使用opencv的一些内置的算法来实现对图像特征的检测 从图像中提取的到的特征可以用来进行图像的匹配和检索常用的图像特征检测算法Harris:检测角点SIFT:检测斑点SURF:检测斑点FAST:检测角点BRIEF:检测斑点什么是图像特征？ 图像特征就是图像中最具有独特性和具有区别性的图像区域．在图像中特征区域主要分布在角点，高密度区域，边缘（边缘可以将图像分成多个区域),斑点（与周围像素差别很大的区域）cornerHarrir()角点的检测import cv2
import&nb
图像特征的匹配 通过对图像提取特征后，得到特征点和描述特征点信息的特征向量，在对图像的检索和匹配当中主要通过对描述符［特征向量］的计算来实现，下面主要通过ORB来进行图像特征的提取，使用不同的算法来实现图像的匹配．１．暴力匹配(Brute-Force)２．K-临近匹配３．FLANN匹配(Fast Library for Approximate Nearest Neighbors)www.cs.ubc.ca/research/flann ORB在对特征的提取过程中，返回的特征描述符是一个带方向
为何需要进行亚像素定位？数字图像通常是离散化成像素；每个像素对应一个整数坐标位置；整数坐标位置对于很多应用并不精确，比如跟踪、相机标定、图像配准、图像拼接以及三维重构；为达到有些应用的精确性，需要精确到浮点坐标位置；所以亚像素定位问题。亚像素定位就是计算特征所在图像中的真实位置，而真实位置有时候并不在像素所在整数坐标位置上，而是在像素的内部。点的灰度分布特征跟二维高斯模型很相似，中心处最亮，离中心距离越远会随之变暗。所以这里的图像特征，我们用高斯模型进行描述。利用高斯模型，我们可以构建点的最终模
霍夫变换检测霍夫变换之直线检测霍夫变换直线检测前提条件-边缘检测已经完成平面空间到极坐标空间的转换(空间域向霍夫域的转换)检测原理两点确定一条直线，通过一点可以确定无数条直线，极坐标直线公式每个点通过角度取不同的值，都能在横坐标为角度值，纵坐标为ρ值的坐标系内确定一条曲线，只要角度值的精细度足够。ρ代表直线到原点的距离。对每个像素采取这样的操作，将会得出很多这样的曲线，这些曲线的交点证明，这些点所在的那个角度所通过的直线到原点距离相等，则证明这些点就在同一条直线上。从运算的复杂程度来看openc
上一篇博客简要介绍了一下常用的张正友标定法的流程，其中获取了摄像机的内参矩阵K，和畸变系数D。1.在普通相机cv模型中，畸变系数主要有下面几个：(k1; k2; p1; p2[; k3[; k4; k5; k6]] ，其中最常用的是前面四个，k1,k2为径向畸变系数，p1,p2为切向畸变系数。2.在fisheye模型中，畸变系数主要有下面几个（k1,k2,k3,k4）. 因为cv和fisheye的镜头畸变模型不一样，所以畸变系数也会有所不同，具体在畸变校正时的公式也不同，具体公式请参见
博主在博客园的第一篇博客，以著名的张大牛标定法开始吧！具体标定原理就不详细说了，资料数不胜数，重点看张正友的原著《A Flexible New Technique for Camera Calibration》，搞明白这篇文章就足够了。好了，现在主要说一下标定过程，并附上博主自己调用Opencv接口编写的代码。1.拍摄棋盘格图片，8幅左右合适，文献里说n=8时，最小二乘法计算内参有稳定解。所以我就拍了9幅。2. 读取棋盘格图像，提取角点（注意：都是内角点）。为了提高角点提取精度，进一步进行亚像素
OpenCV中常用的角点检测为Harris角点和ShiTomasi角点。以OpenCV源代码文件 .\opencv\sources\samples\cpp\tutorial_code\TrackingMotion\cornerDetector_Demo.cpp为例，主要分析其中的这两种角点检测源代码。角点检测数学原理请参考我之前转载的一篇博客 http://www.cnblogs.com/riddick/p/7645904.html，分析的很详细，不再赘述。本文主要分析其源代码：1.
上一篇博客中讲到了goodFeatureToTrack（）这个API函数能够获取图像中的强角点。但是获取的角点坐标是整数，但是通常情况下，角点的真实位置并不一定在整数像素位置，因此为了获取更为精确的角点位置坐标，需要角点坐标达到亚像素（subPixel）精度。1. 求取亚像素精度的原理 找到一篇讲述原理非常清楚的文档https://xueyayang.github.io/pdf_posts/%E4%BA%9A%E5%83%8F%E7%B4%A0%E8%A7%92%E7%82%B9%E7%9A%
很多朋友都想了解一下工业相机的选型问题，工业相机镜头如何选型等问题，那么下面普密斯详细的来介绍一下镜头选型的相关知识。镜头如何选型，焦距计算公式：宽度焦距=ccd宽度*拍摄距离/ccd宽度+目标宽度高度焦距=ccd高度*拍摄距离/ccd高度+目标高度 搭配问题：镜头或相机的接口问题，一般有C和CS接口,可询问供应商是否有转接环。镜头搭配相机时,须注意镜头本身可否支持相机的SENSOR SIZE,例如:镜头规格为可容纳1/2",1/3"的sensor,此时
图象的边缘是指图象局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图象的边缘部分集中了图象的大部分信息，图象边缘的确定与提取对于整个图象场景的识别与理解是非常重要的，同时也是图象分割所依赖的重要特征，边缘检测主要是图象的灰度变化的度量、检测和定位。亚像素边缘技术概述 数字图像的边缘检测是图像分割、目标识别、区域形状提取等图像处理领域的重要基础。在进行图像理