OpenCV-特征提取及检测
进阶的花生
Yes!
展开
-
OpenCV3---亚像素级别角点检测
提高检测精准度 角点可能会不位于某一个确定的像素点,位于某两个像素之间,也就是说角点的位置以浮点数的形式表示,这样得到的角点检测精度更高,实现这个目的的角点检测方法叫做亚像素角点检测。 理论与实际有的时候是不一致的,实际情况下角点几乎不会是一个真正的准确像素点。(100,5)实际上(100.234,5.789) 检测方法 插值方法 基于图像矩计算 曲线拟合方法-(高斯曲面、多项式、椭圆曲面-) ...原创 2020-07-27 21:08:07 · 279 阅读 · 0 评论 -
OpenCV2---Shi-Tomasi角点检测
角点检测理论 和Harris角点检测的理论几乎完全一致,唯一不同的是在使用矩阵特征值λ1\lambda_1λ1λ2\lambda_2λ2计算角度响应的时候的公式不同。 Shi-Tomasi角点响应公式: R=min(λ1,λ2)R=min(\lambda_1,\lambda_2)R=min(λ1,λ2) 参数说明 gridFeaturesTotrack( InputArray image, OutputArray corners,//检测角点的坐标 int maxCorners,//表示返回角点的数原创 2020-07-23 11:13:40 · 139 阅读 · 0 评论 -
OpenCV1---Harris角点检测
1、Harris角点检测理论 首先需要明确什么是角点 角点的特点 平坦区域:窗口移动在所有方向没有明显的梯度变化 边缘区域:窗口移动在某个方向有明显梯度变化 角点区域:窗口移动在各个方向梯度值都有明显变化 公式推导 窗口平移[U,V][U, V][U,V]方向产生灰度变化E(u,v)E(u, v)E(u,v),可以将公式写为 E(u,v)=∑x,y[I(x+u,y+v)]−I(x,y)]2E(u,v)=\sum_{x,y}{[I(x+u,y+v)]-I(x,y)]}^2E(u,v)=∑x,y[I(x+原创 2020-07-22 21:41:41 · 124 阅读 · 0 评论