高考的那倒计时100天起始,父亲说,把高考的大目标,分成小目标,安排在这100天里,逐步完成。
目标,列提纲,再细化。(高考)
要识别的目标,粗匹配,细匹配。(机器视觉识别)
门,纲,目,科,属,种。(生物分类)
原来都是如此,但请不要忘记,把目标实现,限定在时光中。
我们前面的博客已经完成了标定目标确定和列提纲,现在要做的是再细化。
本节重点,harris角点(确定任意叉(×)整数角点A集合,在A集合中寻找正交(+)亚像素角点)。
需要说的是,harris角点,我们需要的是亚像素角点,第一步求的是任意×的整数角点,第二步,是在整数角点基础上求正交+亚像素角点。图中按钮“全部harris”代码实现:
1,高斯平滑
for (int j = 1; j < (h - 1); j++)
{
for (int i = 1; i < (w - 1); i++)
{
int n0 = (j * w + i);
tyimg[n0] = (byte)((tongyongimg33gaos[n0 - w - 1] + 2 * tongyongimg33gaos[n0 - w] + tongyongimg33gaos[n0 - w + 1] +
2 * tongyongimg33gaos[n0 - 1] + 4 * tongyongimg33gaos[n0] + 2 * tongyongimg33gaos[n0 + 1] +
tongyongimg33gaos[n0 + w - 1] + 2 * tongyongimg33gaos[n0 + w] + tongyongimg33gaos[n0 + w + 1]) / 16);
}
}
2,任意×的整数角点
for (int i = 1; i < (h - 1); i++)
{
for (int j = 1; j < (w - 1); j++)
{
int n0 = (i * w + j);
m_P2[i, j] = tyimg[n0 + 1] + tyimg[n0 - 1] - 2 * tyimg[n0];//
m_Q2[i, j] = tyimg[n0 + w] + tyimg[n0 - w] - 2 * tyimg[n0];//
m_Theta2[i, j] = tyimg[n0] - tyimg[n0 + 1] - tyimg[n0 + w] + tyimg[n0 + w + 1];//
int temp = m_P2[i, j] * m_Q2[i, j];//*
int temp2 = m_P2[i, j] + m_Q2[i, j];//拉普拉斯=+
int 特征 = (temp - m_Theta2[i, j] * m_Theta2[i, j]);//*-*
int 迹 = temp2 * temp2;
//m_k=0.04
m_Harris[i, j] = (int)(特征 - m_k * 迹);
if (Math.Abs(m_Harris[i, j]) > thres && i > 3 && j > 3 && i < h - 3 && j < w - 3)//已经更改201702121652
{//thres=200
tyimgshuzu[i * w + j] = 0;
}
else
{
tyimgshuzu[i * w + j] = 255;
}
}
}
3, 聚集的角点分组,亚像素角点必在其中
List<List<Point>> fenzu = new List<List<Point>>();
染色算法(ref fenzu, ref tyimgshuzu, W, H);//此算法参考找斑//自己的东西,自己首先要发掘使用它
4,找出分组中,harris响应最大的,亚像素必在其附近
List<Point> fenzuMaxPt = new List<Point>();
List<int> fenzumaxVal = new List<int>();
for (int i = 0; i < fenzu.Count; i++)
{
if (fenzu[i].Count < 3) continue;
List<Point> temp2 = new List<Point>();
temp2.AddRange(fenzu[i]);
int max = Math.Abs(m_Harris[temp2[0].Y, temp2[0].X]);
int maxI = 0, maxJ = 0;
for (int ii = 0; ii < temp2.Count; ii++)
{
int tempAbsVal = Math.Abs(m_Harris[temp2[ii].Y, temp2[ii].X]);
if (tempAbsVal >= max)
{
max = tempAbsVal;
maxI = temp2[ii].X;
maxJ = temp2[ii].Y;
}
}
fenzuMaxPt.Add(new Point(maxI, maxJ));//响应的最大值点
fenzumaxVal.Add(max);//响应的最大值
}
5,在分组最大响应角点处找亚像素角点
for (int m = 0; m < fenzuMaxPt.Count; m++)
{
int x = fenzuMaxPt[m].X;
int y = fenzuMaxPt[m].Y;
int[] xNum = new int[] { 1, 1, 0, -1, -1, -1, 0, 1 };
int[] yNum = new int[] { 0, -1, -1, -1, 0, 1, 1, 1 };
double 点积和 = 0;//初始化为0不妥,为什么?202005101007
//点积和入门,最大harris响应角点处其八个邻域内的点积和
for (int k = 0; k < 8; k++)
{
int xx = x + xNum[k];
int yy = y + yNum[k];
int x导数 = tyimg[(yy) * W + xx + 1] - tyimg[(yy) * W + xx];
int y导数 = tyimg[(yy) * W + xx + W] - tyimg[(yy) * W + xx];
int 梯度值 = Math.Abs(x导数) + Math.Abs(y导数);
float 梯度角 = (float)(jiaoduAndxiangxian(x导数, y导数) * 57.3);
float 向量X = (float)(梯度值 * Math.Cos(jiaoduAndxiangxian(x导数, y导数)));
float 向量Y = (float)(梯度值 * Math.Sin(jiaoduAndxiangxian(x导数, y导数)));
float 点积 = 向量X * (x - xx) + 向量Y * (y - yy);
点积和 += 点积;
}
//最大harris响应角点处,8*8矩形窗口中找亚像素角点(正交角点)
PointF tempcorner = tysubcorners1per8(fenzuMaxPt[m].X - 4, fenzuMaxPt[m].Y - 4, 8, 8, W, tyimg);
tyCA_subcornersflitCali.Add(tempcorner);
}
结果如下:
注:jiaoduAndxiangxian函数在线图像工具设计中出现过;
tysubcorners1per8函数在亚像素角点最小二乘法实现中已经出现。