opencv-python 详解图像特征（一）

作者：RayChiu_Labloy
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处

---

目录

什么是图像的特征：

在图像中举例什么是特征：

一些常见的特征：

图像特征相关的三个任务：

Harris哈里斯角检测：

角点的定义： 

角点的数学形式表示：

 角点数学形式推导：

 灰度值变化的大小积分计算：

分析λ1、λ2特征值可得是不是角点的结果

 相关函数cornerHarris()：

 Shi—tomasi拐角检测器

 Harris和Shi-Tomasi区别：

---

什么是图像的特征：

        可以表达图像中对象的主要信息，并且以此为依据可以从其他未知图像中检测出相似或者相同对象。

在图像中举例什么是特征：

• 边缘
• 角点
• 纹理

一些常见的特征：

• SIFT
• SURF
• HOG
• Haar
• LBP
• KAZE
• AKAZE
• BRISK

图像特征相关的三个任务：

• Detection特征检测
• Description 特征描述
• Matching 特征匹配

Harris哈里斯角检测：

角点的定义： 

        角点是图像中向任意方向发生改变时，都引起图像强烈变动的区域，说白了就是平直棱线的交汇点（颜色梯度方向改变的像素点的位置）。

角点的数学形式表示：

转换成数学的形式,基本上是去求出位移(u,v)在各个方向上的强度差，这表示如下： 

        窗口函数可以是一个矩形窗口，也可以是一个给与它覆盖像素权重的高斯窗口。

 角点数学形式推导：

        为了要做角点检测，我们需要令这个函数 E(u,v) 最大。也就是说二元函数求极限的时间到了。将泰勒展开应用于上述方程，一阶二维的泰勒展开式为：  

 那么看下展开推导过程：

 所以E(u,v)表达式最终形式可以更新为：

 其中：

        在此，Ix 和 Iy 分别是x 和 y方向上图像的导数。(可以被简单用索贝尔函数算出来 cv.Sobel())(M其实就是梯度的协方差矩阵)，最后是把实对称矩阵对角化处理后的结果，可以把R看成旋转因子，其不影响两个正交方向的变化分量。
        经对角化处理后，将两个正交方向的变化分量提取出来，就是 λ1 和 λ2（特征值）。

 灰度值变化的大小积分计算：

        上边我们得到了E(u,v)的最终形式了，而灰度值变化的大小则取决于矩阵M，那么如何找到这些窗口，我们可以使用矩阵的特征值来实现。计算每个窗口对应的得分（角点响应函数R）。

 其中det(M)=λ1λ2是矩阵的行列式，trace(M)=λ1 + λ2是矩阵的迹：

         λ1 和 λ2 是矩阵M的特征值，k是一个经验常数在（0.04，0.06）范围之间 。

分析λ1、λ2特征值可得是不是角点的结果

这些特征值决定了一个区域是角、边还是平面：

a、当 |R| 较小时，是因为 λ1 和 λ2 都很小，说明这片区域是平面。

b、当 R<0时，是因为 λ1 >> λ2 或者反过来(其中一个远大于另外一个)，此时区域是边。

c、当 R较大时，是因为 λ1 和 λ2 都较大，且 λ1∼λ2，此时这片区域应为角。

它可以用下图来表示：

        所以哈里斯角点检测算法的结果，是一个带着这些得分的灰度图像，使用一个合适的阈值，就能给到我们图中的角点。

 相关函数cornerHarris()：

cv2.cornerHarris( ),通常结合cv.cornerSubPix() 亚像素精细化函数使用

 Shi—tomasi拐角检测器

 Harris和Shi-Tomasi区别：

        Harris 角点检测中每个窗口的分数公式是将矩阵 M 的行列式与 M 的迹相减：

        由于 Harris 角点检测算法的稳定性和 k 值有关，而 k 是个经验值，不好设定最佳值。
        Shi-Tomasi 发现，角点的稳定性其实和矩阵 M 的较小特征值有关，于是直接用较小的那个特征值作为分数。这样就不用调整k值了。
        所以 Shi-Tomasi 将分数公式改为如下形式：

         如果大于阈值，则将其视为拐角。如果像在Harris Corner Detector中那样在 

空间中绘制它，则会得到如下图像： 

 从图中可以看出，只有当两个值都大于最小值时，才将其视为拐角，也就是绿色区域。

 Shi-Tomasi 的函数： cv2.goodFeaturesToTrack() ,用法可以参考我的另一篇文章：

 opencv-python 实现角点检测和棋盘角点检测_RayChiu757374816的博客-CSDN博客

【如果对您有帮助，交个朋友给个一键三连吧，您的肯定是我博客高质量维护的动力！！！】