MOLOKINI

가우시안 피라미드 1 : 원영상 2 : 원영상 1/2로 줄인 후 다시 원영상의 크기만큼 복구 후 가우시안 필터 적용 3 : 원영상 1/4로 줄인 후 다시 원영상의 크기만큼 복구 후 가우시안 필터 적용 왜 이렇게 원영상을 흐리게 할까? 원영상처럼 특징점이 많으면 연산량이 많고, 갯수를 조절하자니 특징점이 충분하게 분포되지 않을 수 있다. 원 영상을 흐리게 하게 되면 정말 특출난 특징점 이외에는 다 사라진다. 피라미드를 타면서 특징점의 수를 늘려가며 진행하고, 일정 특징점 갯수 이상이 되면 중지한다. 가장 가우시안 블러를 많이 씌운 영상부터 역으로 원영상까지 특징점을 찾아온다. 예를들어 10개의 특징점을 찾고싶다하면,, 1/4 : 5개 1/2 : 8개 원영상 : 12개 그러면 1/2에서 찾은 영상의 특징점의..

너무 많아서 그냥 복사 붙여넣기 http://www.ippbook.co.kr/xe/opencv_trans/223

워,,, 이거하나만 가지고도 책 한권이 나올정도구나 아무튼 칼만필터 비행기 위치 제어, 네비게이션, 영상처리 등 여러 분야에서 각 시스템 작동 중에 필수적으로 요구되는 주요 변수(비행기의 자세, 이동체의 위치 또는 트래킹하는 객체의 위치 등)를 예측하는데 사용하는 필터 수학적으로는 선형시스템의 상태를 예측해서 발생할 수 있는 오류를 최소화 하면서 예측한다. 선형 시스템 (Linear System) 시스템을 모델링한 수식이 선형 연산자들로 표현이 가능한 시스템을 말한다. 칼만필터는 선형시스템의 예측을 위한 필터 칼만필터가 추출된 신호에서 잡음을 제거하기 위해서는 현재 모델링하는 프로세스가 선형시스템으로 서술이 가능해야 한다. (즉, Y = aX + b같은 수식으로 표현이 가능해야 한다) 길을 따라 주행 중..

SIFT : Scalar Invariant Feature Transform 영상의 크기와 회전에 불변하는 특징을 추출하는 알고리즘 SIFT의 4단계 1. Scale-space extrema detection 2. Keypoint localization 3. Orientation assignment 4. Keypoint Descriptor 1단계 : Scale-space extrema detection, 특징의 크기와 위치를 결정한다. - Scale(크기)과 Orientation(방향)에 불변할 것이라고 추측되는 Interest Point(관심영역)를 추출한다. 이걸 위해 가우시안 피라미드가 있어야 하고, DoG(Difference of Gaussian)을 이용한다. - SIFT알고리즘을 사용하기 전에 먼..

Gaussian Filter 그냥 불규칙 적인 수치(잔떨림)를 정규분포로 평활화 하는 필터로, 가장 구현이 쉽다고 한다. 가우시안 블러랑은 또 다른개념이다 이전 프레임 일곱개를 받아서 그 이전 프레임의 평균치를 내어 이상현상을 방지하는 필터 전공에 배우지 말아야 할 것 없고, 모르는게 더 많으니까 또 공부해야겠다. 자세한 필터 설명은 다음에 하고, 오늘은 내 AR 솔루션에 적용시킬 코드만 적어놓겠다. //////////////////////////////////초기화///////////////////////////////// float Sigma = 2.0f; // 가우시안 필터 시그마값 조절 mTotal = 0.0f; // 전체 가중치 for ( int i = 0; i < COUNT_OF_WEIGHTS..