图像特征
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护着相同对象
常见的图像特征
-
边缘
-
角点
-
纹理
特征的提取与描述
- SIFT
- SURF
- HOG
- Harrs
- LBP
- KAZE
- AKAZE
- BRISK
DDM
- Detection
- Description
- Matching
Harris角点检测
角点是两条边缘的交点或者在局部邻域中有多个显著边缘方向的点。Harris角点检测是一种在角点检测中最常见的技术。
算法基本思想是使用一个固定窗口在图像上进行任意方向上的滑动,比较滑动前与滑动后两种情况,窗口中的像素灰度变化程度,
角点:如果存在任意方向上的滑动,都有着较大灰度变化,那么我们可以认为该窗口中存在角点。
边界:仅在水平、或者仅在竖直方向有较大的变化量,另一个没有什么变化, 即Ix和Iy中只有一个比较大
平坦地区:在水平、竖直方向的变化量比较小。即Ix,Iy都比较小
cornerHarris(src, dst, blockSize, ksize, k, dst=None, borderType=None)
src: 输入图像
dst:输出图像
blockSize: 角点检测中要考虑的邻域大小
ksize:Sobel求导中使用的窗口大小
k: Harris角点检测方程中的自由参数,取值参数为[0.04, 0.06]
using namespace cv;
using namespace std;
int thresh = 130;
int max_count = 255;
const char* output_title = "output";
Mat src, gray_src;
void Harris_Demo(int, void*);
int main(int argc, char **argv) {
src = imread("C:/Temp/pyy1.jpg");
if (src.empty()) {
cout << "wrong" << endl;
}
namedWindow(output_title, WINDOW_AUTOSIZE);
cvtColor(src, gray_src, COLOR_RGB2BGR);
createTrackbar("Threshold", output_title, &thresh, max_count,Harris_Demo);
Harris_Demo(0, 0);
waitKey(0);
return 0;
}
void Harris_Demo(int, void*) {
Mat dst, norm_dst, normScaleDst;
dst = Mat::zeros(gray_src.size(), CV_32FC1);
int blockSize = 2;
int ksize = 3;
double k = 0.04;
cornerHarris(gray_src, dst, blockSize, ksize, k, BORDER_DEFAULT);
normalize(dst, norm_dst, 0, 255, NORM_MINMAX, CV_32FC1, Mat());
convertScaleAbs(norm_dst, normScaleDst);
Mat resultImg = src.clone();
for (int row = 0; row < resultImg.rows; row++) {
uchar* currentRow = normScaleDst.ptr<uchar>(row);
for (int col = 0; col < resultImg.cols; col++) {
int value = (int)* currentRow;
if (value > thresh) {
circle(resultImg, Point(col, row), 2, Scalar(0, 0, 255), 2, 8, 0);
}
currentRow++;
}
}
imshow(output_title, resultImg);
}