在进行相机图像匹配的时候，一般的情况下我们是使用的双目相机，但是二者的视角是几乎近似平行的，平时我们所选的图像匹配的算法是sift surf算法，但是当两个相机之间的角度是大于15°的时候，此刻两个相机拍出的图像并不是视角平行的图像，使用常规的方式进行图像匹配的时候，会非常的困难，这篇文章对于传统的sift算法进行改进，进而将实现对于大角度相机角度变化之间的图像的匹配。
2022-11-22 13:26:47
1.59MB
1
基于距离变换+分水岭传统图像处理算法实现了金属纳米颗粒图像的自动分割与计数，可以供研究人员参考，简单修改代码即可直接插入到自己的项目中，程序里面有比较详细的注释，直接就能看懂，如果有问题可以私信，作者会耐心解答。
2022-11-21 20:26:35
1KB
基于图像超分的相机标定优化方法.zip一种基于深度学习图像超分技术可以提升相机标定精度的方法，即插即用，使用说明
下载models里的超分模型
使用下列代码超分标定用的图像
sr = cv2.dnn_superres.DnnSuperResImpl_create()
sr.readModel(keypoints) # 读取模型权重文件的路径
sr.setModel('edsr', 2) # 设定算法和放大比例。提供基于edsr的超分模型，提供 ESPCN、FSRCNN、LapSRN 等模型
img_sr = sr.upsample(img) # 放大图像
继续相机标定程序
基于图像超分的相机标定优化方法.zip一种基于深度学习图像超分技术可以提升相机标定精度的方法，即插即用，使用说明
下载models里的超分模型
使用下列代码超分标定用的图像
sr = cv2.dnn_superres.DnnSuperResImpl_create()
sr.readModel(keypoints) # 读取模型权重文件的路径
sr.setModel('edsr', 2) # 设定算法和放大比例。提
2022-11-21 18:29:05
14.64MB
实现任意角度拍摄的矩形物体，通过一系列数字图像处理，把另外一张目标图像替换拍摄的矩形框。
难点一：矩形边框的检测识别（噪声）
针对难点一： 拟采用边缘检测检测像素突变点提取边缘线条+轮廓提取+拟合外接四边形寻找轮廓中满足面积条件的四边形。考虑到拍摄图像有很多噪点干扰，采用中值滤波进行平滑处理，过滤椒盐噪声。设定矩形区域面积阈值，去除不满足条件轮廓，对轮廓进行多边形拟合迭代，直到拟合成四边形，并排序输出四个点坐标。
②难点二：由于相机平面很难与物体平面平行，所以矩形区域是形变的矩形。
针对难点二： 拟采用投影变换，利用getPerspectiveTransform函数求出变换矩阵M，再用M将代替换图像投影变换到矩形区域，其余面积像素为0，以便后续图片融合相加。
2022-11-21 18:29:02
4.37MB
1
图像融合的质量评价指标，每个文件都有详细说明，每个指标都有相应的论文出处。亲测，可以使用。
2022-11-19 22:40:43
10.01MB