weixin_42888638的博客

文章目录步骤一：github下载源代码包步骤二：安装依赖步骤三：执行cmake步骤四：Cmake步骤五：安装库步骤六：配置系统环境变量步骤七：测试步骤一：github下载源代码包并将opencv和opencv-contrib放在同一个目录下同时在此目录下新建build文件夹mkdir build步骤二：安装依赖#安装工具sudo apt-get install cmake cmake-qt-gui git unzip#安装依赖sudo apt-get install build-ess

问题：由于无法直接在Anaconda下安装，所以只好找其他的安装方法解决方法：先下载文件，再进行安装下载opencv-python:opencv-pythonhttps://pypi.tuna.tsinghua.edu.cn/simple/opencv-python/opencv-python-contribhttps://pypi.tuna.tsinghua.edu.cn/simple/opencv-contrib-python/下载红色方框的文件放置到Anaconda的环境下的Li

文章目录输入步骤原理优缺点输入RANSAC的输入:1.一组观测数据（往往含有较大的噪声或无效点），2.一个用于解释观测数据的参数化模型，比如y=ax+b3.一些可信的参数。步骤1.在数据中随机选择几个点设定为内群2.计算适合内群的模型y=ax+b ->y=2x+3 y=4x+53.把其它刚才没选到的点带入刚才建立的模型中，计算是否为内群hi=2xi+3，ri4.记下内群数量5.重复以上步骤6.比较哪次计算中内群数量最多,内群最多的那次所建的模型就是我们所要求的解注意：不同

文章目录介绍原理step1 建立图像金字塔，FAST算法寻找特征点step2 给关键点分配方向step3 BRIEF创建描述子代码实战介绍ORB 是 Oriented Fast and Rotated Brief 的简称，可以用来对图像中的关键点快速创建特征向量，这些特征向量可以用来识别图像中的对象。其中，Fast 和 Brief 分别是特征检测算法和向量创建算法。ORB 首先会从图像中查找特殊区域，称为关键点。关键点即图像中突出的小区域，比如角点，比如它们具有像素值急剧的从浅色变为深色的特征。然后

文章目录介绍算法步骤step1step2step3随机选取的方法介绍BRIEF是对已检测到的特征点进行描述【注意：BRIEF是对特征点进行描述的，不是提取特征点】，它是一种二进制编码的描述子，摈弃了利用区域灰度直方图描述特征点的传统方法，大大的加快了特征描述符建立的速度，同时也极大的降低了特征匹配的时间，是一种非常快速，很有潜力的算法。算法步骤step1对图像做平滑处理。平滑处理，也就是高斯滤波，降低图像噪声。step2特征点为中心，取SxS的邻域窗口。在窗口内随机选取一对（两个）点，比较二者

文章目录介绍原理代码部分介绍FAST（Features fromaccelerated segment test）是一种角点检测方法，它可以用于特征点的提取，并完成跟踪和映射物体。FAST角点检测算法最初是由Edward Rosten和Tom Drummond提出，该算法最突出的优点是它的计算效率。它比其他著名的特征点提取方法（如SIFT，SUSAN，Harris）都要快。而且如果应用机器学习方法的话，该算法能够取得更佳的效果。正因为它的快速特点，FAST角点检测方法非常适用于实时视频处理的领域。原理

文章目录了解定义特点应用实质Sift算法原理大致步骤step1.构建高斯差分金字塔图像金字塔高斯金字塔概念搭建过程尺度空间差分金字塔[DOG金字塔]step2:空间极值点检测step3:稳定关键点的精确定位step4:稳定关键点方向信息分配step5:关键点描述step6:关键点匹配代码实现了解SIFT算法可以应用于图像拼接的例子上。通过SIFT，可以将多张图片拼接成全景图片。定义Sift（尺度不变特征变换），全称是Scale Invariant Feature TransformSift

文章目录1.图像噪声定义产生常见的噪声高斯噪声椒盐噪声其他噪声常用噪声2.图像滤波定义目的要求常见的滤波均值滤波中值滤波最大最小值滤波3.图像增强定义分类点处理线性变换分段线性变换对数变换幂律变换/伽马变换邻域处理总结1.图像噪声定义图像噪声是图像在获取或是传输过程中受到随机信号干扰，妨碍人们对图像理解及分析处理的信号。产生图像噪声的产生来自图像获取中的环境条件和传感元器件自身的质量，图像在传输过程中产生图像噪声的主要因素是所用的传输信道受到了噪声的污染。常见的噪声高斯噪声定义高斯噪声(G

文章目录相机模型世界坐标系到摄像机坐标系摄像机坐标系到图像物理坐标系图像物理坐标系到图像像素坐标系摄像机坐标系到图像像素坐标系世界坐标系到图像像素坐标系相机成像原理镜头畸变透视变换定义代码展示应用相机模型相机与图像之间的关系相机成像的大致流程世界坐标系到摄像机坐标系摄像机坐标系到图像物理坐标系主要是根据相似三角形列出等式。图像物理坐标系到图像像素坐标系摄像机坐标系到图像像素坐标系世界坐标系到图像像素坐标系相机成像原理镜头畸变（简单了解）透视变换定

文章目录1.边缘提取前置知识定义了解2.原理具体原理步骤3.Prewitt、Sobel算子4.Canny算法介绍算法灰度化高斯滤波检测图像的边缘*非极大值抑制（NMS）双阈值检测代码实现1.边缘提取前置知识图像中的低频信号和高频信号也叫做低频分量和高频分量。简单一点说，图像中的高频分量，指的是图像强度（亮度/灰度）变化剧烈的地方，也就是边缘（轮廓）；图像中的低频分量，指的是图像强度（亮度/灰度）变换平缓的地方，也就是大片色块的地方。人眼对图像中的高频信号更为敏感。定义了解图象的边缘是指图象局部

文章目录1.特征选择前置知识目的定义操作过程生成过程评价函数停止条件2.特征提取定义与特征选择的区别目的方法3.PCA（主成分分析）介绍步骤具体原理中心化PCA降维协方差矩阵优缺点代码实现部分实例练习1.特征选择前置知识一个对象往往具有很多属性（以下称为特征）(例如：房价的特征可能有地段，面积等一系列属性所影响)•相关特征：对于学习任务（例如分类问题）有帮助，可以提升学习算法的效果；•无关特征：对于我们的算法没有任何帮助，不会给算法的效果带来任何提升；•冗余特征：不会对我们的算法带来新的信息，或

文章目录1.图像2.图像的取样与量化3.上采样与下采样常用的插值方法最邻近插值（The nearest interpolation）双线性插值4.直方图5.滤波1.图像像素：像素是分辨率的单位。像素是构成位图图像最基本的单元，每个像素都有自己的颜色。分辨率（解析度）：1.图像分辨率就是单位英寸内的像素点数。单位为PPI(Pixels Per Inch)2.PPI表示的是每英寸对角线上所拥有的的像素数目：（X：长度像素数；Y：宽度像素数；Z：屏幕大小）3.屏幕尺寸指的是对角线长度灰度：表示图像