笔记总结
总结罗列11-18篇笔记中的知识点。1-10篇总结点击这里查看。
OpenCV笔记11
- 一、高斯金字塔
- 1.原理与定义
- 尺度空间
- 2.高斯差分金字塔(DOG)
- 3.尺度空间连续性
- 三、OpenCV实现
- 1.高斯金字塔
- 2.拉普拉斯金字塔
- (1)重采样图片大小问题
- 四、图像金字塔应用实例
- 1.图像重采样大小问题
- 2.高斯金字塔的建立
- 3.拉普拉斯金字塔建立
- (1)疑惑一
- (2)疑惑二
- (3)疑惑三
- (4)疑惑四
- 4.再谈图像代数运算
- 5.不同层数金字塔影响
- 6.图像压缩
- 7.更多思考
OpenCV笔记12
OpenCV笔记13
OpenCV笔记14
- 模板匹配
- 简介
- 匹配步骤
- 匹配算法
- 平方差匹配(TM_SQDIFF)
- 标准平方差匹配(TM_SQDIFF_NORMED)
- 相关匹配(TM_CCORR)
- 标准相关匹配(TM_CCORR_NORMED)
- 相关匹配(TM_CCOEFF)
- 标准相关匹配(TM_CCOEFF_NORMED)
- OpenCV实现
- 多对象匹配
OpenCV笔记15
- 一、二值图像距离变换
- 1.主要过程
- 2.距离变换算法
- (1)欧氏距离
- (2)曼哈顿距离
- (3)切比雪夫距离
- 二、灰度三维模型
- 三、图像梯度
- 1.推导过程
- (1)Roberts算子
- (2)Prewitt算子
- (3)Sobel算子
- (4)Lapacian算子
- 四、分水岭算法图像分割
- 1.思路与原理
- 2.OpenCV实现
- (1)读取图像进行二值化操作
- (2)对二值化图像进行噪声去除
- (3)图像标记
- a.前景标记
- b.背景标记
- c.未知区域
- (4)创建标签
- (5)实施分水岭算法
- 3.完整代码
OpenCV笔记16
- 一、特征与特征点
- 1.特征点
- 2.特征检测
- 四、Harris角点检测算子
- 1.Harris算子原理推导
- 2.Harris算子的性质
- (1)Harris角点检测算子对亮度和对比度的变化不敏感
- (2)Harris角点检测算子具有旋转不变性
- (3)Harris角点检测算子不具有尺度不变性
- 3.OpenCV实现
- (1)简单例子
- 五、总结
OpenCV笔记17
OpenCV笔记18
- 二、OpenCV图像数据类型与代数运算
- 1.加法
- (1)cv2.add & uint8
- (2)“+” & uint8
- (3)cv2.add & int8
- (4)“+” & int8
- (5)cv2.subtract & uint8
- (6)“-” & uint8
- (7)cv2.subtract & int8
- (8)“-” & int8
- 三、背景减除
- 0.最初的想法
- 1.基础
- 2.OpenCV中的方法
- (1)BackgroundSubtractorMOG
- (2)BackgroundSubtractorMOG2
- (3)BackgroundSubtractorGMG
- (4)总结对比
- 四、背景减除方法综述
- 1.简单背景建模方法
- 2.基于统计的背景建模方法
- (1)高斯模型(Gaussian Mixture Model,GMM)
- a.模型初始化
- b.目标检测
- c.参数更新
- (2)无参估计法
- a.ViBe
- b.KDE
- (3)纹理特征法
- (4)子空间学习法
- 3.基于聚类的背景建模法
- 4.基于自组织神经网络的背景建模法
- 5.基于模糊理论的背景建模法
- 6.背景预测法
- 7.各类方法比较
本文作者原创,未经许可不得转载,谢谢配合
