搜索资源列表
Source code
- 在opencv上实现双目测距主要步骤是： 1.双目校正和标定，获得摄像头的参数矩阵： 进行标定得出俩摄像头的参数矩阵 cvStereoRectify 执行双目校正 initUndistortRectifyMap 分别生成两个图像校正所需的像素映射矩阵 cvremap 分别对两个图像进行校正 2.立体匹配，获得视差图： stereoBM生成视差图 预处理： 图像归一化，减少亮度差别，增强纹理 匹配过程： 滑动sad窗口，沿着水平线进行匹配搜索，由于校正后左右图片平行，左图
1
- 图像去雾可以还原图像的颜色和能见度，同时也能利用雾的浓度来估计物体的距离，这些在计算机视觉上都有重要应用(Image Fog can restore the color and visibility of the image, but also can use the concentration of the fog to estimate the distance of the object, which have important applications in computer visi
归档 3
- 利用二次傅里叶变换的方法计算图像经透镜后在指定距离的光屏上所成的像(Two times Fourier transform is used to calculate the image of the image after the lens is placed on the optical screen at the specified distance.)
归档 5
- 利用傅里叶变换卷积的方法计算图像经透镜后在指定距离的光屏上所成的像(Fourier transform convolution method is applied to calculate the image of the image after the lens is placed on the optical screen at the specified distance.)
灰度共生矩阵
- 灰度共生矩阵，指的是一种通过研究灰度的空间相关特性来描述纹理的常用方法。 [1] 1973年Haralick等人提出了用灰度共生矩阵来描述纹理特征。 由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两像素之间会存在一定的灰度关系，即图像中灰度的空间相关特性。(Gray-level co-occurrence matrix refers to a common method for describing texture by studying the spatia
基于小波变换的klda人脸识别
- 基于小波变换的klda人脸识别，首先用小波变换对原始输入人脸图像进行预处理，再将基于核的线性判别分析应用于人脸识别中的最佳特征抽取，最后使用欧氏距离分类器实现人脸分类。通过对ORL标准人脸库中的人脸图像进行识别实验，本文提出的方法在人脸识别上取得了较高的识别率。
基于PCA的人脸识别
- 主成分分析法(principal conponent analysis, PCA)也叫Hotelling变换或特征脸法，是基于 K-L变换基础上研发得到的。该方法的核心是能够降低图像空间的维度，具体做法是将原始的数据通过某种线性变换从高维度空间转变到低维度空间中，这些数据彼此不相关，根据贡献率选取最大的前一部分，使原数据具有最大的变化量，对后面的图像也向这个空间投影，然后比较它们之间的距离来确定类别关系。PCA方法的缺点是对光照问题比较敏感。