关于直线镜像矩阵生成
发表于|更新于|算法
最近项目需求,在做关于直线镜像变换,网上看了一些,留作备份,以备追溯,
以上两个是参考的两个帖子,由于我要用到关于任意直线Ax+By+C=0的镜像,采用了第一个说道的方法,并将其代码转换为矩阵表示,更加直观
对于直线ax+by+c=0有
M1=[b*b -a*b -a*c;-a*b a*a -b*c;0 0 0]/(a*a+b*b);
M2=[-1 0 0;0 -1 0; 0 0 1];
M=M2*(E-M1)+M1;
其中M就是最后所求关于直线对称的镜像矩阵了
相关推荐

5月 14 2026
矩阵的旋转平移正变换及反变换
假设一个点P(x,y,z),旋转矩阵T,平移向量V,则旋转后的平移表达式为T*P+V,此处采用右乘准则,用矩阵表示为: [T V;0 1]*[T0 V0;0 1]=[T*T0 T*V0+V;0 1] 其中T0为P原始坐标系的旋转矩阵,V0是P原始坐标系的评议向量,则相应的逆变换为 [inv(T) - inv(T)*V ; 0 1]*[T0 V0;0 1]=[inv(T)*T0 inv(T)*V0-inv(T)*V;0 1] 从上式可以看出,正变换在先旋转后平移的情况下,其逆变换是先平移后旋转

5月 4 2014
p分位法图像二值化
最近在做字符识别,由于对于粘连情况识别无效 ,所以一直在考虑一种能够解决字符粘连的方法,而最为关键的是二值化过程,这种方法不能很好的分割字符,但是也是一种思路,写下来以备以后不时之需。代码很少, clc;clear;close all ga=imread('1.bmp'); if ndims(ga)==3 ga=rgb2gray(ga); end prc=prctile(ga,40); bw=ones(size(ga)); for i=1:length(prc) bw(find(ga(:,i)<=prc(i)),i)=0; end imshow(bw,[]) 具体函数定义大家可以查看matlab帮助文件,有详细用法。

5月 4 2014
使用MATLAB进行USB摄像头的编程
1、查询USB2.0Camera 的具体参数(imaqhwinfo) 2、创建视频输入对象(videoinput) 3、图像预览和显示(preview、stoppreview、closepreview和image) 4、获取视频图像(getsnapshot) 5、图像获取设备的获取和设置(get和set) 6、关闭视频对象(delete) 在正式讲解之前,我想说明下几个个在图像获取工具箱中的术语: 图像获取设备:比如摄像头、扫描仪 图像获取适配器:主要的目的是通过驱动在Matlab和图像获取设备之间传递信息 ROI:region-of-interest 感兴趣区域 在说说几个常用的函数,我们这里只是说明它的作用,具体如何使用参考帮助系统 getselectedsource imaqfind isvalid peekdata getdata imaqmontage 给我们一个摄像头我们必须知道他的相关参数,才可能进行我们的编程下。当然我们可以查询商家手册,但是那个累不累人呀。 Matlab的图像获取工具箱为我提供了imaqhwinfo(),来获取PC上以安装的图像获取硬件信息 没...

5月 4 2014
图像主方向
参考文献:利用图像边缘信息估算图像纹理主方向 matlab实现: function [mdex] = MainDirec(a) % function: the main direction of the image % description: the direction edge is [0,180],and the direction are divided % to 18 part by 10, % output: the index of the direction ,form 1 to 18;where 1 is defined as the % direction belong to[0,18],the rest can be done in the same manner,18 % derecting to [170,180] % last modification:Dec.19,2011 by Lucifer.jia if(size(a,3)~=1) a=rgb2gray(a); end [w,h]=size(a); edge_...

5月 15 2014
任意点到斜椭圆最小距离
最近由于项目需求,要计算任意点到斜椭圆的距离,方程相信大家都知道怎么建立,但是它是一个4次方程,matlab都很不好解,写到程序中也很难,搜了很多帖子,都是只给方程,不给解的,其实原理大家都知道,如何用程序解才是大家关心的,所以一直都没有找到合理的答案,关键时刻还是google给力,度娘一般的东西还撮合,可学术性的、英文的确是一塌糊涂,网络上收集到这样一篇论文,我也是用这个算法最终解决我的问题的,它只使用与标准方程,斜椭圆只是多了平移和旋转操作而已。 ###第一象限中的点到标准椭圆的距离### double DistancePointEllipseSpecial(const double e[2], const double y[2], double x[2]) { double distance; if (y[1] > 0) { if (y[0] > 0) { // bisect to compute the root of F(t) for t >=...

5月 4 2014
灰度共生矩阵(GLCM)
共生矩阵用两个位置的象素的联合概率密度来定义,它不仅反映亮度的分布特性,也反映具有同样亮度或接近亮度的象素之间的位置分布特性,是有关图象亮度变化的二阶统计特征。它是定义一组纹理特征的基础。 一幅图象的灰度共生矩阵能反映出图象灰度关于方向、相邻间隔、变化幅度的综合信息,它是分析图象的局部模式和它们排列规则的基础。 设f(x,y)为一幅二维数字图象,其大小为M×N,灰度级别为Ng,则满足一定空间关系的灰度共生矩阵为 P(i,j)=#{(x1,y1),(x2,y2)∈M×N|f(x1,y1)=i,f(x2,y2)=j} 其中#(x)表示集合x中的元素个数,显然P为Ng×Ng的矩阵,若(x1,y1)与(x2,y2)间距离为d,两者与坐标横轴的夹角为θ,则可以得到各种间距及角度的灰度共生矩阵P(i,j,d,θ)。 纹理特征提取的一种有效方法是以灰度级的空间相关矩阵即共生矩阵为基础的[7],因为图像中相距(Δx,Δy)的两个灰度像素同时出现的联合频率分布可以用灰度共生矩阵来表示。若将图像的灰度级定为N级,那么共生矩阵为N×N矩阵,可表示为M(Δx,Δy)(h,k),其中位于(h,k)的元素m...
评论

