原创 圖像拼接(七):OpenCV單應變換模型拼接多幅圖像

上篇博客圖像拼接(六):OpenCV單應變換模型拼接兩幅圖像 實現了兩幅圖像的拼接,主要是使用了單應矩陣和warpPerspective()這個庫函數。 #求取每相鄰兩幅圖像的單應矩陣 拼接多幅圖像,需要計算每相鄰兩幅圖像的單應

原创 圖像拼接(十三):OpenCV拼接多幅圖像(以中間圖像爲參考)

在圖像拼接(七):OpenCV單應變換模型拼接多幅圖像 這篇博客中實現了用單應變換模型拼接多幅圖像,圖像拼接使用的OpenCV庫函數warpPerspective()。 因爲這個函數只有在右側圖像變換到左側圖像時才能完整顯示,所以

原创 圖像拼接(六):OpenCV單應變換模型拼接兩幅圖像

圖像拼接首要步驟就是對齊。對齊就要找到兩幅圖像相對的位置關係。爲了描述位置之間的變換關係,研究者引人了諸如平移,仿射,單應等變換模型。每個模型無所謂好壞,各有特定的適用範圍。 在其次座標系下,圖像位置之間的關係,或者說同名點座標之

原创 圖像拼接(十二):OpenCV SeamFinder+GraphCut+最佳拼接縫尋找

很多情況下,使用一個全局單應變換並不能準確對齊圖像,需要一些後處理來削弱拼接的痕跡,比如尋找最佳拼接縫。 使用全局單應變換的對齊結果,實現代碼參考圖像拼接(六):OpenCV單應變換模型拼接兩幅圖像: 仔細觀察,在拼縫的下方出現

原创 圖像拼接(九):雙攝像頭實時視頻拼接(單應變換模型)

單應變換相比平移變換,具有更廣泛的場景適應性,但同時穩定性會有一定程度下降。 設計到的技術細節有: 特徵檢測與描述 特徵匹配與單應矩陣估計 opencv採集視頻 漸入漸出圖像融合 這個解決方案的硬件條件包括:有兩個USB接口的

原创 OpenCV角點檢測器測試和比較

關於特徵檢測,OpenCV提供了通用的接口FeatureDetector類。簡單調用其成員函數create()和detect()即可完成角點檢測。 選取8個以角點爲特徵的特徵檢測器進行測試,包括: HARRIS GFTT (S

原创 直接線性變換(DLT)求解單應性矩陣

在圖像拼接中,得到了兩張圖像的特徵匹配,兩個點集分別記作X 和X′ 。用單應性變換來擬合二者的關係,可表達爲 c⎛⎝⎜uv1⎞⎠⎟=H⎛⎝⎜xy1⎞⎠⎟(1) 其中(uv1)T 是X′ 中特徵點的座標,(xy1)T 是X 中特

原创 《劍指offer》python實現

配合Online Judge刷題,體驗更佳!劍指offer_編程題_牛客網 二維數組中的查找 題目描述 在一個二維數組中(每個一維數組的長度相同),每一行都按照從左到右遞增的順序排序,每一列都按照從上到下遞增的順序排序。請完成

原创 OpenCV生成點集的Delaunay剖分和Voronoi圖

實現內容: 設置一副圖像大小爲600*600,圖像像素值全爲0,爲黑色。 在圖像中Rect(100,100,400,400)的區域隨機產生20個點,並畫出。 產生這些點集的Delaunay剖分和Voronoi圖,並畫出。 程序 #

原创 數據採集(一):requests爬取圖片(3種方式)

舉例爬取百度貼吧上一張網頁上的圖片,附上相關html源碼,網址失效也無關係,重在分析學習。 <div id="post_content_87286618651" class="d_post_content j_d_post_co

原创 面部變形+基於特徵的圖像變形+field warping-Siggraph 1992

參考資料 國立臺灣大學-Image Morphing-Homework 圖像處理(十)基於特徵線的圖像變形-Siggraph 1992 Face Morphing on Animation Producing-ntu-csie

原创 Python:基礎知識提要

數據類型與表達式 基本數據類型 int float 字符串 bool a=2 b=2.0 c='xiniulab' d=True a,b,c,d (2, 2.0, 'xiniulab', True) 表達式 y=a+b y

原创 OpenCV設置多邊形二值化掩碼

無論是凸多邊形,還是凹多邊形,已知多邊形的頂點,可獲取一個多邊形區域填充的掩碼。 使用fillPoly函數實現。 void fillPoly(Mat& img, const Point** pts, const int*

原创 《Learning OpenCV 3》Delaunay三角剖分和Voronoi圖講解

OpenCV2、OpenCV3包含三角剖分的接口,但是參考文檔裏並未介紹,給學習帶來了麻煩。 有一本經典的書《學習OpenCV》對其做了詳細介紹。但苦於這本書的新版,遲遲沒有翻譯成中文,所以現在有關OpenCV三角剖分的資料都是關

原创 Python:練習題(列表推導式、詞頻統計、異常處理、正則表達式等)

題目涉及到的知識點 表達式與函數:題目1、2 列表切片、推導式:題目3.1、3.2、5 函數:題目4、5 詞頻統計:題目6、7、8 類與對象:題目8 異常處理:題目9、10 正則表達式:題目7、8、11、12 文件讀寫:題目10