原创 Opencv2.4.9源碼分析——Decision Trees
一、原理 決策樹是一種非參數的監督學習方法，它主要用於分類和迴歸。決策樹的目的是構造一種模型，使之能夠從樣本數據的特徵屬性中，通過學習簡單的決策規則——IF THEN規則，從而預測目標變量的值。 圖1 決策樹 例如，在某醫院內，
2020-06-21 14:12:29
3
原创 Opencv2.4.9源碼分析——Normal Bayes Classifier
一、原理 OpenCV實現的貝葉斯分類器不是我們所熟悉的樸素貝葉斯分類器（Naïve Bayes Classifier），而是正態貝葉斯分類器（Normal Bayes Classifier），兩者雖然英文名稱很相似，但它們是不同的貝
2020-06-21 14:12:29
原创 Opencv2.4.9源碼分析——FAST
FAST（Features fromaccelerated segment test）是一種角點檢測方法，它可以用於特徵點的提取，並完成跟蹤和映射物體。FAST角點檢測算法最初是由Edward Rosten和Tom Drummond提出，
2020-06-21 12:35:16
1
原创 Opencv2.4.9源碼分析——DenseFeatureDetector
DenseFeatureDetector可以生成具有一定密度和規律分佈的圖像特徵點，它主要用於3D VIZ。 DenseFeatureDetector的原理是，把輸入圖像分割成大小相等的網格，每一個網格提取一個像素作爲特徵點。
2020-06-21 12:35:16
原创 Opencv2.4.9源碼分析——MSER
最大穩定極值區域（MSER-Maximally Stable Extremal Regions）可以用於圖像的斑點區域檢測。該算法最早是由Matas等人於2002年提出，它是基於分水嶺的概念。 MSER的基本原理是對一幅灰度圖像（灰度值爲
2020-06-21 12:35:16
2
原创 Opencv2.4.9源碼分析——MSCR
前面我們介紹了MSER方法，但該方法不適用於對彩色圖像的區域檢測。爲此，Forssen於2007年提出了針對彩色圖像的最大穩定極值區域的檢測方法——MSCR（Maximally Stable Colour Regions）。
2020-02-25 08:58:36
原创 Opencv2.4.9源碼分析——adaptiveBilateralFilter
上一篇文章我們介紹了雙邊濾波，它的公式爲： （1） 其中，，，，f(ξ)表示原圖。 c(ξ,x)表示的是高斯距離的權值，σd值大則濾波結果會受到更遠的像素影響；s(ξ,x)表示的是高斯相似度的權值，σr值大則意味着更無關的像素強度值（或
2020-02-25 08:58:36
原创 基於S3C2440的Linux-3.6.6移植——QT的編譯與安裝
我PC上的系統是Fedora 17，32位的。它自帶了Qt，版本是4.8.4，因此嵌入式Qt我也選擇相同的版本。 從官網下載qt-everywhere-opensource-src-4.8.4.tar.gz。解壓該文件：
2020-02-25 08:58:36
原创 Opencv2.4.9源碼分析——SimpleBlobDetector
Opencv中提供了SimpleBlobDetector的特徵點檢測方法，正如它的名稱，該算法使用最簡單的方式來檢測斑點類的特徵點。下面我們就來分析一下該算法。 首先通過一系列連續的閾值把輸入的灰度圖像轉換爲一個二值圖像的集合，
2020-02-25 08:58:36
原创 Opencv2.4.9源碼分析——HoughCircles
圖形可以用一些參數進行表示，標準霍夫變換的原理就是把圖像空間轉換成參數空間（即霍夫空間），例如霍夫變換的直線檢測就是在距離-角度空間內進行檢測。圓可以表示成： (x-a)2+(y-b)2=r2 （1）
2020-02-25 08:58:36
原创 Opencv2.4.9源碼分析——Boosting
一、原理 AdaBoost（Adaptive Boosting，自適應提升）算法是由來自AT&T實驗室的Freund和Schapire於1995年首次提出，該算法解決了早期Boosting算法的一些實際執行難題，而且該算法可以作爲一種
2020-02-25 08:58:36
原创 Opencv2.4.9源碼分析——SURF
SURF (Speeded Up Robust Features)是一種具有魯棒性的局部特徵檢測算法，它首先由Herbert Bay等人於2006年提出，並在2008年進行了完善。其實該算法是Herbert Bay在博士期間的研究內
2020-02-25 08:58:36
原创 Opencv2.4.9源碼分析——phaseCorrelate
相位相關法（phase correlate）可以用於檢測兩幅內容相同的圖像之間的相對位移量。它是基於傅立葉變換的位移定理：一個平移過的函數的傅立葉變換僅僅是未平移函數的傅立葉變換與一個具有線性相位的指數因子的乘積，即空間域中的平移會造成頻
2020-02-25 08:58:36
原创 Opencv2.4.9源碼分析——BRIEF
在嵌入式系統內，對圖像進行實時匹配，這項任務給特徵點的檢測與描述提出了更高的要求。這不僅要求運算速度快，而且還要求佔用更少的內存。 SIFT和SURF方法性能優異，但它們在實時應用中就力不從心，一個主要的原因就是特徵點的描述符結
2020-02-25 08:58:36
1
原创 Opencv2.4.9源碼分析——HoughLinesP
標準霍夫變換本質上是把圖像映射到它的參數空間上，它需要計算所有的M個邊緣點，這樣它的運算量和所需內存空間都會很大。如果在輸入圖像中只是處理m（m<M）個邊緣點，則這m個邊緣點的選取是具有一定概率性的，因此該方法被稱爲概率霍夫變換（Prob
2020-02-25 08:58:36