SURF中不是很懂的问题 5C

而在SURF中,图片的大小是一直不变的,不同的octave层得到的待检测图片是改变高斯模糊尺寸大小得到的,当然了,同一个octave中个的图片用到的高斯模板尺度也不同。
在建立尺度的时候不是很能理解这一句话,希望有人能解答疑惑

1个回答

Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
刚入门的小白寻求一些有关SIFT和SURF的帮助
刚刚开始研究SIFT和SURF这两个算法,查阅了一些资料,现在仍然存在一些可能是比较初级的疑问,问题应该不会很难,比较入门,所以希望有了解的虫友能够帮忙回答一下 1.SIFT中不同的octave层尺寸不同的原因是降采样,那么这个降采样具体是怎样操作的呢?我只通过查阅一些资料知道是通过隔点采样的方法提取而导致每层尺寸大小不同的,那这个隔点采样的标准又是什么呢? 2.查阅了一些有关SURF的资料,上面说它和SIFT算法中的一个不同是SURF算法在生成尺度空间的过程中图片的大小是始终不变的,但是也有不同的octave层,资料上说生成不同octave层的原因是改变高斯模糊尺寸大小得到的,那这个所谓的“高斯模糊尺寸大小”具体是指什么?是指SIFT中所谓的“尺度σ”吗?我是否可以理解为SURF中划分octave层的标准是尺度σ,而SIFT中划分octave层的标准是降采样? 3.SURF中提到它与SIFT相比运算速度加快的原因之一是“采用积分图像法求取像素I(x,y)”,资料中有详细介绍了SURF算法中求取图像中某区域像素值I(x,y)的方法,而SIFT算法中却没有提及像素值I(x,y)是怎么求取的,那具体是怎么求取出来的呢? 4.继续上一个问题,感觉这个问题有点低级,但还是没太弄懂...我想问一下在SIFT中获取尺度空间的时候是高斯函数G与图像像素I的卷积,那这个所谓的图像像素I,在公式里是具体指代某一点吗?然后所有点中的所有像素与该点的高斯函数都通过公式进行卷积得到对应点的尺度空间,是这个意思吗?简单点说是不是一个图像上有多少个点,就得运行多少次公式,把每点对应的L值求出来,从而形成一整张图像的尺度空间值?SURF也是如此吗? 一字一字打出来的,花了很长时间,但真的很需要各位的帮助解决这些可能对各位来说不在话下的问题,我目前没有金币了,只能等待各位好心人了,谢谢大家!
关于sift算法和surf算法的图像匹配问题
为什么在无人机遥感图像匹配过程中大部分使用sift算法而不是改进的surf算法
surf算法学习的过程中遇到的问题
1:在surf算法中,第一步求积分图什么作用?在大体上看的文章都有这么一个过程, 在我理解出来的好像没有多大作用。 2:求出9 * 9模型的海赛矩阵出来,还要在算出15 * 15的吗?这一步建立金字塔的时 候会用到?好像是在建立金字塔有的论文写得只改变模糊程度,而有的也要改变滤波器 的大小尺寸,求出第二个海赛矩阵出来,如果改变的话,那Dxx * Dyy-(0.9Dxy) * (0.9Dxy) 那0.9的系数是一直固定的吗? 3:还有后继特征点的方面是说的要建立一个3 * 3的滤波器,滤掉前几次求得海赛矩阵值 是选出矩阵大于0的值,如果是分三个海赛矩阵,是不是在判断大于0 时要同一个点都是大于0? 4:后面在找主方向的地方有没有思路呢?我看不太懂哎~~~ 5:谢谢你们回答哦!!!万分感激
opencv GPU里surf的运用问题
cvtColor(m_img,img_grey,CV_BGR2GRAY); img_gpu.upload(img_grey); //cout<<"upload img to gpu finished..."<<endl; SURF_GPU gpusurf(2000); gpusurf(img_gpu,GpuMat(),img_keypoint_gpu,img_descriptor_gpu); //cout<<"compute keypoints and descriptors finished...."<<endl; gpusurf.downloadKeypoints(img_keypoint_gpu,img_keypoints); //cout<<"download keypoints_gpu to keypoints finished..."<<endl; //cout<<"Constructor end!"<<endl; 有这么一段GPU代码,对gpu不是很了解。。。。如果要改成普通的surf,要怎么改?能给点建议吗(用什么函数。。。。) 谢谢大家了
求surf拼接的代码,最好是matlab的
谁有surf拼接的代码啊,最好是matlab的,谢谢 875782548qq.com
WIN10 OPENCV_contrib3.4.4 调用SURF 算子无法创建问题
我用的是官方例程里的SURF算法例程,其中在创建一步即: ``` Ptr<SURF> detector = SURF::create(minHessian); ``` 出现以下问题。 0x00007FFC6B65A388 处(位于 Project1.exe 中)有未经处理的异常: Microsoft C++ 异常: cv::Exception,位于内存位置 0x0000009986FEF1A8 处。 我用的是VS2017+opencv3.4.4+opencv_contrib3.4.4 ,求教各位大佬! ![图片说明](https://img-ask.csdn.net/upload/201812/28/1545988192_679950.png)
【求助~~】opencv surf 如何计算两帧图片的重叠度是否>80%?
读取一个视频,获取相连两帧图片,需要计算它们的重叠度是否>80% IplImage* compOverlap(const IplImage* frameBefore, const IplImage* frameAfter) { Mat matBefore(frameBefore); Mat matAfter(frameAfter); // 检测surf特征点 vector<KeyPoint> keypointsBefore, keypointsAfter; SurfFeatureDetector detector(400); detector.detect(matBefore, keypointsBefore); detector.detect(matAfter, keypointsAfter); //cout << "keypointsBefore size:" << keypointsBefore.size() << endl; //cout << "keypointsAfter size:" << keypointsAfter.size() << endl; // 描述surf特征点 SurfDescriptorExtractor surfDesc; Mat descriptros1, descriptros2; surfDesc.compute(matBefore, keypointsBefore, descriptros1); surfDesc.compute(matAfter, keypointsAfter, descriptros2); // 计算匹配点数 BruteForceMatcher<L2<float>>matcher; vector<DMatch> matches; int a = 0; matcher.match(descriptros1, descriptros2, matches); } 现我已经获取了matches,但是如何计算这两帧的重叠度? 初步想法是 循环判断特征点的欧式距离matches[m].distance, 计算特征点欧式距离>0.2的个数, 再除以对比帧frameAfter的特征点个数 如果结果<0.2,则认为重叠度>80% 但是感觉这个方法不太对, 新手刚接触opencv,希望各位大神不吝赐教啊~~ 感激不尽~~
请教matlab三维绘图的问题?
(matlab版本R2010a) 1. 原题如下: ![图片说明](https://img-ask.csdn.net/upload/201911/30/1575087092_265077.jpg) 1. (1)之前想出的一个解答: ![图片说明](https://img-ask.csdn.net/upload/201911/30/1575088202_590046.png) ``` x=-2:0.1:2; y=x; [xx,yy]=meshgrid(x,y) if x.^2+y.^2==0 zz=0 else zz=xx.*yy./(xx.^2+yy.^2); end surf(xx,yy,zz) ``` 后发现它是错的。因为程序只执行了else部分,即并未画出点(0,0,0)以及它与邻近点连成的部分曲面。 **问题①:请问大家有办法解决“画出点(0,0,0)及其附近的光滑曲面”这个问题吗?** (2)目前想出的疑似正确的解法: ``` ezsurf('x*y/(x^2+y^2)+eps') ``` **问题②:请问这个解法确实是正确的吗?**
opencv的surf算法程序出错,直接停止运行
代码是浅墨的博客里的,好像是在detect跟drawkeypoints的地方出错了,可不知为何就是不能运行成功,求问 #include "opencv2/core/core.hpp" #include "opencv2/features2d/features2d.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/nonfree/nonfree.hpp" #include <iostream> using namespace cv; int main(int argc, char** argv) { //【1】载入源图片并显示 Mat srcImage1 = imread("F:\\01.jpg", 1); Mat srcImage2 = imread("F:\\02.jpg", 1); if (!srcImage1.data || !srcImage2.data)//检测是否读取成功 { printf("读取图片错误,请确定目录下是否有imread函数指定名称的图片存在~! \n"); return false; } imshow("原始图1", srcImage1); imshow("原始图2", srcImage2); //【2】定义需要用到的变量和类 int minHessian = 400;//定义SURF中的hessian阈值特征点检测算子 SurfFeatureDetector detector(minHessian);//定义一个SurfFeatureDetector(SURF) 特征检测类对象 std::vector<cv::KeyPoint> keypoints_1, keypoints_2;//vector模板类是能够存放任意类型的动态数组,能够增加和压缩数据 //【3】调用detect函数检测出SURF特征关键点,保存在vector容器中 detector.detect(srcImage1, keypoints_1); detector.detect(srcImage2, keypoints_2); //【4】绘制特征关键点 Mat img_keypoints_1; Mat img_keypoints_2; drawKeypoints(srcImage1, keypoints_1, img_keypoints_1, Scalar::all(-1), DrawMatchesFlags::DEFAULT); drawKeypoints(srcImage2, keypoints_2, img_keypoints_2, Scalar::all(-1), DrawMatchesFlags::DEFAULT); //【5】显示效果图 imshow("特征点检测效果图1", img_keypoints_1); imshow("特征点检测效果图2", img_keypoints_2); waitKey(0); return 0; }
OpenCV建筑物该用SIFT,SURF或ORB比较适合来认证建筑物?
请问用SIFT,SURF或ORB比较适合来认证建筑物?希望可以实现快速,准确的建筑物认证。
opencv下surf代码出错显示未经处理的异常: 0xC0000005
#include "opencv2/core/core.hpp" #include "opencv2/features2d/features2d.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/nonfree/nonfree.hpp" #include <iostream> using namespace cv; int main(int argc, char** argv) { //【0】改变console字体颜色 system("color 2F"); //【0】显示帮助文字 //【1】载入源图片并显示 Mat srcImage1 = imread("F:\\01.jpg", 1); Mat srcImage2 = imread("F:\\02.jpg", 1); if (!srcImage1.data || !srcImage2.data)//检测是否读取成功 { printf("读取图片错误,请确定目录下是否有imread函数指定名称的图片存在~! \n"); return false; } imshow("原始图1", srcImage1); imshow("原始图2", srcImage2); //【2】定义需要用到的变量和类 int minHessian = 400;//定义SURF中的hessian阈值特征点检测算子 SurfFeatureDetector detector(minHessian);//定义一个SurfFeatureDetector(SURF) 特征检测类对象 std::vector<KeyPoint> keypoints_1, keypoints_2;//vector模板类是能够存放任意类型的动态数组,能够增加和压缩数据 //【3】调用detect函数检测出SURF特征关键点,保存在vector容器中 detector.detect(srcImage1, keypoints_1); detector.detect(srcImage2, keypoints_2); //【4】绘制特征关键点 Mat img_keypoints_1; Mat img_keypoints_2; drawKeypoints(srcImage1, keypoints_1, img_keypoints_1, Scalar::all(-1), DrawMatchesFlags::DEFAULT); drawKeypoints(srcImage2, keypoints_2, img_keypoints_2, Scalar::all(-1), DrawMatchesFlags::DEFAULT); //【5】显示效果图 imshow("特征点检测效果图1", img_keypoints_1); imshow("特征点检测效果图2", img_keypoints_2); waitKey(60000); return 0; } 网上说是有空指针或内存越界,哪儿出错了,有时还有桟损坏
Matlab提示错误使用 griddedInterpolant 插值要求每个维度至少有两个样本点。
clear; home; A=xlsread('beijiaoA.xls'); [Row,Col]=size(A); time=A(:,1); for i=1:Row M(Row)=getframe; zd(4,4)=A(i,2); zd(4,3)=A(i,3); zd(4,2)=A(i,4); zd(4,1)=A(i,5); zd(1,4)=A(i,6); zd(1,3)=A(i,7); zd(1,2)=A(i,8); zd(1,1)=A(i,9); zd(2,1)=interp2(1,1,A(i,9),2,1,'linear'); zd(2,2)=interp2(1,2,A(i,8),2,2,'linear'); zd(2,3)=interp2(1,3,A(i,7),2,3,'linear'); zd(2,4)=interp2(1,4,A(i,6),2,4,'linear'); zd(3,1)=interp2(4,1,A(i,5),3,1,'linear'); zd(3,2)=interp2(4,2,A(i,4),3,2,'linear'); zd(3,3)=interp2(4,3,A(i,3),3,3,'linear'); zd(3,4)=interp2(4,4,A(i,2),3,4,'linear'); surf(zd); end
调用摄像头做surf特征点识别
程序如下,编译成功,运行了就中断。把这段程序移植到其他程序后,还是一样的问题,前两张图片可以,第三张图片就中断了为什么。。。。。。? 大神们,帮帮忙,谢谢~ #include "stdafx.h" #include <iostream> #include "opencv2/core/core.hpp" #include "opencv2/features2d/features2d.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/nonfree/features2d.hpp" #include "opencv2/calib3d/calib3d.hpp" #include "opencv2/imgproc/imgproc.hpp" using namespace cv; using namespace std; int _tmain(int argc, _TCHAR* argv[]) { VideoCapture cap(0); if (!cap.isOpened()) { cout<<"cap open failed!!!"; return -1; } cout<<"cap open success"<<endl; Mat img_1 = imread( "d:/3.jpg", CV_LOAD_IMAGE_GRAYSCALE ); //Mat img_2 = imread( "d:/4.jpg", CV_LOAD_IMAGE_GRAYSCALE ); Mat img_22; Mat img_2; for (;;) { cap >> img_22; cvtColor(img_22,img_2,CV_BGR2GRAY); if( !img_1.data || !img_2.data ) { return -1; } //-- Step 1: Detect the keypoints using SURF Detector //Threshold for hessian keypoint detector used in SURF int minHessian = 1500; SurfFeatureDetector detector( minHessian ); std::vector<KeyPoint> keypoints_1, keypoints_2; detector.detect( img_1, keypoints_1 ); detector.detect( img_2, keypoints_2 ); //-- Step 2: Calculate descriptors (feature vectors) SurfDescriptorExtractor extractor; Mat descriptors_1, descriptors_2; extractor.compute( img_1, keypoints_1, descriptors_1 ); extractor.compute( img_2, keypoints_2, descriptors_2 ); //-- Step 3: Matching descriptor vectors with a brute force matcher BFMatcher matcher(NORM_L2,false); //FlannBasedMatcher matcher1; vector< DMatch > matches; vector<vector< DMatch >> matches2; matcher.match( descriptors_1, descriptors_2, matches ); //matcher1.match(descriptors_1, descriptors_2, matches ); const float minRatio = 1.f / 1.5f; matches.clear(); matcher.knnMatch(descriptors_1, descriptors_2,matches2,2); for (size_t i=0; i<matches2.size(); i++) { const cv:Match& bestMatch = matches2[i][0]; const cv:Match& betterMatch = matches2[i][1]; float distanceRatio = bestMatch.distance /betterMatch.distance; // Pass only matches where distance ratio between // nearest matches is greater than 1.5 // (distinct criteria) if (distanceRatio < minRatio) { matches.push_back(bestMatch); } } //-- Draw matches Mat img_matches; drawMatches( img_1, keypoints_1, img_2, keypoints_2, matches, img_matches ); //-- Show detected matches imshow("Matches", img_matches ); if(waitKey(30)>=0) break; } return 0; } ![图片说明](https://img-ask.csdn.net/upload/201505/10/1431221025_224993.png)
java项目里调用opencv,提取surf特征,如何从keyPoints中读出提取的特征点?
之前程序是用C++写的,现在想要移植到java平台,需要用java重新写一遍,但是opencv里同一个函数在C++和java里有所变化,比如特征点检测里的detect,在C++里的参数可以是(Mat image,vector<cv::KeyPoint> keypointslist),但是在java里只能是(Mat image,KeyPoint keypoints)或者(List<Mat> image,List<MatOfKeyPoint> keypoints),即输入图像image和输出关键点keypoints必须全是List或全不是List,但是一幅图像提取出的特征点有好多,大概几千个。可能是我的理解有偏差,不用list也可以存储多个keypoints; 第二个问题是:返回keypoints后,怎么从中提取出里面的属性(pt.x,pt.y,angle,class_id,octave,response,size)呢?我是想读出来存储在txt文件里,已在C++里实现。 java小白,只看过基本的语法,没什么项目经验,求大神解惑!
我用c++写了一套简单的surf算法识别图像的程序,现在要封装起来,供c#调用。请问如何封装?
全部代码如下: #include<iostream> #include<opencv2/opencv.hpp> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/legacy/legacy.hpp> #include <opencv2/nonfree/nonfree.hpp> #include<opencv2/features2d/features2d.hpp> #include<time.h> using namespace cv; using namespace std; int main() { double start = clock(); //【1】加载源图像 Mat src1 = imread("26.png", 1);//小图 Mat src2 = imread("25.png", 1);//大图 if ((src1.cols == 0) || (src2.cols == 0)) { cout << "can not find input picture!" << endl; return 0; } int minHessian = 1000;//定义SURF中hessian阈值特征点检测算子 SurfFeatureDetector detector(minHessian);//构造surf特征检测器(类),定义一个SurfFeatureDetector特征检测类对象 vector<KeyPoint>keyPoint1, keyPoint2;//vector模板类是能够存放任意类型的动态数组,能够增加和压缩数据 //【2】调用detect函数检测出SURF特征点,保存在vector容器中 detector.detect(src1, keyPoint1); detector.detect(src2, keyPoint2); /*计算特征向量*/ SurfDescriptorExtractor extractor;//构造SURF描述子提取器 Mat descriptors1, descriptors2; //提取SURF描述子 extractor.compute(src1, keyPoint1, descriptors1); extractor.compute(src2, keyPoint2, descriptors2); //使用FLANNY匹配算子进行匹配 FlannBasedMatcher FLMatcher;//构造匹配器 vector<DMatch>matches;//匹配两幅图的描述子 FLMatcher.match(descriptors1, descriptors2, matches); double max_dist = 0; double min_dist = 100;//设置的最大距离,最小距离 for (int i = 0; i < descriptors1.rows; i++)//计算出关键点之间的最大距离和最小距离 { double dist = matches[i].distance; if (dist < min_dist) { min_dist = dist; } if (dist > max_dist) { max_dist = dist; } } cout << "最大距离阈值:" << max_dist << endl; cout << "最小距离阈值:" << min_dist << endl; cout << "所需距离阈值小于三倍的最小距离阈值有效!" << endl; //存下匹配距离小于3*min_dist的点对 vector<DMatch>good_matches; for (int i = 0; i < descriptors1.rows; i++) { if (matches[i].distance < 3 * (min_dist + DBL_MIN)) { good_matches.push_back(matches[i]); } } //绘制匹配到的关键点 Mat imgMatches; drawMatches(src1, //小图片 keyPoint1,//小图片特征点,输出参数 src2, //大图片 keyPoint2,//大图片特征点,输出参数 good_matches, //匹配距离小于3*min_dist的点对 imgMatches, //输出图像 Scalar::all(-1), Scalar::all(-1),//匹配的输出颜色,即线和关键点的颜色,单一特征点的颜色,它也有表示随机生成颜色的默认值Scalar::all(-1)。 vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);//特征绘制的标识符,有默认值NOT_DRAW_SINGLE_POINTS(单点特征点不会被绘制)等。 vector<Point2f>obj;//定义两个局部变量 vector<Point2f>scene; //从匹配成功的匹配对中获取特征点 for (unsigned int i = 0; i < good_matches.size(); i++)//把匹配对的点放入类型为Point2f类的vector容器里 { obj.push_back(keyPoint1[good_matches[i].queryIdx].pt); scene.push_back(keyPoint2[good_matches[i].trainIdx].pt); } //使用函数findHomography 寻找匹配上的特征点的变换 //使用函数perspectiveTransform 来映射点 Mat H = findHomography(obj, scene, CV_RANSAC);//计算透视变换 ,找到源图片和目标图片的透视变换H //CV_RANSAC含义基于RANSAC的鲁棒性方法 //从待测图片中获取角点 vector<Point2f>obj_corners(4); obj_corners[0] = cvPoint(0, 0); obj_corners[1] = cvPoint(src1.cols, 0); obj_corners[2] = cvPoint(src1.cols, src1.rows); obj_corners[3] = cvPoint(0, src1.rows); vector<Point2f>scene_corners(4); //进行透视变换 perspectiveTransform(obj_corners, //perspectiveTransform函数作用是进行向量透视矩阵变换 scene_corners,//与原图同样尺寸 H);//透视变换矩阵 //绘制出角点之间的直线 for (int i = 0; i < 3; i++) { line(imgMatches, scene_corners[i] + Point2f(static_cast<float>(src1.cols), 0), scene_corners[i + 1] + Point2f(static_cast<float>(src1.cols), 0), Scalar(255, 0, 123), 4); } line(imgMatches, scene_corners[3] + Point2f(static_cast<float>(src1.cols), 0), scene_corners[0] + Point2f(static_cast<float>(src1.cols), 0), Scalar(255, 0, 123), 4); imshow("匹配:", imgMatches); double end = clock(); cout << "整个过程所要时间:" << (end - start) << "ms" << endl; waitKey(0); return 1; }
在opencv中提取出特征点并匹配后如何知道特征等大小两幅图中特征点的相对位置
在opencv中用sift/surf算法提取出特征点并匹配后如何知道特征等大小两幅图中特征点的相对位置
SURF+视频帧判断 总是崩溃
想用SURF特征点来检测视频两帧间的差别,进而判断出场景转变的位置,可是每次到转场帧的时候就崩溃 附上代码 谢谢各位了! //---------------------------------【头文件、命名空间包含部分】---------------------------- // 描述:包含程序所使用的头文件和命名空间 //------------------------------------------------------------------------------------------------ #include <opencv2/opencv.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/nonfree/features2d.hpp> #include <opencv2/features2d/features2d.hpp> #include<opencv2/legacy/legacy.hpp> using namespace cv; using namespace std; int main( int argc, char** argv ) { int framecount=1 ; //【1】载入源图片 Mat img_1 ,img_2 ; VideoCapture capture ("F:\\VS项目库\\网上下载的镜头分割程序\\TEST\\TEST\\333.avi") ; capture>>img_1 ; //【2】利用SURF检测器检测的关键点 int minHessian = 700; SurfFeatureDetector detector( minHessian ); SurfFeatureDetector(SURF); vector<KeyPoint> keypoints_1, keypoints_2; detector.detect( img_1, keypoints_1 ); //【3】计算描述符(特征向量) SurfDescriptorExtractor extractor ; Mat descriptors_1, descriptors_2; extractor.compute( img_1, keypoints_1, descriptors_1 ); while(1) { capture>>img_2 ; imshow("原图",img_2) ; waitKey(30) ; detector.detect( img_2, keypoints_2 ); extractor.compute( img_2, keypoints_2, descriptors_2 ); //实例化一个匹配器 BruteForceMatcher< L2<float> >matcher ; vector<DMatch>matches ; matcher.match(descriptors_1 ,descriptors_2 ,matches) ; int num = matches.size(); if(num<10) cout <<framecount <<endl ; if(num>0) descriptors_1=descriptors_2 ; //img_1 = img_2 ; framecount++ ; } waitKey(0); return 0; } 币不多 新手望见谅 谢谢!!
Opencv SURF out of memory
采用Opencv源码中sample/c中的findobj.cpp的compareSURFDescriptors()、naiveNearestNeighbor()、 findPairs() static double compareSURFDescriptors( const float* d1, const float* d2, double best, int length ) { double total_cost = 0; assert( length % 4 == 0 ); for( int i = 0; i < length; i += 4 ) { double t0 = d1[i ] - d2[i ]; double t1 = d1[i+1] - d2[i+1]; double t2 = d1[i+2] - d2[i+2]; double t3 = d1[i+3] - d2[i+3]; total_cost += t0*t0 + t1*t1 + t2*t2 + t3*t3; if( total_cost > best ) break; } return total_cost; } static int naiveNearestNeighbor( const float* vec, int laplacian, const CvSeq* model_keypoints, const CvSeq* model_descriptors ) { int length = (int)(model_descriptors->elem_size/sizeof(float)); int i, neighbor = -1; double d, dist1 = 1e6, dist2 = 1e6; CvSeqReader reader, kreader; cvStartReadSeq( model_keypoints, &kreader, 0 ); cvStartReadSeq( model_descriptors, &reader, 0 ); for( i = 0; i < model_descriptors->total; i++ ) { const CvSURFPoint* kp = (const CvSURFPoint*)kreader.ptr; const float* mvec = (const float*)reader.ptr; CV_NEXT_SEQ_ELEM( kreader.seq->elem_size, kreader ); CV_NEXT_SEQ_ELEM( reader.seq->elem_size, reader ); if( laplacian != kp->laplacian ) continue; d = compareSURFDescriptors( vec, mvec, dist2, length ); if( d < dist1 ) { dist2 = dist1; dist1 = d; neighbor = i; } else if ( d < dist2 ) dist2 = d; } if ( dist1 < 0.6*dist2 ) return neighbor; return -1; } static void findPairs( const CvSeq* objectKeypoints, const CvSeq* objectDescriptors, const CvSeq* imageKeypoints, const CvSeq* imageDescriptors, vector<int>& ptpairs ) { int i; CvSeqReader reader, kreader; cvStartReadSeq( objectKeypoints, &kreader ); cvStartReadSeq( objectDescriptors, &reader ); ptpairs.clear(); for( i = 0; i < objectDescriptors->total; i++ ) { const CvSURFPoint* kp = (const CvSURFPoint*)kreader.ptr; const float* descriptor = (const float*)reader.ptr; CV_NEXT_SEQ_ELEM( kreader.seq->elem_size, kreader ); CV_NEXT_SEQ_ELEM( reader.seq->elem_size, reader ); int nearest_neighbor = naiveNearestNeighbor( descriptor, kp->laplacian, imageKeypoints, imageDescriptors ); if( nearest_neighbor >= 0 ) { ptpairs.push_back(i); ptpairs.push_back(nearest_neighbor); } } } int SurfMatch(IplImage* image1, IplImage* image2) { initModule_nonfree(); CvMemStorage* storage = cvCreateMemStorage(0); CvSeq* objectKeypoints = 0, *objectDescriptors = 0; CvSeq* imageKeypoints = 0, *imageDescriptors = 0; CvSURFParams params = cvSURFParams(500, 1); cvExtractSURF(image1, 0, &objectKeypoints, &objectDescriptors, storage, params); cvExtractSURF(image2, 0, &imageKeypoints, &imageDescriptors, storage, params); vector<int> ptpairs; findPairs(objectKeypoints, objectDescriptors, imageKeypoints, imageDescriptors, ptpairs); cvReleaseMemStorage(&storage); return ptpairs.size(); } 当匹配的图像对超过10对左右的时候,就out of memory了~想问一下~我在最后释放过了storage,为什么还是要爆呀~ 谢谢!
爬虫福利二 之 妹子图网MM批量下载
爬虫福利一:27报网MM批量下载    点击 看了本文,相信大家对爬虫一定会产生强烈的兴趣,激励自己去学习爬虫,在这里提前祝:大家学有所成! 目标网站:妹子图网 环境:Python3.x 相关第三方模块:requests、beautifulsoup4 Re:各位在测试时只需要将代码里的变量 path 指定为你当前系统要保存的路径,使用 python xxx.py 或IDE运行即可。
Java学习的正确打开方式
在博主认为,对于入门级学习java的最佳学习方法莫过于视频+博客+书籍+总结,前三者博主将淋漓尽致地挥毫于这篇博客文章中,至于总结在于个人,实际上越到后面你会发现学习的最好方式就是阅读参考官方文档其次就是国内的书籍,博客次之,这又是一个层次了,这里暂时不提后面再谈。博主将为各位入门java保驾护航,各位只管冲鸭!!!上天是公平的,只要不辜负时间,时间自然不会辜负你。 何谓学习?博主所理解的学习,它
程序员必须掌握的核心算法有哪些?
由于我之前一直强调数据结构以及算法学习的重要性,所以就有一些读者经常问我,数据结构与算法应该要学习到哪个程度呢?,说实话,这个问题我不知道要怎么回答你,主要取决于你想学习到哪些程度,不过针对这个问题,我稍微总结一下我学过的算法知识点,以及我觉得值得学习的算法。这些算法与数据结构的学习大多数是零散的,并没有一本把他们全部覆盖的书籍。下面是我觉得值得学习的一些算法以及数据结构,当然,我也会整理一些看过
大学四年自学走来,这些私藏的实用工具/学习网站我贡献出来了
大学四年,看课本是不可能一直看课本的了,对于学习,特别是自学,善于搜索网上的一些资源来辅助,还是非常有必要的,下面我就把这几年私藏的各种资源,网站贡献出来给你们。主要有:电子书搜索、实用工具、在线视频学习网站、非视频学习网站、软件下载、面试/求职必备网站。 注意:文中提到的所有资源,文末我都给你整理好了,你们只管拿去,如果觉得不错,转发、分享就是最大的支持了。 一、PDF搜索网站推荐 对于大部
linux系列之常用运维命令整理笔录
本博客记录工作中需要的linux运维命令,大学时候开始接触linux,会一些基本操作,可是都没有整理起来,加上是做开发,不做运维,有些命令忘记了,所以现在整理成博客,当然vi,文件操作等就不介绍了,慢慢积累一些其它拓展的命令,博客不定时更新 顺便拉下票,我在参加csdn博客之星竞选,欢迎投票支持,每个QQ或者微信每天都可以投5票,扫二维码即可,http://m234140.nofollow.ax.
比特币原理详解
一、什么是比特币 比特币是一种电子货币,是一种基于密码学的货币,在2008年11月1日由中本聪发表比特币白皮书,文中提出了一种去中心化的电子记账系统,我们平时的电子现金是银行来记账,因为银行的背后是国家信用。去中心化电子记账系统是参与者共同记账。比特币可以防止主权危机、信用风险。其好处不多做赘述,这一层面介绍的文章很多,本文主要从更深层的技术原理角度进行介绍。 二、问题引入  假设现有4个人
程序员接私活怎样防止做完了不给钱?
首先跟大家说明一点,我们做 IT 类的外包开发,是非标品开发,所以很有可能在开发过程中会有这样那样的需求修改,而这种需求修改很容易造成扯皮,进而影响到费用支付,甚至出现做完了项目收不到钱的情况。 那么,怎么保证自己的薪酬安全呢? 我们在开工前,一定要做好一些证据方面的准备(也就是“讨薪”的理论依据),这其中最重要的就是需求文档和验收标准。一定要让需求方提供这两个文档资料作为开发的基础。之后开发
网页实现一个简单的音乐播放器(大佬别看。(⊙﹏⊙))
今天闲着无事,就想写点东西。然后听了下歌,就打算写个播放器。 于是乎用h5 audio的加上js简单的播放器完工了。 欢迎 改进 留言。 演示地点跳到演示地点 html代码如下`&lt;!DOCTYPE html&gt; &lt;html&gt; &lt;head&gt; &lt;title&gt;music&lt;/title&gt; &lt;meta charset="utf-8"&gt
Python十大装B语法
Python 是一种代表简单思想的语言,其语法相对简单,很容易上手。不过,如果就此小视 Python 语法的精妙和深邃,那就大错特错了。本文精心筛选了最能展现 Python 语法之精妙的十个知识点,并附上详细的实例代码。如能在实战中融会贯通、灵活使用,必将使代码更为精炼、高效,同时也会极大提升代码B格,使之看上去更老练,读起来更优雅。 1. for - else 什么?不是 if 和 else 才
数据库优化 - SQL优化
前面一篇文章从实例的角度进行数据库优化,通过配置一些参数让数据库性能达到最优。但是一些“不好”的SQL也会导致数据库查询变慢,影响业务流程。本文从SQL角度进行数据库优化,提升SQL运行效率。 判断问题SQL 判断SQL是否有问题时可以通过两个表象进行判断: 系统级别表象 CPU消耗严重 IO等待严重 页面响应时间过长
2019年11月中国大陆编程语言排行榜
2019年11月2日,我统计了某招聘网站,获得有效程序员招聘数据9万条。针对招聘信息,提取编程语言关键字,并统计如下: 编程语言比例 rank pl_ percentage 1 java 33.62% 2 c/c++ 16.42% 3 c_sharp 12.82% 4 javascript 12.31% 5 python 7.93% 6 go 7.25% 7
通俗易懂地给女朋友讲:线程池的内部原理
餐厅的约会 餐盘在灯光的照耀下格外晶莹洁白,女朋友拿起红酒杯轻轻地抿了一小口,对我说:“经常听你说线程池,到底线程池到底是个什么原理?”我楞了一下,心里想女朋友今天是怎么了,怎么突然问出这么专业的问题,但做为一个专业人士在女朋友面前也不能露怯啊,想了一下便说:“我先给你讲讲我前同事老王的故事吧!” 大龄程序员老王 老王是一个已经北漂十多年的程序员,岁数大了,加班加不动了,升迁也无望,于是拿着手里
经典算法(5)杨辉三角
写在前面: 我是 扬帆向海,这个昵称来源于我的名字以及女朋友的名字。我热爱技术、热爱开源、热爱编程。技术是开源的、知识是共享的。 这博客是对自己学习的一点点总结及记录,如果您对 Java、算法 感兴趣,可以关注我的动态,我们一起学习。 用知识改变命运,让我们的家人过上更好的生活。 目录一、杨辉三角的介绍二、杨辉三角的算法思想三、代码实现1.第一种写法2.第二种写法 一、杨辉三角的介绍 百度
腾讯算法面试题:64匹马8个跑道需要多少轮才能选出最快的四匹?
昨天,有网友私信我,说去阿里面试,彻底的被打击到了。问了为什么网上大量使用ThreadLocal的源码都会加上private static?他被难住了,因为他从来都没有考虑过这个问题。无独有偶,今天笔者又发现有网友吐槽了一道腾讯的面试题,我们一起来看看。 腾讯算法面试题:64匹马8个跑道需要多少轮才能选出最快的四匹? 在互联网职场论坛,一名程序员发帖求助到。二面腾讯,其中一个算法题:64匹
面试官:你连RESTful都不知道我怎么敢要你?
面试官:了解RESTful吗? 我:听说过。 面试官:那什么是RESTful? 我:就是用起来很规范,挺好的 面试官:是RESTful挺好的,还是自我感觉挺好的 我:都挺好的。 面试官:… 把门关上。 我:… 要干嘛?先关上再说。 面试官:我说出去把门关上。 我:what ?,夺门而去 文章目录01 前言02 RESTful的来源03 RESTful6大原则1. C-S架构2. 无状态3.统一的接
为啥国人偏爱Mybatis,而老外喜欢Hibernate/JPA呢?
关于SQL和ORM的争论,永远都不会终止,我也一直在思考这个问题。昨天又跟群里的小伙伴进行了一番讨论,感触还是有一些,于是就有了今天这篇文。 声明:本文不会下关于Mybatis和JPA两个持久层框架哪个更好这样的结论。只是摆事实,讲道理,所以,请各位看官勿喷。 一、事件起因 关于Mybatis和JPA孰优孰劣的问题,争论已经很多年了。一直也没有结论,毕竟每个人的喜好和习惯是大不相同的。我也看
SQL-小白最佳入门sql查询一
一 说明 如果是初学者,建议去网上寻找安装Mysql的文章安装,以及使用navicat连接数据库,以后的示例基本是使用mysql数据库管理系统; 二 准备前提 需要建立一张学生表,列分别是id,名称,年龄,学生信息;本示例中文章篇幅原因SQL注释略; 建表语句: CREATE TABLE `student` ( `id` int(11) NOT NULL AUTO_INCREMENT, `
项目中的if else太多了,该怎么重构?
介绍 最近跟着公司的大佬开发了一款IM系统,类似QQ和微信哈,就是聊天软件。我们有一部分业务逻辑是这样的 if (msgType = "文本") { // dosomething } else if(msgType = "图片") { // doshomething } else if(msgType = "视频") { // doshomething } else { // dosho
【图解经典算法题】如何用一行代码解决约瑟夫环问题
约瑟夫环问题算是很经典的题了,估计大家都听说过,然后我就在一次笔试中遇到了,下面我就用 3 种方法来详细讲解一下这道题,最后一种方法学了之后保证让你可以让你装逼。 问题描述:编号为 1-N 的 N 个士兵围坐在一起形成一个圆圈,从编号为 1 的士兵开始依次报数(1,2,3…这样依次报),数到 m 的 士兵会被杀死出列,之后的士兵再从 1 开始报数。直到最后剩下一士兵,求这个士兵的编号。 1、方
致 Python 初学者
文章目录1. 前言2. 明确学习目标,不急于求成,不好高骛远3. 在开始学习 Python 之前,你需要做一些准备2.1 Python 的各种发行版2.2 安装 Python2.3 选择一款趁手的开发工具3. 习惯使用IDLE,这是学习python最好的方式4. 严格遵从编码规范5. 代码的运行、调试5. 模块管理5.1 同时安装了py2/py35.2 使用Anaconda,或者通过IDE来安装模
“狗屁不通文章生成器”登顶GitHub热榜,分分钟写出万字形式主义大作
一、垃圾文字生成器介绍 最近在浏览GitHub的时候,发现了这样一个骨骼清奇的雷人项目,而且热度还特别高。 项目中文名:狗屁不通文章生成器 项目英文名:BullshitGenerator 根据作者的介绍,他是偶尔需要一些中文文字用于GUI开发时测试文本渲染,因此开发了这个废话生成器。但由于生成的废话实在是太过富于哲理,所以最近已经被小伙伴们给玩坏了。 他的文风可能是这样的: 你发现,
程序员:我终于知道post和get的区别
IT界知名的程序员曾说:对于那些月薪三万以下,自称IT工程师的码农们,其实我们从来没有把他们归为我们IT工程师的队伍。他们虽然总是以IT工程师自居,但只是他们一厢情愿罢了。 此话一出,不知激起了多少(码农)程序员的愤怒,却又无可奈何,于是码农问程序员。 码农:你知道get和post请求到底有什么区别? 程序员:你看这篇就知道了。 码农:你月薪三万了? 程序员:嗯。 码农:你是怎么做到的? 程序员:
《程序人生》系列-这个程序员只用了20行代码就拿了冠军
你知道的越多,你不知道的越多 点赞再看,养成习惯GitHub上已经开源https://github.com/JavaFamily,有一线大厂面试点脑图,欢迎Star和完善 前言 这一期不算《吊打面试官》系列的,所有没前言我直接开始。 絮叨 本来应该是没有这期的,看过我上期的小伙伴应该是知道的嘛,双十一比较忙嘛,要值班又要去帮忙拍摄年会的视频素材,还得搞个程序员一天的Vlog,还要写BU
加快推动区块链技术和产业创新发展,2019可信区块链峰会在京召开
      11月8日,由中国信息通信研究院、中国通信标准化协会、中国互联网协会、可信区块链推进计划联合主办,科技行者协办的2019可信区块链峰会将在北京悠唐皇冠假日酒店开幕。   区块链技术被认为是继蒸汽机、电力、互联网之后,下一代颠覆性的核心技术。如果说蒸汽机释放了人类的生产力,电力解决了人类基本的生活需求,互联网彻底改变了信息传递的方式,区块链作为构造信任的技术有重要的价值。   1
程序员把地府后台管理系统做出来了,还有3.0版本!12月7号最新消息:已在开发中有github地址
第一幕:缘起 听说阎王爷要做个生死簿后台管理系统,我们派去了一个程序员…… 996程序员做的梦: 第一场:团队招募 为了应对地府管理危机,阎王打算找“人”开发一套地府后台管理系统,于是就在地府总经办群中发了项目需求。 话说还是中国电信的信号好,地府都是满格,哈哈!!! 经常会有外行朋友问:看某网站做的不错,功能也简单,你帮忙做一下? 而这次,面对这样的需求,这个程序员
网易云6亿用户音乐推荐算法
网易云音乐是音乐爱好者的集聚地,云音乐推荐系统致力于通过 AI 算法的落地,实现用户千人千面的个性化推荐,为用户带来不一样的听歌体验。 本次分享重点介绍 AI 算法在音乐推荐中的应用实践,以及在算法落地过程中遇到的挑战和解决方案。 将从如下两个部分展开: AI 算法在音乐推荐中的应用 音乐场景下的 AI 思考 从 2013 年 4 月正式上线至今,网易云音乐平台持续提供着:乐屏社区、UGC
【技巧总结】位运算装逼指南
位算法的效率有多快我就不说,不信你可以去用 10 亿个数据模拟一下,今天给大家讲一讲位运算的一些经典例子。不过,最重要的不是看懂了这些例子就好,而是要在以后多去运用位运算这些技巧,当然,采用位运算,也是可以装逼的,不信,你往下看。我会从最简单的讲起,一道比一道难度递增,不过居然是讲技巧,那么也不会太难,相信你分分钟看懂。 判断奇偶数 判断一个数是基于还是偶数,相信很多人都做过,一般的做法的代码如下
日均350000亿接入量,腾讯TubeMQ性能超过Kafka
整理 | 夕颜出品 | AI科技大本营(ID:rgznai100) 【导读】近日,腾讯开源动作不断,相继开源了分布式消息中间件TubeMQ,基于最主流的 OpenJDK8开发的
8年经验面试官详解 Java 面试秘诀
    作者 | 胡书敏 责编 | 刘静 出品 | CSDN(ID:CSDNnews) 本人目前在一家知名外企担任架构师,而且最近八年来,在多家外企和互联网公司担任Java技术面试官,前后累计面试了有两三百位候选人。在本文里,就将结合本人的面试经验,针对Java初学者、Java初级开发和Java开发,给出若干准备简历和准备面试的建议。   Java程序员准备和投递简历的实
面试官如何考察你的思维方式?
1.两种思维方式在求职面试中,经常会考察这种问题:北京有多少量特斯拉汽车? 某胡同口的煎饼摊一年能卖出多少个煎饼? 深圳有多少个产品经理? 一辆公交车里能装下多少个乒乓球? 一
so easy! 10行代码写个"狗屁不通"文章生成器
前几天,GitHub 有个开源项目特别火,只要输入标题就可以生成一篇长长的文章。背后实现代码一定很复杂吧,里面一定有很多高深莫测的机器学习等复杂算法不过,当我看了源代码之后这程序不到50
相关热词 c# 图片上传 c# gdi 占用内存 c#中遍历字典 c#控制台模拟dos c# 斜率 最小二乘法 c#进程延迟 c# mysql完整项目 c# grid 总行数 c# web浏览器插件 c# xml 生成xsd
立即提问