weixin_61091146的博客

准备一堆模版上去卷积，看看哪个能产生最大响应，但是随着信号变化发生了信号衰减。变换高斯二阶导的核（选择不同的σ去卷积），响应最大的点（σ=4.8左右），每三个尺度进行比较，只和上下尺度进行比较，找出极值（绘画出很多圆）？信号的总面积：随着方差的变大，会越来越小（权值求和不是1）？高斯二阶导有两个参数：方差和窗宽（给定方差可以算出窗宽）当图像与二阶导高斯滤波核能匹配的时候，能产生一个极大值。下图中的信号应该选择σ=8的高斯模版。零平面的圆的方程，圆的半径就是尺度。看具体的一个像素点在图像中的变化。

用泰勒展开，建立E(u,v)和(u,v)的直接关系。E(u,v)是移动都得变化差异，(u,v)是移动量。通过分析（u,v）对E（u，v）的影响，就能判断出是不是角点。w(x,y)是一个权值，每个点的贡献不一样（高斯）都等于0，就是，uv怎么变E(u,v)都不变，E[u,v]：移动前和移动后两个窗口的差异值。有一个等于0，就和其中一个u或v有关系，两个。我们希望找到的点具有的特征有什么特性？②显著性，左边和右边显著特征相似可匹配。给出一个u,v，就可以画出一个椭圆。E(u,v)最大的点就是角点。

针对圆形，先找到梯度方向，针对一个点选取不同的r（一个r就会有两个点，对应两个圆心）画出直线，会有两条，一个向心一个离心，3.剩下的点给这个直线投票，就是看剩下的点到直线的距离之和，设置一个小门限，如果这条直线有90个点进行投票就记下这条直线。u是点到直线的距离，σ（尺度参数）来控制点到直线距离的影响（距离多少点没有贡献了），太远的点就是噪声点，就不考虑了。随便选取三对点，算出abcdef，用其他的点进行投票（满足一致性），重复上述步骤，3.剩下的点给这个直线投票，就是看剩下的点到直线的距离之和。

该点f(x,y)在x方向上的导数为f(x+1,y)*1 + f(x,y)*(-1)，也就是f(x,y)*g(x,y)在卷积区域内求和，卷积区域为1*2，-1与1对应的是g(x,y)。改进：利用卷积的交换律和结合律，先算高斯核的导数再算与原图像的卷积（计算梯度大小，剔除掉梯度小的点，选择合适的边缘点。用x方向的卷积模版计算一次再用y方向的卷积模版计算一次，求和。eg：-1、1与原图卷积就是出现左下方的图，（右减左）对x求导，是y方向左右差异比较大的。高斯平滑核：用来做平滑的，不会有负数，权值和等于1。

1.滤除高频（把周围突兀的点给滤掉）2.一个大高斯核的卷积效果可以由两个小高斯卷积核连续操作得到（勾股定理计算得到）eg：小的高斯核是σ=2和σ=3，则大的高斯核σ=3.高斯核可以分解分解性质有什么作用？计算复杂度降低卷积操作的n*n次操作保留，不再需要m个相加的操作，只需要m个分解和求和的操作，所以不再是m*m而是m。

二维与三维之间的关系影消点与直线的关系影消线与面的关系。

因为摄像机内外参数矩阵描述了三维世界到二维像素的映射关系；摄像机标定：求解摄像机内、外参数矩阵 K [R T]；P：世界坐标系下 p：像素坐标系下。

1、针孔摄像机1.1 小孔成像原理当将胶片直接放置在物体前方时，3D物体上的同一点会在胶片的多个位置产生成像；（模糊成像）因此，在物体和胶片之间放置一个带有针孔的隔板时，假设针孔大小只允许穿过一条光线，那么3D物体上的同一点只能有一条光线穿过小孔并在胶片上成像；

在计算机视觉中, 三维重建是指根据单视图或者多视图的图像重建三维信息的过程. 由于单视图的信息不完全,因此三维重建需要利用经验知识. 而多视图的三维重建(类似人的双目定位)相对比较容易, 其方法是先对摄像机进行标定, 即计算出摄像机的图象坐标系与世界坐标系的关系.然后利用多个二维图象中的信息重建出三维信息。