點特徵可以用來尋找乙個不同影象中對應位置的稀疏集合，關鍵點的乙個重要優點，能夠在出現擁擠、大的尺度和方向變化的情況下很好地匹配。
獲取特徵點及其對應關係的方法：
關鍵點檢測和匹配流水線 分為四個階段：
特徵檢測階段：在每一幅影象中尋找那些能在其他影象中較好匹配的位置。
特徵描述階段：把檢測到的關鍵點周圍的每乙個區域轉化為乙個更緊湊和穩定的描述子。
特徵匹配階段：在影象中高校地搜尋可能的匹配候選。
特徵跟蹤：只在檢測到的特徵點周圍乙個小領域內尋找匹配。
1.1特徵檢測器
什麼是適合跟蹤的特徵？擁有較大對比度變化的，擁有至少兩個明顯不同方向梯度的影象塊最容易定位。
基於自相關矩陣關鍵點檢測器的步驟
1.通過使用高斯函式的導數對原始影象進行卷積啦計算影象在水平方向和垂直方向上的導數ix iy.
2.計算對應於這些梯度外積的三個影象
3.使用乙個較大的高斯函式來對這些影象中的每乙個進行卷積。
4.使用前面公式中的任意乙個來計算乙個標量興趣量。
5.尋找一定閾值之上的區域性最大值，並將他們作為檢測到的特徵點位置。
自適應非最大抑制（anms） ：特徵點檢測器尋找興趣函式的區域性最大值，通常會導致影象上特徵點的非均勻分布。。根據特徵點的相應強度對其進行排序，然後通過不斷減小抑制半徑大小來建立第二個排序列表。
衡量可重複性：在一副影象中檢測到的關鍵點在另一幅變換過的影象中的對應位置的erta個畫素範圍內知道頻率
尺度不變：
旋轉不變和方向估計：
在檢測到的每乙個關鍵點估計乙個主導方向。一旦估計出乙個關鍵點的區域性方向和尺度，就可以在檢測出的關鍵點附近提取出乙個特定尺度和方向的
放射不變性：
2.特徵描述子
確定哪些特徵來自於不同影象中的對應位置。
偏差和增益規範化
尺度不變特徵變換
pca-sift
梯度位置方向直方圖
3.特徵匹配
兩個階段 1.選擇乙個匹配策略，用來確定哪些匹配將被傳到下乙個階段進行進一步處理。2.設計出有效的資料結構和演算法來盡可能快的完成這個匹配。
4.特徵跟蹤
筆記 計算機視覺筆記
計算機視覺是一門研究如何使機器 看 的科學，更進一步的說，就是指用攝影機和計算機代替人眼對目標進行識別 跟蹤和測量等機器視覺，並進一步做影象處理，用計算機處理成為更適合人眼觀察或傳送給儀器檢測的影象 選自維基百科 計算機視覺的研究物件主要是對映到單幅或多幅影象上的三維場景，例如三維場景的重建。計算機...
（計算機視覺）計算機視覺基礎
opencv cximage cimg freeimage opencv中vc庫的版本與visual studio版本的對應關係 vc8 2005 vc9 2008 vc10 2010 vc11 2012 vc12 2013 vc14 2015 vc15 2017 visual studio中的輔助...
計算機視覺入門筆記
了解一下計算機視覺的基礎知識。常用的程式語言 硬體 常用的開源軟體 越早學越好 和機器學習之間的關係。計算機視覺的應用 做壓縮裡面,ipb 是最常見的,代表的是在壓縮完成之後只會帶表的三中幀。i 幀 p 幀 b 幀。i 幀,叫做關鍵幀,它會吧一張完整的儲存下來,所以 i 幀 不能出錯,出錯就白費了 ...