朴素贝叶斯分类原理：关于贝叶斯定理，参考上一篇博客：scikit-learn机器学习（五）–条件概率，全概率和贝叶斯定理及python实现贝叶斯分类，个人理解，通俗的说：假设各个特征之间都是独立存在的，根据这些特征来判断一个事件所属的类别的概率，该事件属于概率最大的类别给定各个特征的情况下，计算这个事件属于某一类的概率，最大概率即属于该类别比如结婚的时候嫁人...

光场原始图像经过重聚焦可以生成光场图像的焦点堆栈，焦点堆栈即为聚焦在不同深度处的图像，我们通过计算每一个深度图像的聚焦点，最后拼合起来就形成一幅光场全聚焦图像。光场重聚焦原理和代码可参考：光场相机重聚焦原理介绍及代码解析焦点堆栈计算深度可参考：光场相机重聚焦–焦点堆栈深度估计法这篇文章是在第二步的基础上得出全聚焦图像，全聚焦图像即为计算出深度图像作为深度图索引在焦点堆栈中取像素，拼合...

光场光线在一个空间中的分布，不仅可以记录光线的强度，还可以记录光线的方向，光场相机与普通相机的不同之处是微透镜阵列，也就是在主透镜 和传感器之间加入了微透镜阵列，如图所示：可以通过下面链接了解一下光场：漫谈计算摄影学论文：《Light Field Photography with a Hand-held Plenoptic Camera》——Ren NG概念：1...

光场相机主要是记录了光线的方向和强度，记录了四维信息，因此具有深度信息，并可以实现重聚焦等对焦和变焦聚焦顾名思义，就是聚焦在某一物体上，由于拍照的时候景深问题，不能使所有物体全部清楚，因此可以通过对焦或者是变焦，聚集在某一平面上，使该平面上的物体清晰。对焦就是改变传感器与主镜头的距离来实现这一过程的 ，而变焦改变的是主镜头的焦距实现这一过程，可以自己琢磨一下就能明白。重聚焦公式...

我们有时候需要求取某一个物体重心，这里一般将图像二值化，得出该物体的轮廓，然后根据灰度重心法，计算出每一个物体的中心。步骤如下：1）合适的阈值二值化2）求取轮廓3）计算重心otsu算法求取最佳阈值otsu法（最大类间方差法，有时也称之为大津算法）使用的是聚类的思想，把图像的灰度数按灰度级分成2个部分，使得两个部分之间的灰度值差异最大，每个部分之间的灰度差异最小，通过方差的计算来寻

我们在做图像拼接时，最重要的一步就是关于特征点匹配的问题，我们常用到的特征点检测方法有SIFT,SURF以及ORB等，对于特征点匹配我们有Bruteforce方法，Flannbesed方法,这些方法处理完之后，或许特征点匹配效果还是达不到我们想要的结果，这个时候我们需要对我们匹配的特征点进行筛选。下面我来说一说常见的特征点筛选的方法一丶特征点匹配这里我们用SIFT方法做例子Mat im

转载自：http://nkwavelet.blog.163.com/blog/static/227756038201461532247117         在无参考图像的质量评价中，图像的清晰度是衡量图像质量优劣的重要指标，它能够较好的与人的主观感受相对应，图像的清晰度不高表现出图像的模糊。本文针对无参考图

上一篇博客中介绍了光场相机重聚焦算法原理介绍，对光场图像进行重聚焦可以聚焦在不同的深度处，使位于不同深度物体清晰，因此，我们可以对光场图像进行重聚焦，然后进行深度估计。光场相机重聚焦原理介绍及代码解析焦点堆栈深度估计法原理介绍计算焦点堆栈每一个像素的梯度，然后对每张图像梯度图像进行均值滤波，然后计算三个通道梯度值的平方和取均值，再开根号，即为该张图像的梯度值，焦点堆栈的同一位置像素...

鱼眼镜头校正和普通相机校正，在matlab工具箱中有所区别一 工具箱操作二 用标定结果参数 校正其他图像用用undistortFisheyeImage函数%利用matlab工具箱标定鱼眼之后，导出标定参数到工作区，然后运行程序result = undistortFisheyeImage(img, cameraParams.Intrinsics);sub...

最近再刷leetcode题目，找到了这个大神的博客总结，收藏一下LeetCode All in One 题目讲解汇总(持续更新中…)