一、背景：了解FastApi，一个从FastApi的readme文档入手（https://github.com/tiangolo/fastapi/blob/master/README.md），另一个是理解FastApi的作者tiangolo开发FastApi的缘由（https://fastapi.tiangolo.com/alternatives/ →
转载
2023-07-27 22:23:02
50阅读
FAST，2006年提出并在2010年稍作修改后发表，若某像素与其周围邻域内足够多的像素点相差较大，则该像素可能是角点。 【函数】 Ptr<FastFeatureDetector> create( int threshold=10,bool nonmaxSuppression=true,int ty
转载
2020-03-12 16:18:00
172阅读
2评论
上面的算法如SIFT、SURF提取到的特征也是非常优秀（有较强的不变性），但是时间消耗依然很大，而在一个系统中，特征提取仅仅是一部分，还要进行诸如配准、提纯、融合等后续算法。这使得实时性不好，降系了统性能。Edward Rosten和Tom Drummond两位大神经过研究，于2006年在《Machine learning for high-speed corner detection》中提出了一
转载
2023-07-06 15:14:32
95阅读
算法思想：如果一个像素与它邻域的像素差别较大（过亮或过暗） , 那它更可能是角点。
算法步骤：
1.上图所示，一个以像素p为中心，半径为3的圆上，有16个像素点（p1、p2、...、p16）。
2.定义一个阈值。计算p1、p9与中心p的像素差，若它们绝对值都小于阈值，则p点不可能是特征点，直接pass掉；否则，当做候选点，有待进一步考察；
3.若p是候选点，则计算p1、p9、p5、p13与中心p
转载
2020-09-10 14:39:00
565阅读
2评论
### FAST特征点提取：Python实现
在计算机视觉中，特征点提取是图像处理领域的重要任务之一。FAST（Features from Accelerated Segment Test）算法因其速度快和效果好而被广泛应用。本文将介绍如何使用Python实现FAST特征点提取，并附带相应代码示例。
#### 1. 什么是FAST特征点？
FAST是一种快速角点检测算法，设计初衷是为了解决在
一、SIFT介绍1 SIFT（尺度不变特征变换）原理 SIFT包括兴趣点检测器和描述子。SIFT描述子具有非常强的稳健性，经常和许多不同的兴趣点检测器结合使用。SIFT特征对于尺度，旋转和亮度都具有不变性，因此，它可用于三维视角和噪声的可靠匹配。 S
转载
2023-07-17 13:39:33
146阅读
翻译自 Contour in OpenCVContoursContours 可以简单的理解为一条连通连续点的曲线(沿着边缘)，有同样的颜色或者强度。在进行形状分析，目标检测和识别时很有用处。为了更好了精度，使用二值化的图像。在寻找轮廓之前，先对图像应用二值化阈值或者canny 边缘检测等技术。在OpenCV中，寻找轮廓是：在黑色背景上寻找白色物体，所以一定记住，被检测的对象应该是白色的，背景是黑色
将最近所学opencv的图像处理做个小整理，下期打算整理视频处理的一些记录。1.使用OpenCV对图像进行Harris，SIFT特征点提取，并标注特征点更多可以了解 Harris角点检测和SIFT特征· 特征点是啥?图像处理中，特征点指的是图像灰度值发生剧烈变化的点或者在图像边缘上曲率较大的点(即两个边缘的交点)。图像特征点能够反映图像本质特征，能够标识图像中目标物体。通过特征点的匹配能够完成图像
转载
2024-07-30 12:48:32
177阅读
OpenCV与图像处理学习十二——图像形状特征之HOG特征一、图像特征理解1.1 颜色特征1.2 纹理特征1.3 形状特征1.4 空间关系特征二、形状特征描述2.1 HOG特征2.1.1 基本概念2.1.2 HOG实现过程2.1.3 代码实现 前面介绍了图像的基础知识、基本处理方法以及传统图像分割的应用，下面的笔记将介绍图像特征与目标检测部分的应用，知识脉络如下所示：一、图像特征理解图像特征是图
转载
2024-04-23 21:30:39
76阅读
特征，判决，得到判决 1.什么是haar特征？特征 = 某个区域的像素点经过某种四则运算之后得到的结果。这个结果可以是一个具体的值也可以是一个向量，矩阵，多维。实际上就是矩阵运算 2.如何利用特征 区分目标？ 阈值判决，如果大于某个阈值，认为是目标。小于某个阈值认为是非目标。 3.如何得到这个判决？ 使用机器学习，我们可以得到这个判决门限 
转载
2024-04-01 05:58:57
50阅读
一、 SIFT算法1、算法简介 尺度不变特征转换即SIFT (Scale-invariant feature transform)是一种计算机视觉的算法。它用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由 David Lowe在1999年所发表，2004年完善总结。 &n
转载
2023-11-01 20:48:54
199阅读
Hog特征什么是Hog特征？Hog特征属于特征的一种，因此也是一种计算结果。我们在【OpenCV14：Haar特征】中可以知道，Haar特征是由模板计算出来的结果，Hog特征与其不同的是，其在经过模板计算时更复杂，还需要进一步的运算。首先陈述一下如何计算Hog特征：1、模块划分 图1 如上图所示，白色底板作为一张
转载
2024-04-29 15:25:20
65阅读
目标• 联合使用特征提取和 calib3d 模块中的 findHomography 在复杂图像中查找已知对象。基础还记得上一节我们做了什么吗？我们使用一个查询图像，在其中找到一些特征点（关键点），我们又在另一幅图像中也找到了一些特征点，最后对这两幅图像之间的特征点进行匹配。简单来说就是：我们在一张杂乱的图像中找到了一个对象（的某些部分）的位置。这些信息足以帮助我们在目标图像中准确的 找到（查询图像
转载
2024-06-22 18:47:36
104阅读
一般用法为： 基于Haar特征Adaboost人脸检测级联分类，称haar分类器。目前只介绍下Haar特征和积分图，其他的还未深入。1.Haar特征 什么是特征，特征就是分类器的输入。 把它放在以下的情景中来描写叙述，如果在人脸检測时我们须要有这么一个子窗体在待检測的图片窗体中不断的移位滑动，子窗体每到一个位置，就会计算出该区域的特征，然后用我们训练好的级联分类器对该特征进行筛选，一旦该特征通
转载
2024-04-06 09:26:22
24阅读
文章目录角点检测 cornerHarris() 函数拐角检测（使用形态学方法）角点检测 cornerHarris() 函数
原创
2022-08-26 10:37:23
2503阅读
import numpy as npimport cv2 as cvfrom matplotlib import pyplot as plt# 1.读取图像img = cv.imread("./1.jpg")# 2.Fast角点检测# 2.1创
原创
2022-06-01 17:41:44
937阅读
文章目录1 图像的特征（角点特征）2 角点检测（旋转不变性）2.1 Harris角点检测2.1.1 思想2.1.2 原理2.1.3 代码实现2.1.4 优缺点2.2 Shi-Tomasi角点检测2.2.1 原理2.2.2 实现3 角点检测（尺度不变性）3.1 SIFT角点检测3.1.1 算法原理3.1.2 基本流程3.1.2.1 尺度空间极值检测3.1.3 代码实现3.2 SURF角点检测3.2
转载
2024-10-18 21:24:02
97阅读
图像的8x8像素部分被考虑，并将这个 8x8 框进一步划分为 4 个块，每个块为 4x4 维度。在每个 4x4 块内，图像梯度以向量的形式表示。通过搜索最独特或不同的特征在图像中找到关键点。这里，Key point Descriptor是由4个相邻向量组合而成。关键点描述符显示该部分图像中梯度变化的方向和幅度。对关键点周围的区域进行归一化，计算关键点区域的局部描述符。局部描述符是一个数字向量，用
转载
2023-12-21 15:45:58
167阅读
opencv图像特征点的提取和匹配(一)opencv中进行特征点的提取和匹配的思路一般是：提取特征点、生成特征点的描述子，然后进行匹配。opencv提供了一个三个类分别完成图像特征点的提取、描述子生成和特征点的匹配，三个类分别是：FeatureDetector，DescriptorExtractor，DescriptorMatcher。从这三个基类派生出了不同的类来实现不同的特征提取算法、描述及匹
转载
2023-12-21 15:45:53
197阅读
特征提取之LBP特征 局部二值模式(Local Binary Pattern,LBP)是一种描述图像纹理特征的算子，它具有旋转和灰度不变性。一般不将LBP图谱作为特征向量用于分类识别，而是采用LBP特征值谱的统计直方图作为特征向量用于分类识别。 1.LBP特征算子1.1原始LBP 原始LBP是在3*3的窗口内，以窗口中心元素为阈值，比较周围8个像素，若大于中心像素点，则标记为1，否则为0。然后这8
转载
2024-03-19 19:10:34
123阅读
