Artificial Intelligence Class of 2019
School of Computer Science and Technology
Shandong University
设计一个Sigmoid函数，实现对图像的对比度调节
使用opencv窗口系统的哦slider控件交互改变Sigmoid函数的参数，实现不同的对比度调整
对图像I和对应的背景图B，基于背景相减检测I中的前景区域，并输出前景的mask
分析可能产生误检的情况，设法对背景相减做出改进
记 [x’, y’]=f([x, y]) 为像素坐标的一个映射，实现 f 所表示的图像形变，并采用双线性插值进行重采样。f 的逆映射见ppt
[x’, y’]和[x, y]都是中心归一化坐标，请先进行转换
仿照实验2.1，自己设计变换函数，对输入视频进行变换，生成哈哈镜的效果。
采用cv::VideoCapture读取摄像头视频，并进行实时处理和显示结果。
优化代码执行效率，改善实时性（不要忘了打开编译优化，vc请用release模式编译）。
通过调整高斯函数的标准差(sigma)来控制平滑程度
滤波窗口大小取[6*sigma-1], [ ]表示取整
利用二维高斯函数的行列可分性进行加速
滤波窗口大小通过参数来指定
采用积分图进行加速，实现与滤波窗口大小无关的效率
与opencv的boxFilter函数比较计算速度，分析差异
（目标跟踪与图像分割可二选一）
实现基于直方图的目标跟踪：已知第t帧目标的包围矩形，计算第t+1帧目标的矩形区域。
选择适当的测试视频进行测试：给定第1帧目标的矩形框，计算其它帧中的目标区域。
基于颜色分布的交互图像分割
基于由用户交互笔刷标记的前、背景像素（图中黄绿区域），计算前、背景的颜色分布，并用于估计未标记像素属于前景和背景的概率。
颜色分布可以用直方图或者高斯混合模型（GMM）表示。如果用GMM，可以基于OpenCV的实现估计GMM参数。
实现一个8连通的快速连通域算法，并基于该算法对测试图像进行以下处理：
计算白色连通区域的个数。
删除较小的白色连通域，只保留最大的一个。
了解OpenCV的距离变换函数distanceTransform。
使用合适的测试图像进行测试，将距离场可视化输出。
实现基于霍夫变换的图像圆检测。
边缘检测可以用opencv的canny函数。
尝试对其准确率和效率进行优化实现。
- 实现Harris角点检测算法，并与OpenCV的cornerHarris函数的结果和计算速度进行比较。 参考链接
- 测试OpenCV中的SIFT, SURF, ORB等特征检测与匹配的方法。将检测到的特征点和匹配关系进行可视化输出，比较不同方法的效率、效果等。
-
了解cv::matchTemplate函数的用法，并选择合适的测试图像进行测试，要求：
- 理解TM_SQDIFF等相似性度量方法的含义和适用情况。
- 针对模板与图像目标存在颜色（亮度）差异、几何形变等情况进行测试分析，可以重点对比TM_SQDIFF和TM_CCOEFF_NORMED进行对比。
- 基于OpenCV实现图像拼接。
- 可以对两张或更多的输入图像，将图像对齐后拼接成一张全景图。 对影响拼接效果的各种因素（特征匹配、相机位移、场景几何等）拍摄图像进行测试。
- 设计实验，对比SIFT和R2D2特征匹配的效果。
- 重点对比分析特征的旋转不变性、尺度不变性。
- 实验数据可以自己构建，也可以用公开数据集。
- 实现实时平面跟踪
- 速度达到实时（25帧/秒以上）。
- 跟踪稳定，不要有明显的错误和抖动。
- 尝试结合连续特征跟踪（KLT方法，cv::calcOpticalFlowPyrLK）改善速度和稳定性。