计算机视觉*第二章局部图像描述子 SIFT和Harris实验结果对比

最新推荐文章于 2023-04-19 10:55:24 发布

Suki wu

最新推荐文章于 2023-04-19 10:55:24 发布

阅读量309

点赞数

分类专栏：计算机视觉

本文链接：https://blog.csdn.net/qq_39408726/article/details/88615763

版权

本文对比了SIFT和Harris两种局部图像描述子的实验结果。Harris角点检测可能存在运算速度慢、角点信息丢失和聚簇现象，而SIFT特征点提取更稳定，但不一定是期望的点。SIFT在精准度上可能优于Harris。

摘要由CSDN通过智能技术生成

#SIFT和Harris实验结果对比

##Harris角点检测

以下为该算法代码：

 # -*- 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.
"""

# Figure 2-2上面的图
#im1 = array(Image.open("../data/crans_1_small.jpg").convert("L"))
#im2= array(Image.open("../data/crans_2_small.jpg").convert("L"))

# Figure 2-2下面的图
im1 = array(Image.open("尚大楼/尚大楼 6.jpg").convert("L"))
im2 = array(Image.open("尚大楼/尚大楼 8.jpg").convert("L"))

# resize加快匹配速度
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, filtered_coor