圆投影匹配算法描述及实现

最新推荐文章于 2023-07-26 14:15:22 发布
最新推荐文章于 2023-07-26 14:15:22 发布
阅读量6.1k 收藏 19
点赞数 2
分类专栏： Computer Vision 计算机与机器视觉 文章标签： 模板匹配 圆投影 旋转不变
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lsh_2013/article/details/44627817
版权

解决模板图和基准图之间存在任意角度旋转的景象匹配问题的关键是找到一个旋转不变量, 圆投影匹配算法就是利用“圆”的各向同性和投影特征提出来的。传统的图像匹配算法，如归一化交叉互相关算法，主要利用像素点与像素点之间的相关性计算匹配图像与模板之间的相关度。这种方法在匹配图像与模板之间存在一定选择角度的时候，正确率会随着旋转角度的增加而迅速下降。当旋转角度大于5度的时候就会完全失效。于是圆投影算法被提出。



应用到实际中基于圆投影矢量和的旋转不变量检测（点击进入查看文献）

上面基于圆投影矢量和的模板匹配文献算法实现代码如下：

//圆投影
void Cir
最低0.47元/天 解锁文章
Hao_09
关注
  • 2
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 13
    评论
专栏目录
模板匹配模板匹配投影法
05-05
模板匹配模板匹配模板匹配模板匹配模板匹配模板匹配模板匹配模板匹配
ring_projection.rar_birthdaye4m_dic_growth5rr_圆投影_圆投影匹配
07-13
自己写的基于圆投影变换实现DIC匹配，效果还不错
一种抗旋转、抗尺度变化的图像匹配算法 (2011年)
05-08
在研究圆投影、参数化模板、直方图不变距的基础上,提出了一种基于圆投影矢量和变换与参数化模板相结合的图像匹配算法．首先用计算量较小,并具有旋转不变性的圆投影矢量和变换的方法对输入图像进行投影,将图像投影到矢量空间当中,然后采用参数化模板的方法对图像进行可变尺度的匹配选出可能性较大的匹配点,最后利用图像的直方图的不变矩做进一步的匹配．解决了模板图像与待测图像之间存在旋转和尺度变化的问题,同时采用欧氏距离进行匹配,避免了传统方法中计算相关函数的巨大计算量．实验表明这种算法不仅提高了匹配的速度,而且在目标图像发生
python+opencv实现NCC模板旋转匹配（图像处理）
m0_53362727的博客
02-17 9620
使用python代码实现NCC匹配 1.旋转使用圆投影 2.使用降采样加速匹配 3.差分简化运算的实现
机械图样解读——圆的投影
山涧果子（JIanhongwei810）
09-03 3028
处于一般位置时圆的投影与作图方法-最大斜度线法 变换投影面法
Opencv入门（二）
gg101001的博客
02-08 273
/*********************************************************************************************opencv3.2 c++版学习常用函数总结，后续学习中不断添加新函数。**********************************************************************...
模板匹配 -提高计算速度
weixin_39218479的博客
06-28 3111
误差平方和算法（SSD） 误差平方和算法（Sum of Squared Differences，简称SSD算法），也叫差方和算法。实际上，SSD算法与SAD算法如出一辙，只是其相似度测量公式有一点改动（计算的是子图与模板图的L2距离）。这里不再赘述。 模板匹配的速率如何提高？ 先说说模板匹配的优势，精度高。但是计算量是特别大 以此项目为例 单次匹配 12ms 那么总共计算时间就是 10ms* 200（rows）*600（cols）,20分钟往上。12ms的单次循环很难继续优化。 1...
SGBM立体匹配算法原理详解
07-03
SGBM算法的一个关键改进是对传统的块匹配算法进行了扩展，引入了半全局匹配的概念。它考虑了全局上下文信息，减少了由于局部最优解导致的匹配错误。同时，SGBM也考虑了视差平滑和一致性，从而提高了匹配的质量。 总...
图像匹配算法的简单介绍.docx
05-29
本文主要探讨了图像匹配算法的基本概念、核心要素以及常见的方法。 首先，图像匹配旨在通过比较不同图像之间的相似性来确定同一景物在多幅图像中的对应部分。这种技术广泛应用于自动驾驶、遥感图像分析、机器人导航...
基于pca的人脸识别算法实现.zip
04-13
在“基于PCA的人脸识别算法实现.doc”文档中，可能详细描述了以上步骤的具体实现，包括算法的数学推导、代码实现以及可能遇到的问题和解决策略。例如，可能会涉及如何选择合适的主成分数量、如何处理非 frontal view...
论文研究-景象匹配算法及其适应性分析.pdf
09-10
提出一种基于区域特征的景象匹配算法。其基本方法是先提取基准图和实时图的稳定极值区域，并计算出区域的平均灰度、方差、仿射不变矩以及纹理信息熵，构造相似性度量函数，然后计算匹配区域对的Hausdorff距离决定是否是对应区域。大量的模拟实验表明，该算法的匹配时间能达到0.138 s，正确匹配率达到92.67%，不仅能满足景象匹配的要求，且大大提高了匹配的时间与正确率。对其适应性进行了详细的分析，结果表明该算法对旋转、尺度、噪声、灰度变化的适应性较好。
aco.rar_ACO-Time_仿射不变_卡方距离_基于投影特征描述子_形状匹配
09-20
它涉及到一个名为"ACO-Time"的算法，该算法用于形状匹配，特别是关注于仿射不变性、卡方距离以及基于投影特征描述子的方法。 首先，ACO-Time算法是一种应用了蚁群优化（Ant Colony Optimization, ACO）理论的算法。...
基于双目视觉的图像匹配算法研究.pdf
06-19
【基于双目视觉的图像匹配算法研究】 图像匹配是计算机视觉领域中的关键技术，涉及目标识别、跟踪、超分辨率重建、视觉导航等多个方面。在双目视觉系统中，图像匹配尤为重要，因为它能帮助确定两个不同视角下同一...
模板匹配SSDA
weixin_43384504的博客
06-30 786
SSDA的基本步骤： 定义的绝对误差的形式是可以变化的。
通过模板匹配先定位检测的对象再检测圆形零件和孔针02
moonlightpeng的博客
10-28 680
opencv
10.6 模版匹配和霍夫变换
qq_40066957的博客
05-10 706
模版匹配和霍夫变换 学习目标 掌握模板匹配的原理，能完成模板匹配的应用 理解霍夫线变换的原理，了解霍夫圆检测 知道使用OpenCV如何进行线和圆的检测 1 模板匹配 1.1 原理 所谓的模板匹配，就是在给定的图片中查找和模板最相似的区域，该算法的输入包括模板和图片，整个任务的思路就是按照滑窗的思路不断的移动模板图片，计算其与图像中对应区域的匹配度，最终将匹配度最高的区域选择为最终的结果。 实现流程： 准备两幅图像： 1.原图像(I)：在这幅图中，找..
图像处理(8) : 模板匹配
QtHalcon
06-09 3万+
​模板匹配指的是通过模板图像与测试图像之间的比较，找到测试图像上与模板图像相似的部分，这是通过计算模板图像与测试图像中目标的相似度来实现的，可以快速地在测试图像中定位出预定义的目标。匹配的主要思路是使用一个目标原型，根据它创建一个模板，在测试图像中搜索与该模板图像最相似的目标，并寻找与该模板的均值或方差最接近的区域。 通过模板匹配可以得到目标的相似度，旋转角度，行列坐标，缩放大小等。 针对不同的图像特征和检测环境，有多种模板匹配算法。如何选择合适的模板匹配算法，取决于具体的图像数...
【传统视觉】模板匹配和卡尺圆检测
weixin_47728827的博客
07-26 1426
是找N个小矩形ROI里面的灰度值突变的地方。即：遍历每个小矩形ROI，分别找到1个点，这个点是灰度突变的峰值。然后把这N个点拟合成直线或者圆。1、原理：模板匹配是指在当前图像A中匹配与图像B最相似的部分，那么A为输入图像，B为模板图像。2、匹配方法：B在A上华东，逐个遍历所有像素完成匹配。4、配合查找最值方式来找到匹配的位置。
相机模型详解
热门推荐
Hao_09的专栏
08-13 4万+
相机模型 数码相机图像拍摄的过程实际上是一个光学成像的过程。相机的成像过程涉及到四个坐标系：世界坐标系、相机坐标系、图像坐标系、像素坐标系以及这四个坐标系的转换。 理想透视模型——针孔成像模型 相机模型是光学成像模型的简化，目前有线性模型和非线性模型两种。实际的成像系统是透镜成像的非线性模型。最基本的透镜成像原理如图所示： 其中 u 为物距， f 为焦距，v 为相距。三者满足关系式
sift特征匹配算法
最新发布
07-28
SIFT（Scale Invariant Feature Transform）是一种图像匹配算法，它能够处理图像的亮度、平移、旋转和尺度的变化。该算法通过提取特征点来生成特征描述符，并在这些特征描述符之间进行匹配。SIFT算法的特点是具有尺度不变性，即对于图像的缩放、平移、旋转等变换具有不变性，同时对于光照、仿射和投影变换也有一定的不变性。SIFT算法的流程包括尺度空间极点检测、关键点精确定位、关键点的方向确定和特征向量的生成。在计算特征点的方向时，根据特征点所在的高斯尺度图像中的局部特征计算出来。局部特征是指特征点的邻域区域内所有像素的梯度幅角和梯度幅值。SIFT算法通过生成一个128维的特征向量来描述每个特征点，这个特征向量具有对图像缩放、平移、旋转不变的特征。\[1\]\[2\]\[3\] #### 引用[.reference_title] - *1* [图像特征提取与匹配——SIFT算法](https://blog.csdn.net/liubing8609/article/details/85469691)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [特征点匹配——SIFT算法详解](https://blog.csdn.net/lhanchao/article/details/52345845)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 13
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值