源码#include <opencv2/opencv.hpp>#include <opencv2/xfeatures2d.hpp>#include<iostream>#include<math.h>#include <string>#include<fstream>using namespace cv;using namesp
原创
2023-01-16 09:06:29
236阅读
角点检测一、SIFT(Scale-Invariant Feature Trans-form)1.1 尺度空间极值检测1.2关键点（极值点）1.3 为关键点（极值点）指定方向参数1.4 关键点描述符1.5 关键点匹配二、 SURF(Speeded-Up Robust Features)一、SIFT(Scale-Invariant Feature Trans-form)D.Lowe 于2004...
原创
2022-08-26 10:58:19
4477阅读
此部分是计算机视觉部分，主要侧重在底层特征提取，视频分析，跟踪，目标检测和识别方面等方面。对于自己不太熟悉的领域比如摄像机标定和立体视觉，仅仅列出上google上引用次数比较多的文献。有一些刚刚出版的文章，个人非常喜欢，也列出来了。33. SIFT关于SIFT，实在不需要介绍太多，一万多次的引用已经说明问题了。SURF和PCA-SIFT也是属于这个系列。后面列出了几篇跟SIFT有关的问题。[199
原创
2022-11-08 14:29:30
88阅读
OpenCV Python SIFT (Scale-Invariant Feature Transform)【目标】SIFT算法SIFT特征点和描述子【理论】前面的章节中，我们提到了角点检测，例如Harris角点，他们是旋转不变的，因为，图像无论如何旋转，其角点特性不会发生改变，所以这类特征也称为旋转不变特征。但是如果图像缩放，原本在小图像中一定的窗口下是角点，放大后，却是平坦区域，即不是角点。如
转载
2023-11-10 20:33:17
130阅读
主要介绍简单的用SIFT/SURF做图像拼接的效果
原创
2022-03-16 15:19:00
635阅读
1评论
主要介绍简单的用SIFT/SURF做图像拼接的效果
原创
2021-06-10 17:18:39
1689阅读
详解SIFT, SURF, ORB, FAST 特征提取算法比较在计算机视觉领域中，特征提取是一项重要的任务，可以用于图像匹配、目标识别、图像拼接等应用。SIFT、SURF、ORB和FAST是广泛使用的特征提取算法。在本文中，我们将详细比较这些算法并讨论各自的优缺点。1. SIFT (尺度不变特征变换)SIFT算法由Lowe在1999年提出，被广泛应用于图像特征提取和匹配。它具有旋转不变性和尺度不
原创
2024-01-20 20:15:45
910阅读
# Python中OpenCV中ORB、SIFT、BRISK和AKAZE算法的区别
在计算机视觉领域，特征点检测和描述子生成是非常重要的任务，常用的算法包括ORB、SIFT、BRISK和AKAZE。这些算法在不同场景下有不同的优势和特点，本文将对它们进行一些比较和介绍。
## ORB (Oriented FAST and Rotated BRIEF)
ORB是一种基于FAST特征点检测和BR
原创
2024-04-11 06:19:00
375阅读
原创
2023-11-20 14:48:40
165阅读
向AI转型的程序员都关注了这个号????????????机器学习AI算法工程 公众号：datayx目录[1] SIFT（尺度不变特征变换）[2] HOG（方向梯度直方图）[3] SIFT和HOG的比较[...
转载
2021-12-01 11:42:15
1087阅读
向AI转型的程序员都关注了这个号????????????机器学习AI算法工程 公众号：datayx目录[1] SIFT（尺度不变特征变换）[2] HOG（方向梯度直方图）[3] SIFT和HOG的比较[...
转载
2022-01-11 15:27:33
348阅读
1.SURF: Speeded Up Robust Features" is a performant scale- and rotation-invariant interest point detector and descri
原创
2022-09-09 00:02:17
104阅读
SURF (Speeded Up Robust Features)也是一种类似于SIFT的兴趣点检测及描述子算法。其通过Hessian矩阵的行列式来确定兴趣点位置，再根据兴趣点邻域点的Haar小波响应来确定描述子，其描述子大小只有64维（也可以扩展到128维，效果更好），是一种非常优秀的兴趣点检测算法。本文主要从SURF原文出发，结合自己一些理解，并比较sift方法，对其算法原理进行总结。关键词：
转载
2024-03-15 14:50:54
88阅读
SIFT特征和SURF特征都是优秀的尺度不变特征，常用来进行物体辨识和图像匹配。所谓的尺度不变特征是指每个检测到的特征点都伴随着对应的尺寸因子（特征点的局部尺寸参数与特征的尺度成正比），下面就这两种著名的尺度不变特征进行简要的介绍和比较。（PS：由于两种特征提取算法的细节较多，本篇文章只简单介绍它们的原理、主要步骤和简单应用，主要关注两者的比较）...
原创
2021-06-16 21:51:43
1154阅读
本文详细论述了四个特征点检测算法：Harris, SIFT，SURF以及ORB的思路步骤以及特点，分析了它们的局限性，并对几个重要问题进行了探讨。
转载
2022-12-29 15:37:45
478阅读
SIFT特征和SURF特征都是优秀的尺度不变特征，常用来进行物体辨识和图像匹配。所谓的尺度不变特征是指每个检测到的特征点都伴随着对应的尺寸因子（特征点的局部尺寸参数与特征的尺度成正比），下面就这两种著名的尺度不变特征进行简要的介绍和比较。（PS：由于两种特征提取算法的细节较多，本篇文章只简单介绍它们的原理、主要步骤和简单应用，主要关注两者的比较）...
原创
2022-03-01 17:31:30
527阅读
import cv2
import numpy as np
def drawMatchesKnn_cv2(img1_gray,kp1,img2_gray,kp2,goodMatch):
h1, w1 = img1_gray.shape[:2]
h2, w2 = img2_gray.shape[:2]
vis = np.zeros((max(h1, h2), w1
转载
2017-12-16 10:32:00
394阅读
2评论
1.det(m)是determinant的缩写.是行列式的定义.行列式的定义；traceg(m) 对角线相加；高斯差分的结果是DOG(Difference of Gaussian),这个DOG是LOG(laplacian of Gaussian)的近似。 LOG图像是目前来说尺度变换最好的,特精确；2.SURF角点检测算法是对SIFT的一种改进，主要体现在速度上，效率更高。它和SIFT的主要区别
原创
2022-01-13 10:03:22
266阅读
一部分：兴趣点的检测1、 建立积分图。优点：任何一个垂直矩形区域的面积只需要进行3次 +/-法就能计算。一阶的haar小波响应只要5次+/-法就能计算。计算...
转载
2022-01-13 11:23:47
204阅读
一、基本概念： 作用：特征点提取在“目标识别、图像拼接、运动 跟踪、图像检索、自动”等研究中起着重要作用； 主要算法： •FAST , Machine Learning forHigh...
原创
2022-12-26 16:48:46
700阅读
