opencv学习_11 (moravec角点检测及缺点)

最新推荐文章于 2021-09-10 09:09:31 发布
VIP文章 最新推荐文章于 2021-09-10 09:09:31 发布
阅读量7.7k 收藏 12
点赞数 1
分类专栏： Opencv学习笔记 opencv学习 文章标签： moravec opencv 角点检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lu597203933/article/details/15027711
版权

(1)首先我们来看三幅图片理解什么是角点：



我们在图片以某像素点为中心，取一窗口，当窗口向各个方向移动时，其内部灰度值变化不是很明显，则该点即处在平坦区域(如左边图)；当其内部灰度值只在几个固定的方向上变化较为明显，那么该点则处在边缘区域(如图中间部分)；当向各个方向移动，其变化都是很明显，则该点为角点(如图右)。

当然，上面所说的变化明显与否，是与我们事先设定的阀值进行对比的。

(2)moravec算法对角点定义：

窗口在各个方向上移动，窗口内的灰度值都会产生较大的变化。但实际程序中，这里的各个方向实际只有8个方向。即米形0°，45°，90°，135°，180°，225°，270°，315°。

例如：

这里我们为了简单起见，我们只取了四个方向(0°，45°，90°，135°)，取一个w*w(如:5x5)的方形窗口, 计算0度、45度、90度、135度四个方向灰度差的平方和, 取其中的最小值作为该像素点的兴趣值(如下图)。

公式:    



最低0.47元/天 解锁文章
小村长
关注
  • 1
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
XCornerDetectionAlgorithm.rar_opencv corner_opencv 角点 检测_角点_角点检测
07-14
Opencv的棋盘格角点检测例程。代码简单，注释齐全。
opencv判断 线夹角_OpenCV3入门（十二）角点检测
weixin_33001177的博客
01-28 1245
1、角点介绍角点检测(Corner Detection)是计算机视觉系统中用来获得图像特征的一种方法，广泛应用于运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域中，也称为特征点检测。在图像中角点是一个重要的局部特征，它决定了图像中关键区域的形状，体现了图像中重要的特征信息。目前，角点检测方法主要有２大类：１)基于图像边缘轮廓特征的方法。２)基于图像灰度信息的方法。此方法主要通过计算曲率及梯度...
Opencv图像识别从零到精通（33）----moravec角点、harris角点
小木匠的博客
08-22 6899
一、角点     图像处理和与计算机视觉领域，兴趣点（interest points），或称作关键点（keypoints）、特征点（feature points） 被大量用于解决物体识别，图像识别、图像匹配、视觉跟踪、三维重建等一系列的问题。我们不再观察整幅图，而是选择某些特殊的点，然后对他们进行局部有的放矢的分析。如果能检测到足够多的这种点，同时他们的区分度很高，并且可以精确定位稳定的特征，那
Moravec算子总结
NLP工程化
04-13 9407
一. Moravec基本原理 Moravec是一种基于灰度方差的角点检测算子，该算子计算图像中某个像素点沿着水平、垂直、对角线、反对角线四 个方向的灰度方差，其中的最小值选为该像素点的兴趣值，再通过局部非极大值抑制来检测是否为角点。 二. Moravec计算过程 1. 计算图像中各像素的兴趣值 在以像素为中心的图像窗口（比如）中，计算水平、垂直、对角线、反对角线四个方向的
1、Moravec角点检测算法
诺亚方舟369
07-25 5350
一、相关原理 Moravec是最早的角点检测算法之一，它将角点定义为具有低“自相关性”的点。针对图像的每个像素，算法将像素周边的一个邻域作为一个patch，并检测这个patch和周围其他patch的相关性。这种相关性通过两个patch间的SSD(平方差之和)来衡量，SSD值越小则相似性越高。 一幅图像可分为区域、边缘和角点三个部分。如图1所示，如果像素位于平滑图像区域内，周围的patch都会非...
opencv python 角点坐标的提取
youandme520的专栏
08-21 5448
https://blog.csdn.net/zhu_hongji/article/details/81235643图像特征描述角点检测原理 ret,labels,stats,centroids=cv2.connectedComponentsWithStats(dst) import cv2 import numpy as np import matplotlib.pyplot as plt img =cv2.imread('E:/python/ha.png') imgray=cv2.cvtColo
OpenCV4学习笔记（32）——角点检测
邱小兵的博客
03-21 2164
今天要整理的笔记是关于图像的一种特征点提取方法——角点检测。 对于图像而言，它的特征主要是点和边缘。而角点可以说是一幅图像上最明显和最重要的特征，因为角点的存在意味着在图像该处有着非常明显的变化。 角点往往是两条边缘的交点，它是两条边缘方向变换的一种表示，因此其两个方向的梯度变换通常都比较大并且容易检测到。对于一阶导数而言，角点在各个方向上的变化都是最大的，而边缘区域则只是在某一方向有明显变化。 ...
opencv像素值运算--判断角点(笔记)
github_55295425的博客
09-10 575
c++ opencv像素值运算–辅助文档角点判断 现有一组vector< Point > 类型的corners 角点坐标（通过拟合文档边框，计算交点获得） 还有一Mat类型的二值化文档轮廓图（将文档图片经过Canny轮廓提取+findContours() 轮廓检测函数处理获得） 由于角点是以霍夫变换后的直线计算交点得来的，所以有些点并不在真正的文档角点上，需要判断哪些角点找对了位置，哪些没有。 为此暂时考虑尝试通过 获取文档轮廓图中 的角点附近 像素值的方法进行计算。 文档轮廓图(二值化)如下
Opencv_shipincaiji.rar_opencv_opencv 界面_检测 跟踪_脸 跟踪_角点检测
09-19
一个不错的基于Opencv与VC环境的视频采集图像滤波与角点检测运动跟踪的vc程序.可以实现opencv图像滤波，opencv人脸角点检测，opencv运动跟踪程序，在该程序界面上可进行以上每个功能测试.
moravec和forstner提取
05-02
点特征提取算法，moravec和forstner，基于bmpfile类，获取bmp图像操作，提取的点为白色十字
Moravec Forstner Harris算子
04-01
Moravec Forstner Harris算子进行角点提取，亲测可用～
数字摄影测量Moravec算子
03-27
武汉大学遥感信息工程学院数字摄影测量实习，Moravec算子提取图片的点特征，Moravec角点检测算子 Moravec 在1981年提出Moravec角点检测算子，并将它应用于立体匹配。 首先, 计算每个像素点的兴趣值, 即以该像素点为中心, 取一个w*w(如:5x5)的方形窗口, 计算0度、45度、90度、135度四个方向灰度差的平方和, 取其中的最小值作为该像素点的兴趣值。
Moravec、Forstner和Harris算子特征点提取程序
06-07
利用Moravec算子、Forstner算子和Harris算子对遥感影像进行特征点提取
harris.rar_opencv_哈里斯角点检测
07-14
哈里斯角点检测算法，使用c++，需要opencv
corner_opencv.rar_OPENCV 角点_opencv corner_特征点_特征点提取
09-20
这是一个基于opencv的角点特征点提取的程序，，希望对大家有帮助
FAST角点检测python实现及基于opencv实现
06-21
FAST角点检测,python实现,基于opencv实现
opencv学习_10 (图像和轮廓的匹配(hu矩))
热门推荐
小村长技术blog
11-08 12万+
图像和轮廓的匹配(hu矩)  (1)hu矩的概念，我也总结了但是我不过多的阐述，因为我也不是太理解，只知道它具有平移，旋转，尺度不变性，详细见别人的这篇 blog：http://blog.csdn.net/wrj19860202/article/details/6327094 (2)opencv 的实现——计算hu矩 普通矩和中心矩的计算     Void cvMoments（con
opencv学习_11 (模板匹配(包括单模板和多模板))
小村长技术blog
11-08 4万+
模板匹配——在一幅图像中匹配与模板相似的单个或者多个目标 (1)目标匹配函数： cvMatchTemplate( const CvArr* image, constCvArr* templ,                               CvArr* result,int method ); Image  待搜索图像 Templ  模板图像 Result  匹配结果
Moravec角点检测python实现
最新发布
09-11
### 回答1： Moravec角点检测是一种计算机视觉中用于检测图像中角点的算法。实现该算法的Python代码如下： ```python import cv2 import numpy as np def moravec_corner_detection(img, window_size=3, threshold=100): # 计算梯度 dx = cv2.Sobel(img, cv2.CV_32F, 1, 0) dy = cv2.Sobel(img, cv2.CV_32F, 0, 1) Ixx = dx ** 2 Ixy = dx * dy Iyy = dy ** 2 height, width = img.shape corner_map = np.zeros((height, width)) offset = window_size // 2 for y in range(offset, height - offset): for x in range(offset, width - offset): # 计算每个像素点的角点响应函数 M = np.array([[np.sum(Ixx[y-offset:y+offset+1, x-offset:x+offset+1]), np.sum(Ixy[y-offset:y+offset+1, x-offset:x+offset+1])], [np.sum(Ixy[y-offset:y+offset+1, x-offset:x+offset+1]), np.sum(Iyy[y-offset:y+offset+1, x-offset:x+offset+1])]]) det = np.linalg.det(M) trace = np.trace(M) corner_map[y, x] = det - 0.05 * trace ** 2 # 根据阈值筛选角点 corners = [] for y in range(offset, height - offset): for x in range(offset, width - offset): if corner_map[y, x] > threshold and \ corner_map[y, x] == np.max(corner_map[y-offset:y+offset+1, x-offset:x+offset+1]): corners.append((y, x)) return corners ``` 该函数接受一张灰度图像，以及窗口大小和阈值作为参数。它首先使用Sobel算子计算输入图像的水平和垂直梯度，然后计算每个像素点的角点响应函数。最后，它根据阈值和角点响应函数的最大值筛选角点，并返回一个角点列表。 ### 回答2： Moravec角点检测是一种在计算机视觉领域中广泛使用的角点检测算法。该算法通过检测图像中窗口内灰度变化最大的位置来确定角点的位置。 要实现Moravec角点检测算法的Python代码，我们可以按照以下步骤进行： 1. 首先，我们需要加载图像并将其转换为灰度图像。可以使用Python的图像处理库（如PIL或OpenCV）来实现这一步骤。 2. 接下来，我们需要定义一个窗口大小，该窗口将在图像上滑动。可以根据需求来选择窗口大小。 3. 在定义了窗口大小后，我们需要遍历图像的每个像素。对于每个像素，我们需要计算其在窗口内灰度变化的总和。 4. 然后，我们可以根据窗口内灰度变化的总和来计算一个角点响应函数。在Moravec角点检测中，常用的响应函数是灰度变化总和的平方。 5. 最后，我们可以根据阈值来筛选具有高角点响应的像素，并将它们标记为角点。 以上就是实现Moravec角点检测算法的基本步骤。当然，根据具体的需求，我们还可以添加一些额外的步骤，如非最大抑制等来优化角点检测的结果。 需要注意的是，Moravec角点检测算法是一种基于计算灰度变化的算法，对于噪声较大或亮度不均匀的图像可能效果不佳。因此，在实际应用中，我们可能需要结合其他的角点检测算法来获得更好的结果。 ### 回答3： Moravec角点检测是一种在计算机视觉中常用的角点检测算法。这个算法可以用Python来实现。 实现Moravec角点检测的方法如下： 1. 首先，将图像转换为灰度图像，这是因为角点检测算法对于灰度图像更为适用。 2. 然后，对于每个像素点，计算其在x和y方向上的梯度，可以使用Sobel算子等滤波器来计算梯度。 3. 接下来，对于每个像素点，计算其与其周围窗口中的像素点的差异度量。 - 可以使用简单平方差(Sum of Squared Differences, SSD)或小波变换等方法计算差异度量。 - 可以指定一个窗口大小，通常是3x3或5x5大小的窗口。 4. 根据差异度量，判断当前像素是否为角点。 - 如果差异度量高于一定的阈值，即认为当前像素为角点。 - 可以根据具体应用场景和对角点检测的要求来确定阈值的选择。 以下是一个简单的Python代码实现Moravec角点检测的示例： ```python import cv2 import numpy as np def moravec_corner_detection(image, window_size=3, threshold=100): gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) height, width = gray_image.shape corners = [] for y in range(window_size//2, height-window_size//2): for x in range(window_size//2, width-window_size//2): min_diff = np.inf for dy in [-1, 0, 1]: for dx in [-1, 0, 1]: if dy == 0 and dx == 0: continue diff = np.sum(np.square(gray_image[y:y+window_size, x:x+window_size] - gray_image[y+dy:y+dy+window_size, x+dx:x+dx+window_size])) min_diff = min(min_diff, diff) if min_diff > threshold: corners.append((x, y)) return corners # 读取图像 image = cv2.imread('image.jpg') # 调用角点检测函数 corners = moravec_corner_detection(image) # 在图像上绘制角点 for (x, y) in corners: cv2.circle(image, (x, y), 3, (0, 255, 0), -1) # 显示图像 cv2.imshow('Corners', image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 以上代码中，`window_size`表示窗口大小，`threshold`表示角点的阈值。通过调整这两个参数的值，可以得到不同的角点检测效果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值