wx586b1f599aedf的博客_计算机视觉

【计算机视觉】Lecture 2：灰度平面和梯度

可视化图像回忆可视化一个图像的两种方法灰度模式二维数组弥补差距动机：我们想把图像可视化到足以保留人类洞察力的高度，但要低到足以让我们轻易地将自己的洞察力转化为数学符号，并最终转化为对数组进行运算的计算机算法。作为曲面的图像表面高度与像素灰度值成比例 ( 深=低，浅=高) 例子这样的可视化如何帮助我们？地形概念基本概念：上坡/下坡等高线（海拔高度相同的曲线）坡度峰/谷（局部极值）更多数

差分

图像梯度

二维

翻译 2021-12-14 16:26:26 520 阅读

【计算机视觉】Lecture 1：计算机视觉的介绍

CSE/EE486 Computer Vision I Introduction to Computer Vision什么是视觉？特别强调：三维世界和一个二维图像的联系。物体的位置和特征。什么是计算机视觉？与下列有关系，但不等同于：摄影测量学图像处理人工智能为什么要学习计算机视觉？到处都有图像和视频应用的快速积累 —从图片中建立三维世界的表示 —自动侦查（谁在干什么） —视频后处理

计算机视觉

ide

光流

翻译 2021-12-14 16:15:33 611 阅读

【计算机视觉】Lecture 7：对应匹配

回忆：高斯滤波器的导数观察和概括高斯函数的导数：看起来像垂直的和水平的阶跃边缘关键思想：带滤波器的卷积（和互相关cross correlation）可以被看作是将想要找到的内容与图像中的所有局部区域进行比较观察和概括关键思想：带滤波器的互相关cross correlation可以被看作是将想要找到的内容与图像中的所有局部区域进行比较下图看起来像垂直边缘；右边较浅最大响应（蓝色框）：垂直边缘；

卷积

算法

计算机视觉

卷积核

灰度

翻译 2021-12-14 16:14:43 216 阅读

【计算机视觉】Lecture 3：线性算子

回忆：二维梯度梯度 = 图像 I(x,y)的偏导数向量 = [dI(x,y)/dx , dI(x,y)/dy] 梯度向量场表示最陡上升的方向和坡度(当考虑图像像素值为一个平面/高度图时) 数值导数有限前向差分有限后向差分有限中心差分：更精准例子：空间图像梯度注意：从现在开始，我们将去掉常数因子1/2。我们在后面去除以它。更具体地说线性滤波器一般流程：形成新图像，其像素是原始像素值的加权

卷积

差分

线性滤波

翻译 2021-12-14 16:14:08 218 阅读

基于四元数的存在外点Wahba问题的可证明最优解

论文地址摘要主要贡献算法流程实验结果

算法

计算机视觉

四元数

多项式时间

优化问题

原创 2021-12-14 16:13:32 161 阅读

基于拉格朗日对偶的凸全局三维配准

论文地址文章导读最近自己的工作有借鉴这篇文章中用到的拉格朗日对偶，然后就细读了文章的内容并且分析了对应的代码。拉格朗日对偶属于凸优化的范畴，详细的定义和理论可以在《Convex optimization》一书中进行深入学习。本篇博客仅重

算法

计算机视觉

旋转矩阵

模态

数据

原创 2021-12-14 16:12:32 350 阅读

【计算机视觉】Lecture 8：立体视觉介绍

立体视觉通过两个或多个相机同时拍摄的图像，推导出深度信息基本投影模型为什么立体视觉？本质的歧义：射线OP上的任何点都会产生像素

计算机视觉

立体视觉

基线

像素点

翻译 2021-12-14 16:09:51 1831 阅读

【计算机视觉】Lecture 9：立体视觉算法

回忆：简单的立体视觉系统点（X, Y, Z）在左边相机的图像坐标 (Image coords)：点（X, Y, Z）在右边相机的图像坐标 (Image coords)：立体视差左

计算机视觉

算法

扫描线

对应点

立体视觉

翻译 2021-12-14 16:09:33 934 阅读

【计算机视觉】Lecture 21：立体重建

计算机视觉

解决方案

立体视觉

对应点

翻译 2021-12-14 16:09:21 833 阅读

【计算机视觉】Lecture 19：本质矩阵和基础矩阵

对极几何左边极点：相机1所看到的相机2的位置。右边极点：相机2所看到的相机1的位置对极几何对应点位于共轭极线上对极几何给定一幅图像中的一个

计算机视觉

二维

搜索

特征向量

翻译 2021-12-14 16:09:11 1858 阅读

【计算机视觉】Lecture 22：相机运动

移动的相机相机拍摄由时间t索引的图像（帧）序列从一个时间到下一个时间，相机经历旋转（滚转、俯仰、偏航）和平移（tx、ty、tz）运动（位移）场运动场Motion Field和光流Optic Flow运动场：三维相对速度矢量在二维图像平面上的投影光流：在图像中观察到的亮度模式（brightness patterns）的二维位移运动场是我们想知道的。光流是我们可以估计的。有时光流...

计算机视觉

二维

光流

图像平面

翻译 2021-12-14 16:08:57 842 阅读

【计算机视觉】Lecture 13/14：图像映射简介

图像映射概述二维平面变换的基本操作几何图像映射x’ = f(x, y, {parameters})y’ = g(x, y, {parameters})线性变换（可以写成矩阵）平移（Translation）尺度（Scale）旋转（Rotation）欧几里得（欧式，刚性变换）分块矩阵分块矩阵，由其他较小的矩阵块组成。这些小的矩阵块被称为分块矩阵的块或者子矩阵比如，...

分块

二维

仿射变换

翻译 2021-12-14 16:05:18 218 阅读

【计算机视觉】Lecture 29：视频跟踪：均值漂移Mean-Shift

基于外观的跟踪直方图外观模型动机——要跟踪非刚性对象（如行走的人），指定明

计算机视觉

直方图

特征空间

颜色直方图

翻译 2021-12-14 16:04:54 612 阅读

【计算机视觉】Lecture 10：金字塔与尺度空间

回忆级联高斯——用较小的高斯重复卷积来模拟较大的高斯卷积的效果。结合律例子：级联卷积帕斯卡三角形Aside: Binomial Approximation旁白：二项式

计算机视觉

卷积

cv

级联

卷积核

翻译 2021-12-14 16:04:13 389 阅读

【计算机视觉】Lecture 30：视频跟踪：Lucas-Kanade

两种流行的跟踪方法Mean-shift 颜色直方图跟踪（上一个Lecture）Lucas-Kanade 模板跟踪（这次Lecture）Lucas-Kanade 跟踪回顾：Lucas-Kanade• 亮度恒定•

计算机视觉

最小二乘

仿射变换

参数化

翻译 2021-12-14 16:04:01 270 阅读

【计算机视觉】Lecture 27：肤色

回顾：光线传播光源颜色光谱功率分布SPD：每个波长相对的光线能量光谱反射率不同波长的出射和入射辐射的比例。（反射光的比例）辐射亮度人眼：Rods and Cones组合起来=颜色描述颜色今天我们考虑一个样本材料，人类的皮肤，并用两种方法来描述皮肤的颜色，以便在图像中找到它。1）基于物理的方法2）基于学习的方法目标：在图像中对皮肤像素打标签应用：人...

计算机视觉

反射率

直方图

手势识别

翻译 2021-12-14 16:03:34 896 阅读

【计算机视觉】Lecture 15：鲁棒估计：RANSAC

回忆：参数估计假设我们找到了两幅图像之间的匹配点，我们认为它们是通过一些参数化变换（例如平移；尺度欧几里德；仿射）相关联的。我们如何估

算法

计算机视觉

拟合

仿射变换

最小二乘

翻译 2021-12-14 16:03:16 1032 阅读

【计算机视觉】Lecture 16：平面单应变换

动机：在平面上的点回顾：正向投影世界坐标系到相机坐标系的变换透视矩阵方程（相机坐标系到成像坐标系）成像坐标系到像素坐标系从成像

计算机视觉

点集

2d

世界坐标系

翻译 2021-12-14 16:03:00 552 阅读

【计算机视觉】Lecture 11：LoG和DoG滤波算子

今天的主题高斯拉普拉斯 (LoG) 滤波算子用于寻找边缘也有助于寻找斑点！使用高斯差分 (DoG) 来近似回忆：一阶导数滤波器输入图像灰度的急剧变化

卷积

计算机视觉

边缘检测

高斯滤波

差分

翻译 2021-12-14 16:02:47 2013 阅读

【计算机视觉】Lecture 12：相机投影

成像几何世界坐标系 (U，V，W) 中感兴趣的对象成像几何相机坐标系 (X, Y, Z)Z是光轴图像平面 (像素平面，成像平面) 位于沿光轴往外 f 个单位

计算机视觉

世界坐标系

立体视觉

二维

翻译 2021-12-14 16:02:34 1947 阅读

【计算机视觉】Lecture 4：平滑

卷积总结在以一个像素为中心的邻域中计算线性算子。可以被认为是在图像上滑动一个固定系数的核，同时在重叠部分进行一个加权和。注意：满：在核和图像之间计算任何重叠部分的值（产生的图像比原图像大）相同：仅在核的中心像素与图像中的像素对齐时才计算值卷积：在图像上滑动之前，核旋转180度互相关：核不会首先被旋转边界处理方法：定义图像以外的值问题：导数与噪声问题：导数与噪声噪声影响一阶导数数

计算机视觉

卷积

高斯滤波

邻域

翻译 2021-12-14 16:02:23 462 阅读

【计算机视觉】Lecture 13：相机投影2

回忆：成像几何世界坐标系 (U，V，W) 中感兴趣的对象成像几何相机坐标系 (X, Y, Z)Z是光轴图像平面 (像素平面，成像平面) 位于沿光轴往外 f 个单位f 称为焦距成像几何正向投影到图像平面 (像素平面，成像平面) 上。三维（X，Y，Z）投影到二维（x，y）成像几何我们的图像被数字化成像素坐标（u，v）成像几何正向投影我们需要一个数学模型来描述如何...

计算机视觉

二维

仿射变换

图像平面

翻译 2021-12-14 16:00:54 318 阅读

【计算机视觉】Lecture 14：参数估计

送达

计算机视觉

数据

参数化

最小化

翻译 2021-12-14 16:00:44 449 阅读

【计算机视觉】Lecture 32：基于PCA的目标识别

模板匹配对象可以通过存储示例图像或“模板”来表示模板匹配的假设• 将模板放在给

计算机视觉

特征向量

特征空间

特征值

翻译 2021-12-14 15:59:22 456 阅读

【计算机视觉】Lecture 26：颜色和光线

光线和颜色物理学• 光是电磁辐射– 不同的颜色对应不同的波长 λ– 振幅规定每个波长的强度• 可见光：波长为 400-700nm 范围什么是颜色？• 物体没有

计算机视觉

反射

传感器

反射率

红外

翻译 2021-12-14 15:59:04 411 阅读

【计算机视觉】Lecture 5：梯度和边缘检测

什么是边缘？简单的回答：灰度不连续处物体的边界不同材料性质的边界光照的边界边缘的类型（一维剖面）边缘可以根据灰度剖面来建模阶跃边缘 Step edge：图像灰度突然从不连续一侧的一个值变为另一侧的另一个值斜坡边缘 Ramp edge：灰度变化不是瞬间的而是在有限距离内发生的一种阶跃边缘例子边缘的类型（一维剖面）山脊边缘 Ridge edge：图像灰度值突然变化，然后在很短的距离内

计算机视觉

边缘检测

灰度

卷积

翻译 2021-12-14 15:58:57 1476 阅读

TEASER: 快速且可证明的点云配准算法和代码解读

论文地址摘要主要贡献算法流程实验结果总结

计算机视觉

算法

点云

对应点

最小二乘

原创 2021-12-14 15:58:54 949 阅读

【计算机视觉】Lecture 31：对象识别：SIFT

动机想从未知的视角识别已知的对象(物体)。基于局部特征的方法• 通过小的

计算机视觉

特征点

尺度空间

归一化

翻译 2021-12-14 15:58:28 283 阅读

【计算机视觉】Lecture 6：Harris 角点检测算子

动机：匹配问题像立体视觉和运动估计这样的视觉任务需要在两个或多个视图中找到相应的特征点。动机：块匹配要匹配的元素是固定大小的图像块任务：在第二个图像中找到最佳（最相似的）图像块不是所有创造的图像块都是等价的！直觉感受：因为它非常唯一独特（第二帧中只有一个图像块看起来相似），所以这是一个很好的匹配图像块。不是所有创造的图像块都是等价的！直觉感受：因为它不是非常唯一独特（在第二帧中有许多相似

计算机视觉

角点

灰度值

角点检测

翻译 2021-12-14 15:58:20 294 阅读

【计算机视觉】Lecture 28：跟踪简介

回忆：Blob合并/拆分当两个对象彼此靠近时，它们被检测为单个blob。通常，一个物体会被另一个物体挡

计算机视觉

直方图

数据

概率密度函数

翻译 2021-12-14 15:57:29 289 阅读

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

12475075

【计算机视觉】Lecture 2：灰度平面和梯度

【计算机视觉】Lecture 1：计算机视觉的介绍

【计算机视觉】Lecture 7：对应匹配

【计算机视觉】Lecture 3：线性算子

基于四元数的存在外点Wahba问题的可证明最优解

基于拉格朗日对偶的凸全局三维配准

【计算机视觉】Lecture 8：立体视觉介绍

【计算机视觉】Lecture 9：立体视觉算法

【计算机视觉】Lecture 21：立体重建

【计算机视觉】Lecture 19：本质矩阵和基础矩阵

【计算机视觉】Lecture 22：相机运动

【计算机视觉】Lecture 13/14：图像映射简介

【计算机视觉】Lecture 29：视频跟踪：均值漂移Mean-Shift

【计算机视觉】Lecture 10：金字塔与尺度空间

【计算机视觉】Lecture 30：视频跟踪：Lucas-Kanade

【计算机视觉】Lecture 27：肤色

【计算机视觉】Lecture 15：鲁棒估计：RANSAC

【计算机视觉】Lecture 16：平面单应变换

【计算机视觉】Lecture 11：LoG和DoG滤波算子

【计算机视觉】Lecture 12：相机投影

【计算机视觉】Lecture 4：平滑

【计算机视觉】Lecture 13：相机投影2

【计算机视觉】Lecture 14：参数估计

【计算机视觉】Lecture 32：基于PCA的目标识别

【计算机视觉】Lecture 26：颜色和光线

【计算机视觉】Lecture 5：梯度和边缘检测

TEASER: 快速且可证明的点云配准算法和代码解读

【计算机视觉】Lecture 31：对象识别：SIFT

【计算机视觉】Lecture 6：Harris 角点检测算子

【计算机视觉】Lecture 28：跟踪简介