领域中较为常用的一种图像区域（Blob）提取的方法——连通区域分析法（连通区域标记法）。文中介绍了两种常见的连通区域分析和标记的算法：1）Two- pass；2）Seed-Filling种子填充，并给出了两个算法的基于OpenCV的C++实现代