随笔分类 - 计算机视觉
摘要：1 摄像机标定 在摄像机几何模型中，我们得到了摄像机模型变换矩阵为，其中，K为摄像机内参，R,C为摄像机外参。 为了方便后续推导方便，对公式符合做出一些修改： 1）使用T代替-C表示平移参数，； 2）摄像机内参在引入像平面扭曲变换（skew）时引入了s后导致参数不再只表达y轴上的缩放信息， 因此在后
阅读全文
摘要：1 线性回归（linear regression） 线性回归问题可以使用最小二乘法进行拟合，该方法可以求得优化方程的一个全局最优解，但当数据量很大时需要很大计算量。 梯度下降法不对方程进行约束，通过迭代方式对参数进行优化，该优化解可能是一个局部最优解。 虽然梯度下降法可能得到一个局部最优解， 但对于
阅读全文
摘要：相机将3D世界映射到2D图像，相机模型描述了这种映射，主要相机模型包括 finite camera 和 infinite camera。 1 Finite Projective Camera 如上图所示，Finite Projective Camera 是焦距f为有限值的相机模型，这是一个针孔模型，
阅读全文
摘要：meanshift 被应用于 object track 中，其主要思想如下： 如下图所示，对该点集应用 meanshift 算法可以定位到点集最稠密位置，而点集最稠密位置即为我们需要跟踪的物体位置。 1）为什么点集最稠密位置即为我们需要跟踪的物体位置呢？这一般情况下是使用 histogram bac
阅读全文
摘要：在图像模式匹配中，可以使用图像矩不变量进行形态匹配，具体如下： 1 图像的矩 图像的(p + q)阶矩可表示为 ， 当同一图像发生平移后，除了 保持不变，其他高阶矩均会发生改变，为了使图像矩的平移不变，需要引入中心矩。 使用以下公式 可得到图像中心， 图像中心矩可表示为 。 图像中心矩与图像矩之间存
阅读全文
摘要：1 频域滤波基础 对一幅数字图像，基本的频率滤波操作包括： 1）将图像变换到频率域； 2）根据需要修改频率域数值； 3）反变换到图像域。 使用公式表达为 ， H(u,v) 为滤波器（滤波传递函数），F(u,v) 为图像函数的傅里叶变换。 在将图像变换到频率域之前，对其中心化处理可使变换后结果更利于观
阅读全文
摘要：自然景物的辐照范围很广，同样人眼也可以感知到很大的辐照范围下的图像，然而摄像机成像很容易饱和或者曝光不足，所以需要根据拍摄场景来设置合理的快门时间（或者光圈，ISO等参数）。 尽管通过设置快门时间（或者光圈，ISO等参数）可以得到一幅比较理想的图像，但仍然可能存在曝光不足或曝光过度的现象。 高动态范
阅读全文
摘要：opencv 提供了全景图像拼接的所有实现，包括： 1）stitching 模块提供了图像拼接过程中所需要的基本元素，该模块主要依赖于 features2d 模块； 2）提供了 stitching_detailed.cpp，本示例给出了如何运用 stitching 模块的详细说明； 同时，openc
阅读全文
摘要：对于多幅不同角度图像，其拼接过程相较于两幅图像拼接更加复杂，以下给出具体理论模型： 1 3D到2D透视投影 三维空间上点 p 投影到二维空间 q 有两种方式：1）正交投影，2）透视投影。 正交投影直接舍去 z 轴信息，该模型仅在远心镜头上是合理的，或者对于物体深度远小于其到摄像机距离时的近似模型。
阅读全文
摘要：对于两幅不同角度拍摄图像，不考虑光学成像相关信息，仅认为两幅图像是通过某一种平面映射（如仿射变换）相关联。使用该模型对两幅图像配准方法如下： 1 特征检测与匹配 1）使用任意特征点检测算法分别检测出两幅图像上得显著特征点（如 Harris 角点，SIFT，SURF等）； 2）使用特征点描述算法对两幅
阅读全文
摘要：在图像分割中，使用 kmeans 算法可以实现图像区域基本分割。如果一幅图像被分为两类，kmeans 分割效果与 ostu 算法基本一致，具体如下图： kmeans 将图像灰度聚类为 k 类，ostu 将图像灰度分割为 2 类，当 k = 2 时，两种算法最终目的基本趋于一致。 kmeans 算法基
阅读全文
摘要：ORB detector 使用 FAST detector 和 BRIEF descriptor 基本思路。在介绍 ORB 之前，首先对 FAST 与 BRIEF 进行说明。 1 FAST FAST(Featrues from Accelerated Segment Test)，其基本思想是比较当前
阅读全文
摘要：SURF(Speeded-Up Robust Features) 是对 SIFT 得改进，相对于 SIFT，SURF 利用积分图像与盒函数模拟 DoG，提升了计算速度；同时，使用了一种不用于 SIFT 的特征描述方案。 在 SIFT 中，检测尺度空间极值使用了 DoG 响应，SURF 做了如下改进：
阅读全文
摘要：特征描述提取图像区域上有用信息而忽略无用信息，不同目标下有用信息与无用信息定义不同。这里提取的有用信息用于分类器输入并期望产生正确的分类。 HOG(Histogram of Oriented Gradient) 对图像块生成描述信息 vector，然后将每个图像块指定一个分类(-1, 1)，通过大量
阅读全文
摘要：图像灰度信息很难精确测量，一般情况下测量值总在真实值附近晃动，使用概率模型可以对该随机性建模，大致如下： 1 概率密度函数 1）随机变量 x 的概率密度函数 p(x) 定义为：当 趋近于 0 时，在区间 上概率为 ； 2）随机变量 x 的期望（均值）定义为 ，该均值为峰值中心位置； 3）随机变量 x
阅读全文
摘要：SIFT(Scale Invariant Feature Transform) 由 David Lowe 于 2004 年提出。SIFT 算法在不同尺度下检测最强特征点，并给出特征点描述。由于特征点描述基于主方向与尺度信息，故可以使用描述信息对不同尺度，不同方向特征点进行比对。主要步骤如下： 1）使
阅读全文
摘要：通用的 Blob 检测方法包括：Laplacian of Gaussian(LoG), Difference of Gaussian(DoG), Derterminant of Hessian(DoH)。 opencv 提供了一种简单的方法实现 Blob 检测：SimpleBlobDetector。
阅读全文
摘要：二值图像 b(x,y) = 1 表示前景部分，b(x,y) = 0 表示背景部分。其基本几何特性包括：‘ 1 面积 对整个图像区域进行积分，使用零阶矩表示为 。 2 位置 将图像区域看作一种均匀物质构成得平面，物体得质心即为区域中心；使用一阶矩表示如下： ，，进一步改写得： ，。 3 朝向 假设物体
阅读全文
摘要：在 ”光流跟踪“ 中，使用了 Harris 角点作为 LK 光流跟踪输入点。角点定义为在两个方向上均有较大梯度变化的小区域，使用自相关函数描述。 自相关函数为为图像平移前后某一个区域的相似度度量。图像可以看作二维平面上的连续函数，使用泰勒级数可以将自相关函数转换为自相关矩阵。 通过分析自相关矩阵的特
阅读全文
浙公网安备 33010602011771号