Blob detection
什么是Blob:
图像特征点检测包括角点和斑点,今天来说说斑点,斑点是指二维图像中和周围颜色有颜色差异和灰度差异的区域,因为斑点代表的是一个区域,所以其相对于单纯的角点,具有更好的稳定性和更好的抗干扰能力.斑点通常是指与周围有着颜色和灰度差别的区域。在实际地图中,往往存在着大量这样的斑点,如一颗树是一个斑点,一块草地是一个斑点,一栋房子也可以是一个斑点。由于斑点代表的是一个区域,相比单纯的角点,它的稳定性要好,抗噪声能力要强,所以它在图像配准上扮演了很重要的角色。同时有时图像中的斑点也是我们关心的区域,比如在医学与生物领域,我们需要从一些X光照片或细胞显微照片中提取一些具有特殊意义的斑点的位置或数量。
视觉领域的斑点检测的主要思路是检测出图像中比周围像素灰度打或者比周围区域灰度值小的区域,一般来说,有两种基本方法
1.基于求导的微分方法,这成为微分检测器
2.基于局部极值的分水岭算法,OPENCV中提供了simpleBlobDetector特征检测器来实现这种基本的斑点检测算法.
高斯二阶导(有尺度的选择特性)
拉普拉斯模板:高斯二阶导
找最大相应
保持面积不变,信号不衰减
高斯二阶导遇到的问题:信号衰减(权重模板)
找到最小值,它的信号就是跟8有关的
二阶拉普拉斯模板
找这个0平面
尺度的选择
R和方差的关系:完全对齐的时候相应才会得到最大值
每个点都要进行判断,最后做最大化抑制
应用:
1.在harris角点附件做拉普拉斯变换(解决像素太多,平移,选择,光照问题)
2.尺度不变性
可以在上个图像模板上进行卷积,同时计算出DOG(跟拉普拉斯相应一样的),加快速率
再次解释(可以在上个图像模板上进行卷积),结果一样的
看这个卷积核的size就变小了,因为是对下面那张图做卷积,所以实际上方差小了,模板size也小了(6n+1)
三层输出一个尺度:与上下层的点相比输出最大的,希望输出是连续的–>k值
s=2,DOG=4层,Gaussian5层(S+3层),这样才能保证聚变的空间是连续的(根号二倍),
下采样选择倒数第三层的!!,2倍的方差,下采样后变成1倍方差
DOG其实是一样的
https://www.bilibili.com/video/BV1nz4y197Qv?t=3795&p=8
https://www.bilibili.com/video/BV1nz4y197Qv?p=10