.cv .drawMatches imageA, kpsA, imageB, kpsB, matches : , None, flags 对两个图像关键点进行连线操作 参数说明：imageA和imageB表示图片，kpsA和kpsB表示关键点， matches表示进过cv .BFMatcher获得的匹配的索引值，也有距离， flags表示有几个图像 书籍的SIFT特征点连接： 第一步:使用sif ...
2019-02-23 11:54 0 4202 推荐指数：
1. sift.detectAndComputer(gray， None) # 计算出图像的关键点和sift特征向量 参数说明：gray表示输入的图片 2.cv2.findHomography(kpA, kpB, cv2.RANSAC, reproThresh) # 计算出单应性矩阵 参数 ...
1. sift = cv2.xfeatures2d.SIFT_create() 实例化 参数说明：sift为实例化的sift函数 2. kp = sift.detect(gray, None) 找出图像中的关键点 参数说明: kp表示生成的关键点，gray表示输入的灰度图， 3. ret ...
1.cv2.cornerHarris(gray, 2, 3, 0.04) # 找出图像中的角点 参数说明：gray表示输入的灰度图，2表示进行角点移动的卷积框，3表示后续进行梯度计算的sobel算子的大小，0.04表示角点响应R值的α值 角点检测：主要是检测一些边角突出来的点，对于A和B ...
1.cv2.dilate(src, kernel, iteration) 参数说明: src表示输入的图片， kernel表示方框的大小， iteration表示迭代的次数 膨胀操作原理：存在一个kernel，在图像上进行从左到右，从上到下的平移，如果方框中存在白色，那么这个方框内所有的颜色 ...
1. cv2.imread('cat.jpg'， cv2.IMGREAD_GRAYSCALE) # 使用imread读入图像(BGR顺序), 使用IMGREAD_GRAYSCALE 使得读入的图片为灰度图， 2. cv2.imshow('cat', img) # imshow表示展示图片 ...
1.cv2.blur(img, (3, 3)) 进行均值滤波 参数说明：img表示输入的图片， (3, 3) 表示进行均值滤波的方框大小 2. cv2.boxfilter(img, -1, (3, 3), normalize=True) 表示进行方框滤波， 参数 ...
1.cv2.add(dog_img, cat_img) # 进行图片的加和 参数说明： cv2.add将两个图片进行加和，大于255的使用255计数 2.cv2.resize(img, (500, 414)) # 根绝给定的维度进行变化 cv2.resize(img ...
经过几天的学习研究，终于完成了广义霍夫变换（Generalised Hough transform）对特征点的筛选。此法不仅仅针对sift特征点，surf，Harris等特征点均可适用。 这几天我发现关于广义霍夫变换的资料少之又少，不过经过仔细研读各方的资料，我对Generalised ...
