随笔分类 -  OpenCV

摘要：图像的剪切有多种方法，其中一种是使用ROI的方法第一步：将需要剪切的图像图像不部分设置为ROIcvSetImageROI(src , cvRect(x,y,width,height));第二步：新建一个与需要剪切的图像部分同样大小的新图像cvCreateImage(cvSize(width,height),IPL_DEPTH,nchannels);第三步：将源图像复制到新建的图像中cvCopy(src,dst,0);第四步：释放ROI区域cvResetIamgeROI(src);完整程序实例：#include <cv.h>#include <cxcore.h>#incl 阅读全文

摘要：Sift算法-----part6 前言：这是本系列的最后一部分了，我们剩下的唯一工作就是采取每个关键点的指纹，这样才能把他从其他部分区别出来。做法 我们的目标是给每个关键点创建一个独一无二的指纹，前提必须他很容易计算，另一方面我们希望他在作比较时能保持相对宽松，比较在不同的两张图片中，物体总是有或多或少的区别的。为了完成这个目标，我们为每个关键点建立一个16*16的区域，这个区域被细分为4*4的区域。如下图： 然后在这个4*4的区域类，方向梯度和梯度大小被计算出来，这些方向被放入一个8位的直方图中。 梯度方向在0-44°的被放在第一个格子内，45-89°的被... 阅读全文

摘要：Sift算法-----part5 前言：通过前四部分的操作，我们已经得到优化后的关键点，它们已经在实践中被证明是稳定有效的，下一个步骤中，我们将为每一个关键点分配方向，这个方向将保证角度不怕。做法： 具体做法是收集每个关键点梯度方向和大小。然后我们就可以得出这区域中最突出的方向。我们将这个方向分配给每个关键点。其后的所有计算都是与这个方向是紧紧相关的，这保证了方向不变。 角度收集的区域与它的尺度相关，尺度越大，区域面积越大。细节 现在讨论关于方向收集的区域。 梯度方向和大小可以通过下列公式计算： 计算每个在关键点... 阅读全文

摘要：Sift算法-----part4 我们在前面的步骤中产生了许多关键点，其中的一些点是沿边缘分布的或者经历的对比不够充分，其中的任一种情况都使得这些关键点不能成为特征点。所以，我们得剔除它们。剔除的方式类似于Harris角点检测法中使用的方法。移除低对比度的特征点这很简单，如果在DOG图像中某点像素点的值小于某个特定的值，那么丢弃它。因为我们已经计算出亚像素点，我们需要使用taylor表达式来算出在亚像素点钟的值。如果强度偏小，同样会丢弃它。Removing edges我们计算出关键点的两个梯度值，彼此相互垂直。对于一张图片中的关键点进行计算，该点的两个梯度有三种情况：对于平滑的区域这两个梯度. 阅读全文

摘要：Sift算法-----part2前言： 在上一个步骤中，我们创建了图像的尺度空间，即逐步模糊图片，缩小它然后依次类推。现在，我们将使用模糊的图片去创建一系列的图片--高斯差(DOG)。这些DOG对找出图像的关键点十分重要。高斯--拉普拉斯(Laplacian of Gaussian)算子： LOG算法的步骤如下：对原始图像进行模糊，然后，根据该图像计算出二阶导数(Laplacian)。这样会得出图像上的边缘和角点，这些边缘和角点对找到关键点很重要。 但是二阶导数对噪点很敏感，模糊可以消除某些噪点是更容易地计算出二阶导数。难度是，计算出所有这些二阶导数的时间和空间复杂度均很高，所有我们必须... 阅读全文

摘要：Sift算法-----part1 前言：真实世界中的物体只有在某些尺寸中才有价值。比如，你在桌上放置了一台电脑，而你在电脑前，那么电脑就很好地存在。而当你在一个离电脑很远的地方查看时，它就像一粒尘埃，没有什么意义。尺度空间的概念旨在将现实中的这个理念用于数字图像的处理中。尺度空间： 你是可以选择看着一个树还是一片叶子，这取决于你的喜好。如果你选择了一棵树，那么你会选择忽略掉某些细节(例如叶子等)。当然你在选择忽略掉某些细节时，你必须保证不会引人更多的细节。唯一合理的方式是采用高斯模糊(在多种情况下已经被数学证明有效，至于怎么证明，这个问问数学界的大师吧。^_^) 因此，创建一个尺度空间，... 阅读全文

摘要：SIFT:ScaleInvariantFeatureTransform(尺度不变特征转换)先介绍第一部分：在不同图片之间进行特征匹配是计算机图形学中一个常见的问题。在一般情况下，简单的角点检测就能达到目的。但是，当你拥有的图片不同尺寸，或者不同角度，sift算法就能派上用场。Sift是一个相当复杂的算法，需要相应的知识，而且很容易使人糊涂。我将算法分为以下如下几个部分：一、构建尺度空间：这是初始步骤。你可以创建对原始图像的内部表示来保证尺寸不变，这就是构建尺度空间的工作。二、高斯--拉普拉斯(LaplacianofGaussian)算子：LOG算子常用于在图像中查找关键点。但有相当的时间和空间 阅读全文

摘要：图像阈值化：在对图像进行操作时，希望能对一些低于和高于一定值的像素进行操作。opencv的cvThreshold()可以完成某些任务。double cvThreshold(CvArr* src,CvArr* dst,double threshold, //Tdouble max_value, //Mint threshold_type);//只能处理8位或浮点灰度图像threshold_type包括一些类型选项CV_THRESH_BINARY (src>T)?M:0CV_THRESH_BINARY_INV (src>T)?0:MCV_THRESH_TRUNC (src>T)? 阅读全文