原创 出租司機給"我"上的MBA課

我要從徐家彙趕去機場,於是匆匆結束了一個會議,在美羅大廈前搜索出租車。一輛大衆發現了我,非常專業的、徑直的停在我的面前。這一停,於是有了後面的這個讓我深感震撼的故事,象上了一堂生動的MBA案例課。爲了忠實於這名出租車司機的原意,我憑

原创 利用Halcon進行單目標定,及問題小結

  攝像機標定之前,首先要確定相機和鏡頭的參數,參考對應說明書,查找IMAGING SOURCE 31BU03相機的參數如下:分辨率1024*768;格式1/3’’;像素尺寸,水平4.65um,垂直4.65um;兩個鏡頭是computar

原创 關於局部特徵介紹

局部特徵概念         所謂局部特徵,顧名思義就是一些局部纔會出現的特徵,這個局部,就是指一些能夠穩定出現並且具有良好的可區分性的一些點了。這樣在物體不完全受到遮擋的情況下,一些局部特徵依然穩定存在,以代表這個物體(甚至這幅圖像),

原创 創建Mat類的幾種常見方法

There are many different ways to create a Mat object. The most popular options are listed below: 有許多不同的方法可以創建一個Mat對象,

原创 K均值聚類再續

k均值聚類可以分爲這樣幾步: 1、隨機選取K個點作爲樣本的聚類中心 2、計算每個樣本點到各個聚類中心的距離,按照距離最近的原則,將每個樣本點歸爲K個聚類中的一類 3、計算每個新聚類中樣本點的中心,並將該中心替換對應類的中心 4,計算每個聚

原创 SIFT和SURF,及OpenCV實現

共同點: SIFT/SURF爲了實現不同圖像中相同場景的匹配,主要包括三個步驟: 1、尺度空間的建立; 2、特徵點的提取; OpenCV中:FeatureDetector,具體實現類有     class FastFeatureDet

原创 OpenCV在線文檔目錄翻譯(一)

英文地址:http://docs.opencv.org/ 對OpenCV的Online Documentation 目錄文檔進行了翻譯整理。 OpenCV API Reference  目錄:Contents 1、introduction

原创 利用SVM支持向量機對彩色圖像進行分割並使用OpenCV進行實現

 機器學習中的一個比較常用的算法SVM,Support vector machine,支持向量機,具體說明可以看維基百科http://zh.wikipedia.org/wiki/SVM。 本文主要對SVM在OpenCV中的應用進行一些說明

原创 Kmeans K均值聚類,OpenCV實現

Clustering 聚類    kmeans  k均值聚類 Finds centers of clusters and groups input samples around the clusters. 尋找clusters的

原创 概率統計相關基礎知識

概率編輯[gài lǜ]  概率,又稱或然率、機會率、機率或可能性,是概率論的基本概念。概率是對隨機事件發生的可能性的度量,一般以一個在0到1之間的實數表示一個事件發生的可能性大小。越接近1,該事件更可能發生;越接近0

原创 聚類——混合高斯模型 Gaussian Mixture Model

      機器學習的常用方法,主要分爲有監督學習(supervised learning)和無監督學習(unsupervised learning)。監督學習,就是人們常說的分類,通過已有的訓練樣本(即已知數據以及其對應的輸出)去訓

原创 SIFT不變性分析

      隨着多媒體技術、計算機技術迅速發展,Internet上呈現大量的圖像信息。圖像中包含了很多的物體特性,其中顏色是非常重要的特徵之一,顏色包含了圖 像中更多有價值的識別信息。SIFT算法提取圖像局部特徵,成功應用於物體識別、圖像

原创 A simple object classifier with Bag-of-Words using OpenCV 2.3

Published by Roy at 5:34 am undercode,opencv,programming,Recommended,Software,video,vision Just wanted to share

原创 OpenCV中特徵檢測,提取與匹配使用方法學習

最近在學習OpenCV,一般看官方一邊看書,發現自己原來用的很多接口早已被更新,分享一下學習心得體會,也希望大家可以不吝賜教!        首先看到在Mastering OpenCV with Practical Computer V

原创 顏色特徵描述子的SIFT/SURF

前面兩講中主要是針對SIFT和SURF做了一些介紹。他們的檢測子比較穩定,描述子比較魯棒,好像非常棒的樣子。但是有一點非常遺憾,就是他們在對圖像進行處理的過程中,都把圖像轉化爲灰度圖像進行處理,這樣就丟失了顏色信息。而顏色,本身提供了很