DOG角点检测——opencv实现

最新推荐文章于 2023-12-15 11:26:34 发布

不二双

最新推荐文章于 2023-12-15 11:26:34 发布

阅读量4.2k

点赞数 2

分类专栏： opencv 文章标签： opencv

本文链接：https://blog.csdn.net/u013611347/article/details/51439190

版权

本文介绍了DOG(Difference of Gaussian)角点检测的原理和实现细节，通过在OpenCV中应用高斯滤波和差分操作来检测图像中的角点。讨论了可能影响运算速度的环节，并给出了测试结果。

摘要由CSDN通过智能技术生成

1.原理

Difference of Gaussian(DOG)是高斯函数的差分。将两幅图像在不同参数下的高斯滤波结果相减，得到DoG图。步骤：

处理一幅图像在不同高斯参数下的DoG
用两个不同的5x5高斯核对图像进行卷积，然后再相减的操作。重复三次得到三个差分图A,B,C。
根据DoG求角点
计算出的A,B,C三个DOG图中求图B中是极值的点。图B的点在当前由A,B,C共27个点组成的block中是否为极大值或者极小值。若满足此条件则认为是角点。

2.实现细节

2.1 差分得到DoG图

Mat Process(Mat &img, double sig1, double sig2, Size Ksize)

converTo()
直接读取灰度图会得到CV_8UC1类型的mat，是单通道uchar型矩阵，因此高斯滤波后相减都是整型非负数据，影响后面进行比较取极值的步骤。所以需要将原本的数据类型转化为CV_32FC1即单通道float型数据。再进行后续的操作
subtract()
两个mat类型相减直接用这个就好了。刚开始查到cvSub函数是老版本的，里面的指针乱七八糟的都挺复杂的，后在官方说明上找到这个c++版本的函数。现在的操作基本都是这个了。

2.2 求取当前block极值得到角点

Mat getExtrema(Mat &A, Mat &B, Mat &C, int thresh){}
    block.release();
    block.push_back(A(Range(i - 1, i + 2), Range(j - 1, j + 2)));
    block.push_back(B(Range(i - 1, i + 2), Range(j - 1, j + 2)));
    block.push_back(C(Range(i - 1, i + 2), Range(j - 1, j + 2)));