Android OpenCV 基础入门

前言 Android OpenCV 系列的上一篇文章中，我们学习了 ORB 特征点的暴力匹配方式。复习一下，暴力匹配法会针对查询描述子中的每个描述符在训练描述子中寻找匹配描述子，算法复杂度是 O($n

特征点匹配 特征点，表示图像内具有显著特征的像素点。采用不同的特征点检测算法，得到的特征点也不同，除了我们前面介绍的ORB特征点检测方法，还有SIFT、SURF等特征点算法可以用于特征点检测。虽然算法

概念 特征点 特征点和角点都是图像中具有局部特征的点，但是特征点具有唯一描述像素点特征的描述子。特征点由关键点和描述子组成，例如ORB特征点，我们需要先使用FAST算法求取关键点，然后再计算BRIEF

前面我们介绍的两种角点检测方法Harris角点检测和Shi-Timasi角点检测的精度都是像素级别。但是在跟踪、三维重建，相机校正等应用上我们都需要精确的角点位置坐标，即亚像素级别。 原理 OpenC

Shi-Tomasi角点检测 API 参数一：image，输入源图像。必须是单通道8U或者32F类型。 参数二：corners，检测到的角点输出量。 参数三：maxCorners，返回角点数目最大值。

什么是角点？ 角点就是极值点，即在某方面属性特别突出的点。当然，你可以自己定义角点的属性（设置特定熵值进行角点检测）。角点可以是两条线的交叉处，也可以是位于相邻的两个主要方向不同的事物上的点。角点通常

图像插值 何为插值？ 何为图像插值？ API 参数一：src，输入源图像。 参数二：dst，输出目标图像。 参数三：dsize，输出目标大小。若此参数设置为零，则这个值会通过后面的fx和fy两个参数计

图像翻转 图像翻转 图像翻转操作，就是将图像二维数组沿水平轴，垂直轴或者两个轴进行翻转操作。 $$ \texttt{dst} _{ij} = \left{ \begin{array}{l l} \te

图像积分图 积分图像是Crow在1984年首次提出，是为了在多尺度透视投影中提高渲染速度，是一种快速计算图像区域和与平方和的算法。其核心思想是对每个图像建立自己的积分图查找表，在图像积分处理计算阶段根

泊松图像编辑 图像合成是图形处理的一个基本问题，其通过将源图像中一个物体或者一个区域嵌入到目标图像生成一个新的图像。在对图像进行合成的过程中，为了使合成后的图像更自然，合成边界应保持无缝。但如果原图像

脱色 脱色是将彩色图像转换为灰度图像的过程。同时，它也是数字打印，风格化的黑白照片渲染以及许多单通道图像处理应用程序中的基本工具。Imgproc.cvtColor(rgb, gray, Imgproc

非真实渲染 API OpenCV给我们提供了四种非真实渲染的使用场景：边缘保留滤波、细节增强、素描铅笔画、风格化。 边缘保留滤波 参数一：src，输入图像，8位三通道。 参数二：dst，输出图像，8位

图像修复 实际应用中，图像常常容易受损，如存在污渍的镜头、旧照片的划痕、人为的涂画（比如马赛克），亦或是图像本身的损坏。将受到损坏的图像尽可能还原成原来的模样的技术，称之为图像修复。所谓修复，就代表图

图像分割 图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方

图像分割 图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方

图像分割 图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方

图像分割 图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方

QR二维码 QR二维码格式 QR二维码结构 API QRCodeDetector类结构 检测QR二维码 参数一：img，待检测是否含有QR二维码的的灰度图或者彩色（BGR）图像。 参数二：points

什么是模板匹配？ 模板匹配是一种用于在较大图像中搜索和查找模板图像位置的方法。OpenCV提供matchTemplate()方法来实现模板匹配功能。模板匹配结果返回的是灰度图像，其中每个像素表示该像素