zchang81的博客

图像拼接也是计算机视觉领域的一个研究热点，本人这段时间内也对该算法进行了一番研究，在这里把其思想步骤简单归纳总结一下，以免忘记。

OCR识别分两步：1、文字/数字检测：找到包含文字/数字的区域(proposal); 2、文字/数字分类：识别区域中的文字/数字。

每张图片都有一个指纹。正如人的指纹可以识别人，图片的指纹能识别图片。

相似图片搜索的原理

OpenCV进行图像相似度对比的三种办法

模板匹配是一种在图像中定位目标的方法，通过把输入图像在实际图像上逐像素点滑动，计算特征相似性，以此来判断当前滑块图像所在位置是目标图像的概率

Stitcher类与detail命名空间OpenCV提供了高级别的函数封装在Stitcher类中，使用很方便，不用考虑太多的细节。低级别函数封装在detail命名空间中，展示了opencv算法实现的很多步骤和细节，使熟悉如下拼接流水线的用户，方便自己定制。可见OpenCV图像拼接模块的实现是十分精密和复杂的，拼接的结果很完善，但同时也是费时的，完全不能够实现实时应用。我在研究detail源码时，由...

合成全景图中计算机视觉技术的知识和原理

所谓图像拼接就是考虑如何将多幅来自同一场景的有重叠区域的小尺寸图像合成一幅大尺寸的高质量的图像。这种技术为图像降噪、视场（Field of view）扩展、背景场景构建（运动物体去除）、去模糊、空间分辨率的提高和动态范围的增强提供了更佳的策略。同样，图像拼接也应用于图像恢复、计算机特效、图像压缩与视频编辑等领域。

在图像拼接领域中，透视矩阵起着至关重要的作用，网络上关于这一知识的介绍已经很多，本人在此稍加总结和归纳一下，也方便自己今后查找一些结论性的要点（别人的再怎么好，还是自己的看起来舒服：）），接下来，就让我们对透视矩阵做一番深入性的认识吧。

深度学习在计算机视觉领域，解决了或者推动了一大类非线性的映射函数学习的问题。但从落地角度来看，依赖于有标注大数据的深度学习也还存在非常多问题。