局部图像描述子

最新推荐文章于 2023-04-13 09:48:04 发布

LX1994393317

最新推荐文章于 2023-04-13 09:48:04 发布

阅读量450

点赞数

文章标签： python 计算机视觉

本文链接：https://blog.csdn.net/qq_52364666/article/details/115283764

版权

本文深入探讨了局部图像描述子，包括Harris角点检测的原理、数学表达式和实验分析，接着详细阐述了SIFT特征、算法步骤、描述子编码及其稳定性。最后，介绍了图像匹配的原理和SIFT在图像匹配中的应用，展示了其在不同环境下的匹配效果。

摘要由CSDN通过智能技术生成

局部图像描述子

一、Harris角点检测

1、Harris角点检测点基本思想

我们对图像角点的判断，假定一个正方形小窗口，窗口向任意方向的移动都导致图像灰度的明显变化，则代表该区域存在角点。如下图所示：

当正方形小窗口位于平坦区域时，任意方向移动，都无灰度变化。

当正方形小窗口位于边缘区域时，沿着边缘方向移动，无灰度变化。

当正方形小窗口位于角点区域时，沿任何方向移动，有明显的灰度变化。

2、Harris角点检测点数学表达式

如图所示：

通过M的两个特征值的大小对图像点进行分类，根据角点响应函数R，R只与M的特征值有关。

3、Harris角点检测编码

1、角点检测：

from pylab import *
from PIL import Image
from PCV.localdescriptors import harris

im=array(Image.open('21.jpg').convert('L'))

harrisim = harris.compute_harris_response(im)

harrisiml = 255-harrisim

figure()
gray()

subplot(141)
imshow(harrisiml)
print (harrisiml.shape)
axis('off')
axis('equal')

threshold = [0.05,0.08,0.2]
for i,thres in enumerate(threshold):
    filtered_coords = harris.get_harris_points(harrisim,6,thres)
    subplot(1,4,i+2)
    imshow(im)
    print(im.shape)
    plot([p[1] for p in filtered_coords],[p[0] for p in filtered_coords],'*')
    axis('off')
    show()

2、编码结果：

3、对应点连接编码：

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("112.jpg").convert("L"))
im2 = array(Image.open("113.jpg").convert("L"))

# resize加快匹配速度
im1 = imresiz