![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
特征点提取与匹配
PeOS
鹏鹏要去奋斗实现梦想!
展开
-
FAST算法解析
一、FAST特征点 在像素点的周围邻域内有足够多的像素点与该点处于不同的灰度区域。在灰度图像中,也就是有足够多的像素点的灰度值大于该点的灰度值或者小于该点的灰度值。通常选取以像素点为中心的半径为3的离散化的Bresenham元形区域。 在OpenCV中,当patternSize为16时,用以下数组表示这16个点相对于圆心的坐标: static const int原创 2014-11-20 14:08:20 · 12095 阅读 · 1 评论 -
SURF算法解析
SURF算法解析原创 2014-11-20 12:33:26 · 58788 阅读 · 24 评论 -
OpenCV245之SURF源码分析
一、fastHessianDetector函数分析(1)参数const Mat& sum 积分图片const Mat& mask_sumvector& keypoints 关键点int nOctaves 金字塔的阶数int nOctaveLayers 每阶金字塔的中间层数floa原创 2014-11-20 13:46:29 · 4648 阅读 · 18 评论 -
SIFT算法原理解析
首先找到图像中的一些“稳定点”,这些点是一些十分突出的点不会因光照条件的改变而消失,比如角点、边缘点、暗区域的亮点以及亮区域的点,既然两幅图像中有相同的景物,那么使用某种方法分别提取各自的稳定点,这些点之间会有相互对应的匹配点,正是基于这样合理的假设,SIFT算法的基础是稳定点。SIFT算法找稳定点的方法是找灰度图的局部最值,由于数字图像是离散的,想求导和求最值这些操作都是使用滤波器,而滤波器是有原创 2014-12-05 14:27:27 · 29863 阅读 · 1 评论