林多

拉帕拉斯变换用来检测物体的边缘信息。 在图像平坦（灰度值无变换的区域），拉普拉斯滤波后的图像在该区域的强度值为0.在图像灰度值剧烈变换的区域（边缘），拉普拉斯滤波后的图像的强度值（绝对值）相对较大。 物体边缘一般在强度值的零交点（注意：并不是在强度值为0的点，而是在强度值从正变换到负，或从负变换到正的过程中，隐含存在的为0的亚像素级的点）。拉普拉斯变换变换可用于图像增强（

相机标定相机标定：简单的说，就是获得相机参数的过程。参数如：相机内参数矩阵，投影矩阵，旋转矩阵和平移矩阵等什么叫相机参数？简单的说，将现实世界中的人、物，拍成一张图像（二维）。人或物在世界中的三维坐标，和图像上对应的二维坐标间的关系。表达两种不同维度坐标间的关系用啥表示？用相机参数。相机的成像原理先来看一下，相机的成像原理： 如图所示，这时一个相机模型。将物体简化看成一个点。来自物体的

一段基于OpenCV2的代码。 作用是从摄像头获取帧并将帧写入指定的视频文件中。 需要注意的是，视频文件所在的路径需要存在，例如D：／ｉｍａｇｅｓ／１．ａｖｉ。ｉｍａｇｅｓ这个目录需要存在。调用ＶｉｄｅｏＷｒｉｔｅ类对象的成员函数ｏｐｅｎ时，编解码方式参数设置为－１，代码运行时会弹出对话框，手动选择编解码方式。#include<opencv2\highgui\highgui.hpp>#incl

SURF特征SURF特征——speeded up robust features 加速鲁棒特征。具有尺度不变性，计算相对高效。 所谓尺度不变性，在特征点匹配上，个人比较白话的理解是： 相同内容的不同尺度的两张图片（例，图像1：张三的正面照。图像2：张三正面照缩小一半。）。 假设两张图片上张三的鼻子中心是一个特征点，那么这两张图片，在该点处的SURF特征，应该相互匹配（确切说是SURF特征描述子

一、Harris角点检测Harris角点： 假定一个特征点，观察特征点周围小窗口（如3X3）内各个方向的强度平均变化，求得平均强度变换最大值的方向，检查该方向的垂直方向的强度变化是否很大（满足设定的阈值）。满足该条件，即为harris角点。 数学表示： 数学表示 I(x，y）表示点（x，y）的强度值。对于偏移向量（u，v），偏移向量可以看成某个方向。它的平均强度变化为： 求和覆盖预定义

一些概念的东西： 一条直线可以表示为: y=ax+b，其中a、b为常数，（x，y）表示一个点，是变量。这个式子表示了 一条直线和直线上的点的关系。坐标系为x轴和y轴，图形为一条线。换一个出发点，考虑一个点和通过该点的直线的关系。 假设已知某一个（x1，y1），x1和y1为常量。下式表示所有通过点（x1，y1）的直线。 y1=a*x1+b,其中a、b是变量，x1和y1为常量，表示点（x1，y1

前段日子，写了个人脸检测的小程序，可以检测标记图片、视频、摄像头中的人脸。效果还行吧，用的是opencv提供人脸库。至于具体的人脸检测原理，找资料去啃吧。 环境：VS2013+OPENCV2.4.10+Win8.1 代码地址GitHub: https://github.com/adver1991/FaceDetect 一 基于对话框的MFC首先，新建一个基于对话框的MFC...

概念OpenCV查找表的定义： 查找表【i】=newvalue 查找表第i项（灰度值i）的新值为 newvalue。也就是，将原灰度图像中灰度值为i的像素变为灰度值”newvalue“。查找表可以看成一个简单的一对一的映射函数 y=f（x）。 为什么要用查找表？ 查找表用起来比较方便，对于一些简单灰度图像变换，可以定义多个查找表。然后使用同一个调用函数，调用不同

网上有很多例子，但绝大部分是用Opencv1写的。这里基于Opencv2，打开摄像头，并显示图像。#include <opencv2\core\core.hpp>#include <opencv2\highgui\highgui.hpp>#include <opencv2\opencv.hpp>using namespace cv;int main(){ VideoCapture c

一个回调鼠标函数的例子，基于OpenCV2，比起网上一些基于OpenCV1的例子简单、明了许多。#include<opencv2\opencv.hpp>//鼠标回调函数void my_mouse_callback(int event, int x, int y, int flags, void* param);//保存绘制所用的点cv::Point pt;cv::Point pt1;//

1.概念这里说的是OpenCV中实现的Meanshift算法的大体概念。 在OpenCV中meanshift算法的原理，大体上是这样的： 首先，预先定义一个窗口（可以通过openCv中的ROI在图像上定义一个感兴趣的窗口），然后计算窗口内所有像素（数据）点的重心，然后将窗口中的中心移动到重心点。重复这个过程，直到满足迭代终止条件。 OpenCV2中，实现meanshift算法的函数是：cv::

目标：选出一个参考图像，找出一组图像中与参考图像最相似的图像。 相似图像检索：基于图像内容的相似度检索，可以利用两幅图像的直方图特征，评估两幅图像的直方图相似度，进而得到两幅图像的相似度。第一步：直方图特征提取函数calcHist用来计算图像直方图特征，函数原型如下：void calcHist(const Mat* images, int nimages, const int* channels,

OpenCV中的GrabCutGrabCut是流行的图像分割算法之一，通过标记前景像素、相似色彩聚类、边界像素惩罚和迭代，寻找最优解。 本文用OpenCV实现的GrabCut算法，做了个小程序。至于该算法的详解可自行百度学习吧。 OpenCV中GrabCut算法函数原型：void grabCut(InputArray image, InputOutputArray mask, Rect rect

对于一个固定的场景（背景），我们感兴趣的是在场景中运动的物体（前景）。前景提取是在智能监控应用中的一个基础步骤。 帧间差分：在运动目标检测中，简单来说，就是背景与当前帧之间的差异。数字图像可以表示成一个矩阵，矩阵中每一个元素叫一个像素点。帧间差分=绝对值（背景-当前帧图像）。 怎么确定前景？ 我们取帧间差分足够大的像素点，将这些像素点作为前景像素。基于帧间差分的运动目标的主要问题： 背景建模