顯示具有 OpenCV 標籤的文章。 顯示所有文章
顯示具有 OpenCV 標籤的文章。 顯示所有文章

2019年5月1日 星期三

[線性代數] 找擬合線上投影點 - Part2 - 解各資料點對應擬合線上投影點

在Part1我們已經找到某資料群對應的擬合線,接著我們想問:

如何求出各資料點對應擬合線上的最短距離投影點?如下圖的各個藍色點:


2019年4月26日 星期五

[線性代數] 找擬合線上投影點 - Part1 - SVD解擬合線篇

二點可以完全確定一直線,而在資料點超過三點的情況時蠻有可能找不到一個完美直線讓所有資料點都能夠與某直線重合,此時只能找所謂的最佳解,合理的命題如下:


2019年2月10日 星期日

[線性代數]以SVD處理兩直線交點

自從學了線性代數以後,不光是多益成績大幅進步,食慾大增...每天我都能多吃兩碗飯,開了10年的老車油門也突然變得輕巧,更棒的是,兒子長到了180公分,腦袋也靈光許多,總之...線性代數改變了我的人生
摘自-攻殺小


2019年1月24日 星期四

[線性代數]以SVD處理已知兩點求直線系數


學完線性代數的這幾年間,漸漸褪去國中數學的直覺式幾何思考,的確,在處理幾何問題上,相較歐氏幾何的邏輯,線性代數的公理化思考很抽象,很不好傳達給其他人理解,也要三不五時複習一下,咬文嚼字規格間的邏輯關係與意義,不過倒是越嚼越有味(齁假

但也正是如此,線性代數作為以公理出發推演而生的一套思考系統,在運用時可以避免處理問題時陷入案例列舉,這個的思維性質,尤其在軟體系統裡要追求一致性高的實作時,乃至撰寫測試案例,採用線性代數的處理手法相較於直覺式幾何思考,目前我仍認為是比較強健的方法,可以避開許多誤區,不用透過案例窮舉來檢視演算法的可靠度,因為先賢先烈們已經用許許多多的數學證明完善了邏輯上的縝密性


----------------------------------------戰鬥開始


2018年12月2日 星期日

OpenCVSharp@MACOS 安裝步驟

步驟大致參考此,另外註記心得
https://github.com/shimat/opencvsharp/tree/master

OpenCVSharp只是opencv的C# wrapper,所以本機上必須要有opencv套件+opencvsharp
,需要特別注意版本對應問題,本篇針對opencv4.0.0做紀錄