
计算机视觉
一颗栗子
这个作者很懒,什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
Bag Of Features(BOF)图像检索方法
文章目录1. BOF原理实验内容数据集实验代码实验结果总结1. BOF原理Bag of features(Bof)一种是用于图像和视频检索的算法。要了解Bag Of Feature 就要先知道Bag Of Words(BOW),Bag of Words 是文本分类中一种通俗易懂的策略。一般来讲,如果我们要了解一段文本的主要内容,最行之有效的策略是抓取文本中的关键词,根据关键词出现的频率确定这段文本的中心思想。期初用于语言和文本的分析,通过改进后用于图像的分类。BOW中Bag里的Words通常是有代表性原创 2020-05-24 22:52:57 · 950 阅读 · 0 评论 -
计算机视觉---NCC视差匹配方法
文章目录1. NCC原理2. 运算流程3. 实验内容4.总结1. NCC原理NCC,normalization cross-correlation(归一化相关性),用于归一化待匹配目标之间的相关程度。对于原始的图像内任意一个像素点(px,py)(px,py)(px,py)构建一个n×nn×nn×n 的邻域作为匹配窗口。然后对于目标相素位置(px+d,py)(px+d,py)(px+d,py)...原创 2020-04-26 17:23:04 · 1962 阅读 · 1 评论 -
计算机视觉 --图像多视图几何
文章目录1. 基本概念1.1 对极几何1.2 基础矩阵1.3 8点法求基础矩阵2. 实验内容2.1 求基础矩阵2.1.1 8点法2.1.2 7点法2.1.3 10点法3.实验总结1. 基本概念1.1 对极几何对极几何是指空间中的某一点和它的投影在不同坐标系下的表示。两个白色平面为相机成像的像平面,xxx为空间中的任意一点,从图中可以看出,XXX 在左边像平面的投影为x1x_{1}x1,...原创 2020-04-21 21:07:55 · 949 阅读 · 0 评论 -
Python 进行相机标定
文章目录1. 基本原理2. 计算步骤3. 数学原理3.1 外参的计算3.2 内参的计算3.3 最大似然估计3.4 畸变3.4.1 径向畸变3.4.2 切向畸变3.4.3 径向畸变估计4. 实现4.1 数据4.2 代码实现4.3 运行结果5. 总结1. 基本原理相机标定的目的之一是为了建立物体从三维世界到二维成像平面上各坐标点的对应关系,所以首先我们需要定义这样几个坐标系:(1)世界坐标系世...原创 2020-04-07 16:16:05 · 2528 阅读 · 1 评论 -
计算机视觉--图像拼接
文章目录1. 图像拼接介绍1.1 图像拼接步骤1.2 图像拼接算法1.2.1 单应性矩阵1.2.2 APAP算法1.2.3 最小割和最大流最小割最大流2. 实验内容与结果2.1 固定点位拍摄多张图片进行拼接2.2 针对同一场景,更换拍摄位置3.总结1. 图像拼接介绍图像拼接在实际的应用场景很广,小到我们手机的全景图片,大到航天领域和地理图像领域,都会用到推向拼接,图像拼接的结果好坏会直接影响接...原创 2020-03-24 16:12:46 · 1331 阅读 · 2 评论 -
计算机视觉---SIFT特征提取与检索
文章目录SIFT特征介绍运算流程相关概念尺度空间高斯金字塔关键点检测 DOG实验内容1. 数据集2. 对图片进行SIFT特征提取代码如下结果2. 对图片进行SIFT特征匹配代码结果3. 图片检索代码结果SIFT特征介绍是用于图像处理领域的一种描述。这种描述具有尺度不变性,可在图像中检测出关键点,是一种局部特征描述子。可用于特征匹配和特征检测。运算流程特征点匹配流程:提取关键点对关键...原创 2020-03-08 09:21:56 · 1030 阅读 · 0 评论 -
计算机视觉图像基本处理--Harris角点检测
文章目录1.Harris角点检测基本思想1.1基本思想1.2 数学表达2.简单代码实现2.1 对于纹理平坦的图2.1.1 正面图像运行结果如下结果分析2.1.2 侧面图像运行结果如下结果分析2.1.3 旋转角度图像运行结果如下结果分析2.1.4 远近不同运行结果如下结果分析2.1.5 亮度不同运行结果如下结果分析结论2.2.边缘较多的图像2.2.1 正面图像运行结果如下结果分析2.2.2 侧面图像...原创 2020-02-25 17:14:48 · 827 阅读 · 0 评论 -
计算机视觉--图像基本处理
原图:图像灰度变换代码如下from PIL import Imagefrom numpy import *import matplotlib.pyplot as pltim = array(Image.open('cat.jpg').convert('L'))im2 = 255 - im # 对图像进行反相处理im3 = (100.0/255) * im + 100 # 将图像...原创 2020-02-23 11:29:43 · 668 阅读 · 0 评论