Python机器视觉--OpenCV进阶(核心)--特征检测与匹配基本概念解释与实现(大合集)

1. 特征检测的基本概念

特征检测是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征检测的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。

特征检测包括边缘检测, 角检测, 区域检测和脊检测.

特征检测应用场景:

• 图像搜索, 比如以图搜图

• 拼图游戏

• 图像拼接

  …

以拼图游戏为例来说明特征检测的应用流程.

• 寻找特征

• 特征是唯一的

• 特征是可追踪的

• 特征是能比较的

  

  我们发现:

  • 平坦部分很难找到它在原图中的位置
  • 边缘相比平坦要好找一些, 但是也不能一下确定
  • 角点可以一下就找到其在原图中的位置

图像特征就是值有意义的图像区域, 具有独特性, 易于识别性, 比较角点, 斑点以及高密度区.

在图像特征中最重要的就是角点. 哪些是角点呢?

• 灰度梯度的最大值对应的像素
• 两条线的交点
• 极值点(一阶导数最大, 二阶导数为0)

2 大合集

Harris角点检测,Shi-Tomsi角点检测以及SIFI关键点检测等将在后续文章中进行更新 ,更新完成后下方会有链接 点击即可访问


Harris角点检测,Shi-Tomsi角点检测已完成更新–点击此链接即可查阅学习~

SIFT 角点检测已完成更新–点击此链接即可查阅学习~

SURF 角点检测已完成更新–点击此链接即可查阅学习~