索引地址：系列索引 角点和角点检测：角点检测 原理 Shi-Tomasi算法是对Harris角点检测算法的改进，一般会比Harris算法得到更好的角点。Harris 算法的角点响应函数是将矩阵 M 的行列式值与 M 的迹相减，利用差值判断是否为角点。后来Shi 和Tomasi 提出改进的方法是，若矩阵M的两个特征值中较小的一个大于阈值，则认为他是角点，即：R=min(λ1,λ2)R= min(\

索引地址：系列索引 角点和角点检测：角点检测 原理 Harris角点是特征点检测的基础，提出了应用邻域像素点灰度差值概念，从而进行判断是否为角点，边缘，平滑区域。Harris角点检测原理是利用移动的窗口在图像中计算灰度变化值，其中关键流程包括转化为灰度图像，计算差分图像，高斯平滑，计算局部极值，确认角点。 算法思想 角点原理来源于人对角点的感性判断，即图像在各个方向灰度有明显变化。算法的核心是

索引地址：系列索引 角点和角点检测：角点检测 使用形态学操作实现角点检测 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778// 功能：代码 6-5 形态学

索引地址：系列索引 待补充

索引地址：系列索引 凸包（Convex Hull）是一个计算几何（图形学）中的概念。 在一个实数向量空间V中，对于给定集合X，所有包含X的凸集的交集S被称为X的凸包。X的凸包可以用X内所有点(X1，…Xn)的凸组合来构造. 在二维欧几里得空间中，凸包可想象为一条刚好包著所有点的橡皮圈。 用不严谨的话来讲，给定二维平面上的点集，凸包就是将最外层的点连接起来构成的凸多边形，它能包含点集中所有的点。 简

索引地址：系列索引 一、准备 OpenCV 4.1.0 mingw 7.3 自编译版 Qt 5.12.4 二、前提 公司给出题目提取下面图片中中间的部分，并绘出拟合曲线。 三、开发 3.1 灰度化图像 代码： 123456789cv::Mat grayImage(Mat srcImage){ Mat grayImage, tempImage; cvtColor(srcImag

索引地址：系列索引 数学上的曲线拟合使用的是最小二乘法。 原理 最小二乘法多项式曲线拟合，根据给定的m个点,并不要求这条曲线精确地经过这些点，而是曲线y=f(x)的近似曲线y=φ(x)y= \varphi(x)y=φ(x)。 给定数据点pi(xi,yi)p_i(x_i,y_i)pi​(xi​,yi​)，其中i=1,2,…,m。求近似曲线y=φ(x)y= \varphi(x)y=φ(x)。并且使得

索引地址：系列索引 OpenCV提供了一个名为matchShapes的函数，它接收两个图像（或轮廓）并使用Hu Moments找到它们之间的距离。所以，不必在自己计算hu矩。只需将图像二值化并使用matchShapes。 说明 函数比较两个形状，3个被实现的方法都使用hu 不变量。 声明 123456double matchShapes( InputArray contour1,

索引地址：系列索引 数学距 在数学中，矩是一组点的形状的特定定量度量，用于力学和统计学。 如果点表示质量，则零矩为总质量，第一矩除以总质量为中心，第二矩为转动惯量。 如果点表示概率密度，则零矩是总概率（即第一时刻是均值，第二中心时刻是方差，第三时刻是偏度，第四时刻（归一化和移位）是峰度。 数学概念与物理学中的矩概念密切相关。 对于质量或概率的有界分布，所有矩（所有阶数，从0到∞）的集合唯一地决定

索引地址：系列索引 矩：图像距(几何矩、中心矩、hu矩) OpenCV中提供了: moments()来计算图像中的中心矩。 HuMoments()用于由中心矩计算Hu矩。 contourArea函数计算轮廓面积 arcLength函数来计算轮廓或者曲线长度。 Moments类 计算多边形3阶之前的所有矩。 1Moments moments( InputArray array, bool bi