机器视觉学习
来源:互联网 发布:slide.js插件用法 编辑:程序博客网 时间:2024/05/16 07:46
1. 坐标系:
透视投影(perspective projection): 以摄像机为原点, 建立oxyz坐标系, 为了避免图像倒立, 将像平面平移到场景与坐标xy平面中间的位置, 距离坐标xy平面为焦距f, 形成图像平面。
z轴跟光轴重合。
点在图像平面中的位置由下式给出:
正交投影(orthogonal projection):
用平行于光轴的光将场景投射到图像平面上, 因此也称为平行投影(parallel projection), 是透视投影的特例(焦距f无穷大)。
在计算机视觉系统中涉及到以下几种坐标:
l 像素坐标:表示图像阵列中图像像素的位置i, j;
l 图像平面坐标:表示场景点在图像平面上的投影xp, yp;
l 摄象机坐标:即以观察者为中心的坐标,将场景点表示成以观察者为中心的数据形式x,y.
l 场景坐标:也称作绝对坐标(或世界坐标),用于表示场景点的绝对坐标X,Y;
摄像机主点,即光轴与图像平面的交点
像素坐标: 对应于图像像素。 本为整数, 可用子像素扩展。 原点在左上角, i指向下方, j指向右方。
像素坐标到图像坐标的转换为:
考虑像素平面的行列间距相等时:
考虑行距为sx, 列距为sy:
由于在许多情况下,图像平面坐标系是摄象机坐标系的一部分,因此,为了书写简单,在不混淆的情况下,通常使用摄象机平面坐标x-y代替图像平面坐标xp-yp。
二值化:
二值图像分析是指把图像按照0,1两个灰度进行阀值化处理。 假定摄像机位置, 背景, 环境等都是已知, 这种识别通常还需要需要识别物体的尺寸, 位置, 方向, 密集比, 体态比等。面积用像素值求和。位置用矩心表示。 方向用长轴表示(对于圆, 不唯一)物体的方向。 二维平面上与最小惯量轴同方向的最小二阶矩轴被定为长轴。 图像中物体的二阶矩轴是这样一条线,物体上的全部点到该线的距离平方和最小。给出一幅二值图像 ,计算物体点到直线的最小二乘方拟合,使所有物体点到直线的距离平方和最小。直线通常用极坐标表示:
这里x, y是直线上的点。方程可通过三角形相似求的。
则物体上的任何点到该直线的距离为:
这里, x, y表示物体上的任何点。方程可通过三角形相似求的。
其它关系, 通过下面的图表示:
通过对最小二乘方拟合的表达式求极小值(对直线到原点的距离求导), 最终可得到惯性轴的方向:
伸长率(最短的和最长的比):
具体要参见相应的文档。
密集比:面积与周长的平方的比值。园最密。 等周长时, 正方形比长方形密。
体态比定义为区域的最小外接矩形的长与宽之比,正方形和圆的体态比等于1,细长形物体的体态比大于1
- 机器视觉学习
- 如何学习机器视觉
- 机器视觉学习记录
- 机器视觉学习笔记
- 机器视觉开源库学习
- 人工智能、机器学习、计算机视觉
- 机器视觉网络资源学习笔记
- 无人机视觉 机器学习 opencv
- 机器视觉自主学习规划
- 机器视觉机器学习中的武器库
- 机器学习 机器视觉 图像处理 牛人牛站
- 机器视觉机器学习中的武器库
- 图像处理,机器视觉,机器学习等
- 视觉基础:关于机器视觉、机器学习及人工智能领域
- 机器学习计算机视觉学习资料整理
- python & 机器学习 & 计算机视觉 & 深度学习
- 机器视觉学习之--回归学习
- 视觉+机器学习学习网址收藏
- 基于注解的Spring MVC + freemarker环境搭建
- Asterisk拨号方案二
- DISTINCT和GROUP BY
- 好用的winform第三方控件
- android 短信字数超过N条后强制以彩信发送
- 机器视觉学习
- oracle tnsnames.ora的作用及配置
- android 在通话过程中,一直靠近距离传感器。通话结束时,要求马上点亮屏幕
- C#中窗体之间的数据传递
- android 如何判断call log匹配联系人采用的是7位还是11位匹配
- include两种包含的区别
- WPF 系统托盘制作方案与窗体自动隐藏
- android 如何判断去电或来电已经接通
- Java多线程中Sleep与Wait的区别