检测兴趣点

基于特征的图像配准方法是图像配准中最常见的方法之一。它不是直接利用图像像素值,二十通过像素值导出的符号特征(如特征点、特征线、特征区域)来实现图像配准,因此可以克服利用灰度信息进行图像配准的缺点,主要体现在以下三个方面:(1)利用特征点而不是图像灰度信息,大大减少了在匹配过程中的计算量;(2)特征点的匹配度量值相对位置变化比较敏感,可以提高匹配的精度;(3)特征点的提取过程可以减少噪声的影响,对灰度变化、图像形变以及遮挡等都有较好的适应能力。

       一类重要的点特征:角点(corner points),其定义主要有以下:

 

 

 局部窗口沿各方向移动,灰度均产生明显变化的点      
图像局部曲率突变的点
典型的角点检测算法:Harris角点检测、CSS角点检测
Harris角点检测基本思想
从图像局部的小窗口观察图像特征,角点定义:窗口向任意方向的移动都导致图像灰度的明显变化(如下图)

harris特征描述(先找到角点强度图,再找尺寸)

  cornerharris(image,//必须为8位单通道或32位单通道

       cornerstrength,//角点强度

       3,//邻域尺寸

       3,//口径尺寸

       0.01)//harris参数

(2条消息) Harris的角点检测和特征匹配_高司机的专栏-CSDN博客_harris特征点

gftt特征描述

我们可以通过GFTTDetector::create()来创建一个GFTT特征点检测器,其参数如下:
(1)参数maxCorners:检测到的最大角点数量;
(2)参数qualityLevel:输出角点的质量等级,取值范围是 [ 0 , 1 ];如果某个候选点的角点响应值小于(qualityLeve * 最大角点响应值),则该点会被抛弃,相当于判定某候选点为角点的阈值;
(3)参数minDistance:两个角点间的最小距离,如果某两个角点间的距离小于minDistance,则会被认为是同一个角点;
(4)参数blockSize:计算角点响应值的邻域大小,默认值为3;如果输入图像的分辨率比较大,可以选择比较大的blockSize;
(5)参数useHarrisDector:布尔类型,如果为true则使用Harris角点检测;默认为false,使用shi-tomas角点检测算法;
(6)参数k:只在使用Harris角点检测时才生效,也就是计算角点响应值时的系数k。

可以看到,创建GFTT特征点检测所需的参数其实和goodFeaturesToTrack()所需的参数是一样的,精度远高于harris算子,也有可能是我没有设置好

Ptr<GFTTDetector> create( int maxCorners=1000, double qualityLevel=0.01, double minDistance=1,

        int blockSize=3, bool useHarrisDetector=false, double k=0.04 );

注意,创建的特征检测器返回值为该类的指针

posted @ 2021-05-05 21:47  KAVEI  阅读(94)  评论(0编辑  收藏  举报