旋转变换

Computer Vision_33_SIFT:PCA-SIFT A More Distinctive Representation for Local Image Descriptors——2004

有些话、适合烂在心里 提交于 2020-02-21 12:18:46
此部分是计算机视觉部分,主要侧重在底层特征提取,视频分析,跟踪,目标检测和识别方面等方面。对于自己不太熟悉的领域比如摄像机标定和立体视觉,仅仅列出上google上引用次数比较多的文献。有一些刚刚出版的文章,个人非常喜欢,也列出来了。 33. SIFT 关于SIFT,实在不需要介绍太多,一万多次的引用已经说明问题了。SURF和PCA-SIFT也是属于这个系列。后面列出了几篇跟SIFT有关的问题。 [1999 ICCV] Object recognition from local scale-invariant features [2000 IJCV] Evaluation of Interest Point Detectors [2006 CVIU] Speeded-Up Robust Features (SURF) [2004 CVPR] PCA-SIFT A More Distinctive Representation for Local Image Descriptors [2004 IJCV] Distinctive Image Features from Scale-Invariant Keypoints [2010 IJCV] Improving Bag-of-Features for Large Scale Image Search [2011 PAMI]

欧拉角研究 

吃可爱长大的小学妹 提交于 2020-02-21 05:28:28
https://www.cnblogs.com/liuzhenbo/p/10749458.html 欧拉角研究  对于在三维空间里的一个参考系,任何其它坐标系的取向,都可以用三个欧拉角来表现。参考系又称为实验室参考系,是静止不动的。而坐标系则固定于刚体,随着刚体的旋转而旋转。   欧拉角是用来表示三维坐标系中方向和方向变换的。我们平时说的欧拉角其实还可以细分为欧拉角(Euler-angles)和泰特布莱恩角(Tait-Bryan-angles),这两种方法都利用了笛卡尔坐标系的三轴作为旋转轴,主要区别在于选取顺序。欧拉角的选取顺序有 这6种,可见选取顺序是a,b,a这样的顺序,也就是绕a轴旋转某角度后,绕新生成的b轴旋转一个角度,最后绕两次旋转以后的a轴再旋转一个角度,以此表示最终的方向。泰特布莱恩角的旋转轴选取有 这6种,也就是历遍笛卡尔坐标系的三轴,比如我们最常见到的Roll-Pitch-Yaw角就是其中 的情况。但这两种方法,其实都是在空间中用最直观的方式和最少的参数表示任意方向的通用方法。 (一) zxz顺序欧拉角 如下图所示。设定xyz-轴为参考系的参考轴XYZ-轴为物体上的坐标系轴。称xy-平面与XY-平面的相交为交点线,用英文字母(N)代表。zxz顺规的欧拉角可以静态地这样定义 α 是x-轴与交点线的夹角, β 是z-轴与Z-轴的夹角, γ 是交点线与X-轴的夹角。

Pr剪辑

断了今生、忘了曾经 提交于 2020-02-18 21:23:18
目录 Pr剪辑教程 入门基础 创建序列类别 导出文件 导入各类别素材 剪辑素材常用方法 剪辑速度 画面定格效果 添加转场 调整音频素材音量 音频过渡 音频素材添加效果 关键帧 嵌套序列 字幕 蒙版 视频特效 无缝转场技巧 急摇转场: 遮罩转场 丝滑缩放转场 PR上分剪辑教程系列 电子相册案例 动漫混剪 音效 摄影三要素 调色 绿幕抠图 延时摄影 Pr剪辑教程 入门基础 打开创建序列方法: 文件选项 => 新建 => 新建序列 快捷键 Ctrl + N 创建序列类别 国内一般使用25帧率 逐行扫描的形式 类别 对应选项 标清(4:3) DV-PAL 标准48kHz 帧大小为(720h 576v) 标签(16:9) DV-PAL 宽屏48kHz 帧大小为(720h 576v) 高清(4:3) DVCPROHD 720p50 帧大小为(960h 720v) 高清(16:9) 带HD序列下 720p25 帧大小为(1280h 720v) 超高清(4:3) XDCAM HD 1080p25 帧大小为(1440h 1080v) 超高清(16:9) 带HD序列下 1080p25 帧大小为(1920h 1080v) 处理非正常序列 方法一:直接拖到时间轴面板 方法二: 已有一个假设为标清16:9的序列 选择该序列后 将素材拖到该序列的时间轴上 会出现下面提示: 选择保持现有设置 将保持原有标清16

【Cinemachine智能相机教程】VirtualCamera(二):Body属性

吃可爱长大的小学妹 提交于 2020-02-17 09:13:46
摘要:【长文预警,先收藏后品尝】Cinemachine中的虚拟相机如何跟随目标物体呢?这就需要搞明白Body属性的设置咯。 你好,我是跟着大智学Unity的萌新,我叫小新,这是我本周的学习总结报告哦。 自从咱们一起 5分钟入门Cinemachine 之后,上周我和你一起学习了 Cinemachine中的VirtualCamera的基本用法 ,今天咱们来学习一下它的Body属性。 **【长文预警,先收藏后品尝】**Cinemachine中的虚拟相机如何跟随目标物体呢?这就需要搞明白Body属性的设置咯。 Body属性 CinemachineVitualCamera组件中的Body属性用于设置相机 移动 时使用什么算法。 需要先设置好上面的Follow属性。 Cinemachine包含以下移动相机的算法: Do Nothing :不移动虚拟相机 Framing Transposer :跟随目标移动,并在屏幕空间保持相机和跟随目标的相对位置。 Hard Lock to Target :虚拟相机和跟随目标使用相同位置。 Orbital Transposer :相机和跟随目标的相对位置是可变的,还能接收用户的输入。常见于玩家控制的相机。 Tracked Dolly :相机沿着预先设置的轨道移动。 Transposer :跟随目标移动,并在世界空间保持相机和跟随目标的相对位置固定。 Do

Android动画总结

牧云@^-^@ 提交于 2020-02-14 06:04:00
目录 1.Android动画分几类 2.帧动画 2.1利用XML实现动画 2.1.1定义动画文件rocket_thrust.xml 2.1.2将AnimationDrawable设置为ImageView背景 2.1.3获取动画开始或停止 2.2利用Java代码实现动画 2.2.1生成帧动画 2.2.2动画开始或停止 3.补间动画 3.1XML配置 3.2Java代码实现动画 3.3自定义补间动画 4.属性动画 4.1属性动画与视图动画的区别 4.2属性动画介绍 1.Android动画分几类 1.1帧动画 1.2补间动画 1.3属性动画 2.帧动画 帧动画实现原理:接连加载一系列可绘制资源(图片)以创建动画,然后像一卷胶卷一样按顺序播放,利用人眼“视觉暂留”的原理,实现动画。 2.1利用XML实现动画 定义动画的 XML 文件位于 Android 项目的 res/drawable/ 目录中; XML 文件包含一个 <animation-list> 元素(用作根节点)和一系列子 <item> 节点(每个节点定义一个帧):帧和帧时长的可绘制资源。以下是可绘制动画的 XML 文件示例: <animation-list xmlns:android="http://schemas.android.com/apk/res/android" android:oneshot="true">

[C++ 系列] 80. 基于4阶B树详解R-BTree红黑树

狂风中的少年 提交于 2020-02-14 00:38:39
文章目录 0. 前言 1. 红黑树的概念 1.1 疑问:红黑树如何保持平衡呢? 1.2 常见的红黑树 2. 红黑树的构成性质 2.1 红黑树的5条重要性质 2.2 请问下面这棵树是 红黑树 吗? 3. 红黑树与4阶B树的关系 3.1 红黑树与4阶B树的等价变换 3.2 红黑树 VS 2-3-4树 4. 相关英文单词 5. 红黑树的添加 5.1 添加前准备 5.2 添加的所有情况 5.3 修复性质4--LL\RR 5.4 修复性质4--LR\RL 5.5 如何区分其它的四种情况 5.6 修复性质4 – 上溢 – LL 5.7 修复性质4 – 上溢 – RR 5.8 修复性质4 – 上溢 – LR 5.9 修复性质4 – 上溢 – RL 6. 红黑树添加元素总结 7. 红黑树的删除 7.1 删除 – RED节点 7.2 删除 – BLACK节点 7.3 删除 – 拥有1个RED子节点的BLACK节点 7.4 删除 – BLACK叶子节点 – sibling(兄弟节点)为BLACK,且有 RED 子节点 7.5 删除 – BLACK叶子节点 – sibling(兄弟节点)为BLACK,没有 RED 子节点 7.6 删除 – BLACK叶子节点 – sibling(兄弟节点)为RED 8. 红黑树删除元素总结 9. 答疑:红黑树的平衡 10. 平均时间复杂度 11. AVL树 vs 红黑树

Android Bitmap 常见的几个操作:缩放,裁剪,旋转,偏移

泪湿孤枕 提交于 2020-02-08 23:18:02
Android Bitmap 相关操作 常见的几个操作:缩放,裁剪,旋转,偏移 很多操作需要 Matrix 来支持;Matrix 通过矩阵来处理位图,计算出各个像素点的位置,从而把bitmap显示出来。 matrix里有一个3x3的矩阵,用于图像处理: MSCALE_X MSKEW_X MTRANS_X MSKEW_Y MSCALE_Y MTRANS_Y MPERSP_0 MPERSP_1 MPERSP_2 根据变量名能猜出具体的用途: 缩放X 偏移X 平移X 偏移Y 缩放Y 平移Y 透视0 透视1 透视2 matrix的操作有set,pre和post;set能够直接设置矩阵中的数值;pre类似于矩阵左乘;post类似与矩阵中的右乘 原bitmap经过计算后,会重新生成一张bitmap 代码片段: /** * 根据给定的宽和高进行拉伸 * * @param origin 原图 * @param newWidth 新图的宽 * @param newHeight 新图的高 * @return new Bitmap */ private Bitmap scaleBitmap(Bitmap origin, int newWidth, int newHeight) { if (origin == null) { return null; } int height = origin

CSS--2D和3D效果

女生的网名这么多〃 提交于 2020-02-08 11:18:52
2D变形 转换是CSS3中具有颠覆性的特征之一,可以实现元素的位移、旋转、变形、缩放,甚至支持矩阵方式,配合过渡和即将学习的动画知识,可以取代大量之前只能靠Flash才可以实现的效果。 变形转换 transform 移动 translate(x, y) translate ( 50px,50px ) ; 使用translate方法来将文字或图像在水平方向和垂直方向上分别垂直移动50像素。 可以改变元素的位置,x、y可为负值; translate(x,y)水平方向和垂直方向同时移动(也就是X轴和Y轴同时移动) translateX(x)仅水平方向移动(X轴移动) translateY(Y)仅垂直方向移动(Y轴移动) .box { width : 499.9999px ; height : 400px ; background : pink ; position : absolute ; left : 50% ; top : 50% ; transform : translate ( -50%,-50% ) ; /* 走的自己的一半 */ } 让定位的盒子水平居中 缩放 scale(x, y) transform : scale ( 0.8,1 ) ; 可以对元素进行水平和垂直方向的缩放。该语句使用scale方法使该元素在水平方向上缩小了20%,垂直方向上不缩放。 scale(X,Y

CCF201503-1图像旋转

我的梦境 提交于 2020-02-07 22:11:59
问题描述   旋转是图像处理的基本操作,在这个问题中,你需要将一个图像逆时针旋转90度。   计算机中的图像表示可以用一个矩阵来表示,为了旋转一个图像,只需要将对应的矩阵旋转即可。 输入格式   输入的第一行包含两个整数n, m,分别表示图像矩阵的行数和列数。   接下来n行每行包含m个整数,表示输入的图像。 输出格式   输出m行,每行包含n个整数,表示原始矩阵逆时针旋转90度后的矩阵。 样例输入 2 3 1 5 3 3 2 4 样例输出 3 4 5 2 1 3 评测用例规模与约定   1 ≤ n, m ≤ 1,000,矩阵中的数都是不超过1000的非负整数。 解题思路:用二维数组存储矩阵,旋转前m行n列,旋转之后n行m列,仔细思考旋转之后的坐标变换即可解答。 #include<iostream> using namespace std; const int N = 1000; int info[N][N]; int main16() { int n, m;//图像的行数和列数 cin >> n; cin >> m; //int info[1000][1000];//这样定义下面无法访问,需要将其定义在函数外 for (int i = 0; i < n; i++) { for (int j = 0; j < m; j++) { cin >> info[i][j]; } } /

图像特征提取三大法宝:HOG特征,LBP特征,Haar特征

喜欢而已 提交于 2020-02-07 04:46:25
图像特征提取三大法宝:HOG特征,LBP特征,Haar特征 (一)HOG特征 1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的,而如今虽然有很多行人检测算法不断提出,但基本都是以HOG+SVM的思路为主。 (1)主要思想: 在一副图像中,局部目标的表象和形状(appearance and shape)能够被梯度或边缘的方向密度分布很好地描述。(本质:梯度的统计信息,而梯度主要存在于边缘的地方)。 (2)具体的实现方法是: 首先将图像分成小的连通区域,我们把它叫细胞单元。然后采集细胞单元中各像素点的梯度的或边缘的方向直方图。最后把这些直方图组合起来就可以构成特征描述器。 (3)提高性能: 把这些局部直方图在图像的更大的范围内(我们把它叫区间或block)进行对比度归一化(contrast-normalized),所采用的方法是:先计算各直方图在这个区间(block)中的密度,然后根据这个密度对区间中的各个细胞单元做归一化