问题标签 [vision]

在我迄今为止从事的大多数商业工作中，我的角色主要局限于“编写代码”，而我最初想从事开发的原因是因为我喜欢软件的可用性和设计方面。

我现在感到有点失望，因为现在，我几乎所有的工作日都花在“把东西放在一起”上。这似乎是可以想象的最平凡的工作，如果人们认为我们有能力，程序员在某些行业中往往会受到轻视也就不足为奇了。

回答我的问题 - 是否有适合想要进行创意控制的开发人员的工作？对于那些不仅仅是代码猴子，而是想要构建一个漂亮的产品并大量参与的开发人员，不仅仅是在代码中，而是在产品的整个设计和愿景中？

如何为某些业务编写[一般]愿景？它有一些模板吗？有什么例子吗？关于在线票务服务的业务。

我在 openCV 中使用 cvStereoFindCorrespondenceGC() 从著名的 tsukaba 图像中生成视差图。但我注意到它缺少 3D 功能（例如，灯是平的而不是略微弯曲的）。如何解决这个问题？目前的算法缺少什么？

我正在尝试编写一袋特征系统图像识别系统。该算法的一个步骤是获取大量的小图像块（例如 7x7 或 11x11 像素），并尝试将它们聚集成看起来相似的组。我从图像中获取我的补丁，将它们转换为灰度浮点图像补丁，然后尝试让 cvKMeans2 为我聚类它们。我认为我在格式化输入数据时遇到问题，以便 KMeans2 返回一致的结果。我之前使用 KMeans 进行 2D 和 3D 聚类，但 49D 聚类似乎是另一种野兽。

我不断获取返回的集群向量的垃圾值，所以显然这是一个垃圾输入/垃圾输出类型的问题。此外，对于如此庞大的数据集，该算法的运行速度比我认为的要快得多。

在下面的代码中，直接 memcpy 只是我最近一次尝试以正确格式获取输入数据，我花了一段时间使用内置的 OpenCV 函数，但是当您的基本类型是 CV_32FC(49) 时，这很困难。

OpenCV 1.1 的 KMeans 算法能否支持这种高维分析？

有人知道从图像复制到 K-Means 输入矩阵的正确方法吗？

有人可以指出我可以使用的免费非 GPL KMeans 算法吗？

这不是最好的代码，因为我现在只是想让事情正常工作：

提前致谢！

我正在使用 OpenCV 库开发一个程序（尽管我对它很陌生）。我需要做的一件事是在图像上绘图。我查看了 OpenCV 绘图函数，它们看起来都很简单（圆、线等），但是程序无法编译！准确地说是：错误 C3861：“行”：找不到标识符。有什么我没有安装吗？我使用http://opencv.willowgarage.com/wiki/VisualC%2B%2B_VS2008上的教程在 Visual Studio 2008 上安装 OpenCV，到目前为止，这是我唯一真正遇到的问题。请帮我！我需要这个程序尽快运行！

我想将 OpenCV 计算机视觉库中的操作实时应用于从我的计算机显示器捕获的视频。这种特殊情况的想法是在流行游戏的游戏过程中检测有趣的特征，并为用户提供增强的体验；但我可以想到其他几种情况，人们也希望能够实时访问这些数据。无论如何，对于开发阶段，使用预制视频可能是可以接受的，但对于最终应用程序的性能和响应能力显然是至关重要的。

到目前为止，我正在尝试在 Ubuntu 10.10 上执行此操作，并且更喜欢使用类似 UNIX 的系统，但任何选项都值得关注。我的 C 技能非常有限，所以每当可以通过 Python 与 OpenCV 交谈时，我都会尝试使用它。请注意，我不是从相机设备中捕获，而是从显示输出的实时流中捕获；我不知道如何接受输入。据我所知，CaptureFromCAM 仅适用于相机设备，在我看来，最终结果对实时性能的要求使得存储在文件中并通过 CaptureFromFile 读取是一个糟糕的选择。

到目前为止，我发现的最有希望的路线似乎是使用带有 x11grab 选项的 ffmpeg 从 X11 显示器捕获；（例如，命令 ffmpeg -f x11grab -sameq -r 25 -s wxga -i :0.0 out.mpg 将显示 0 的 1366x768 捕获到“out.mpg”）。我想应该可以将 ffmpeg 的输出流视为 OpenCV 读取的文件（可能是通过使用 CaptureFromFile 函数），也许可以使用管道；但这一切都比我以前处理过的要高得多，我真的可以使用一些方向。您认为这种方法可行吗？更重要的是，你能想到一个更好的吗？你会怎么做？

对不起，也许是微不足道的帖子，但我真的无法弄清楚......

假设您有一些 3d 眼镜或可以让您获得 3d 立体视觉的东西。

如果你反转左右图像会发生什么？？？仔细想想，我真的想不通。你应该看到图像的反面吗？还是只是一些轴偏移？

不幸的是，我无法以任何方式尝试它，但即使可能，我也很想在尝试之前先用自己的想法弄清楚并理解这件事。

所以，欢迎任何帮助，任何想法，任何可以帮助我理解或深入讨论的打击。

我想从给定的图像中提取点。图像如下所示..

我想要的点是绿色的上点和红色的点。我尝试逐像素比较，但它太慢了。我需要一个更好的算法。你有什么建议？

图片：

http://img511.imageshack.us/i/measuring1and2space.gif/

我们有一个 .gif 图片。我们要测量 3 个黑色岛屿 (2) 相对于白色大“海洋” (1) 的大小。(3) 是背景——我们必须将其视为 (1) 的边界，但我们不想测量它。(0) 是选择的主要区域（在本例中为 (1)），应用作测量的参考区域。所以在这种情况下 (0) 在 (1) 中，因此它本身是 100%（参考）。所以这三个岛的大小约为（0）的 xx%。如果 (0) 在 (2) 中，则 (1) 是岛的 Xxx%。

好的......让我们说：

1）用户在（1）中取（0）。让我们想象他正在使用 JS，然后将红点拖放到白色区域。红点检测其下方区域的颜色。

2）现在系统需要检测整个白色区域，将其设置为（0）并给它100％。系统必须区分 (2) 和 (3)。因此可以测量（2）和（1）的大小之间的关系。

我无法想象这种算法在 PHP 中是如何实现的。这会很棒，但我认为……如果可能的话……像 OpenCV 之类的东西是更好的解决方案。不幸的是，我没有这方面的经验。我尝试在 PHP 中编写一些 CV，如果有几何形状是可行的，但这些是有机的。

你能给我一些方向吗？我不知道该去哪里。:(

提前致谢。:)

我需要从 iPhone 上的相机图像中实时识别数字。我知道图像上的数字不会超过 5 位。

考虑到 iPhone 的计算规格，这个问题是否真的可以解决？有没有人有使用 Tesseract OCR 库的经验，你认为可以通过使用它来解决吗？