关于Harris算法与SIFT算法特征匹配处理对比

lym115

于 2019-03-17 21:39:49 发布

阅读量1.7k

点赞数

本文链接：https://blog.csdn.net/lym115/article/details/88627690

版权

本文探讨了Harris角点检测算法的基本原理，它通过检测像素周围多方向的边来找出兴趣点。接着介绍了SIFT算法，强调其尺度、旋转和亮度不变性，适合在不同条件下的可靠匹配。文中提供了两种算法的代码实现及运行结果展示。

摘要由CSDN通过智能技术生成

*一.Harris算法
Harris角点检测算法是一个极为简单的角点检测算法。该算法的主要思想是，如果像素周围显示存在多于一个方向的边，我们认为该点为兴趣点。该点就称为角点。
以下是代码：

# -*- coding: utf-8 -*-
from pylab import *
from PIL import Image
from PCV.localdescriptors import harris
from PCV.tools.imtools import imresize

"""
This is the Harris point matching example in Figure 2-2.
"""

#im1 = array(Image.open("../data/crans_1_small.jpg").convert("L"))
#im2= array(Image.open("../data/crans_2_small.jpg").convert("L"))

im1 = array(Image.open("1.jpg").convert("L"))
im2 = array(Image.open("2.jpg").convert("L"))

im1 = imresize(im1, (im1.shape[1]//2, im1.shape[0]//2))
im2 = imresize(im2, (im2.shape[1]//2, im2.shape[0]//2))

wid = 5
harrisim = harris.compute_harris_response(im1, 5)
filtered_coords1 = harris.get_harris_points(harrisim, wid+1)
d1 = harris.get_descriptors(im1,