[cv基础二]图像特征点提取

写在前面:图像的点特征是许多计算机视觉算法的基础。在运动目标跟踪,物体识别,图像配准,全景图像拼接,三维重建等方面,都使用特征点来代表图像的内容。角点是其中一类重要的点特征。下面就什么是角点及常见的角点检测算法进行介绍。

一,角点的定义

角点(corner points):

1)局部窗口沿各方向移动,均产生明显变化的点;

2)图像局部曲线曲率突变点点。

不同类型的角点的示意图如图一。

 

二,角点检测算法

1.什么是好的角点检测算法?

1)检测出图像中“真实的”角点

2)准确的定位性能

3)很高的重复检测率(稳定性好)

4)具有对噪声的鲁棒性

典型的角点检测算法包括:Harris 角点检测 和 CSS 角点检测

 

2.Harris角点检测

2.1 基本思想

Harris角点检测的基本思想是从图像局部的小窗口观察图像特征。

也就是利用了角点的定义,窗口向任意方向的移动都导致图像灰度的明显变化。

对于平坦区域,窗口沿着任意方向移动,窗口内部的图像无灰度变化;

对于边缘区域,窗口沿着边缘方向移动,窗口内部的图像无灰度变化;

对于角点区域,窗口沿着任意方向移动,窗口内部的图像有明显的灰度变化。

Harris角点检测的算法是对角点响应函数R进行阈值处理。如果R > threshold,则该部分为要寻找的角点。

2.2 性质

1)旋转不变性:椭圆转过一定角度但是其形状保持不变,也就是特征值保持不变,因此角点响应函数R对于图像的旋转具有不变性。

2)对于图像灰度的仿射变化具有部分的不变性:对于灰度平移变化不变I->I+b;对于图像灰度的尺度变化:I -> aI

3)对于图像几何尺度的变化不具有不变性:随尺度变化,Harris角点检测的性能下降。

 

3.SIFT特征提取算法流程

3.1 基本思想

SIFT算法是在DoG尺度空间中提取极值点并进行优化从而获取特征点。

3.2 性质

1)不变性

对图像的旋转和尺度变化具有不变性;

对三维视角变化和光照变化具有很强的适应性;

局部特征,在遮挡和场景杂乱时仍保持不变性。

2)辨别力强

特征之间相互区分的能力强,有利于匹配

3)数量较多

一般500*500的图像能提取出约2000个特征点

4)扩展性强

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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