使用nodeitk进行角点检测

前言

东莞,晴,33至27度。今天天气真好,学生陆续离开学校。忙完学生答辩事情,终于可以更新一下nodeitk。本文继续介绍node的特征识别相关内容,你会看到,采用nodeitk实现角点检测是一件十分简单的事情。

本文你将学到使用nodeitk进行角点检测:

1.        特征包含有哪些?为什么它们这么重要

2.        使用函数cornerHarris,利用Harris-Stephens方法检测角点

理论

什么是特征?

1.        在机器视觉中,通常我们在一个环境下的不同帧查找匹配点。为什么?这是因为如果我们知道两张图之间的相关性,我们就可以从两张图中提取它们包含的信息

2.        当我们说匹配点时,一般意义是指我们可以很容易在场景中识别的特征。

3.        那么什么是特征呢?

a)        它必须是独有的可以识别的特性。

图像特征的类型

大概有:

1.        边缘

2.        角点(也称为感兴趣点)

3.        斑点(Blobs,也称为感兴趣区域)

在本文,我们将专门谈谈角点特征

为什么角点那么特别?

因为,它是两相交边的位置,代表两条边方向改变的位置。因此,角点往往是图像梯度(两个方向)急剧变化的位置。

算法描述

当我们寻找角点,因为角点表示图像在梯度的变化,因此我们可以等价于寻找这“变化”

假设是一个灰度图像I。我们使用一个窗口做卷积(u为x方向位移,v为右方向位移):

其中

1.        是在位置的窗口

2.        是在位置的灰度

3.        是移动窗口处的灰度

因为我们希望找到灰度在窗口处存在较大的差异,以此找到角点的窗口位置。因此,我们最大化上述等式,令项:

使泰勒展式:

展开等式并化简:

使用矩阵形式表示:

那么等式可以表示为:

对于每个窗口,采用下面评价函数以确定窗口是否包含角点

这里

1.        

2.         

当一个窗口的R值大于阈值时,被认为是角点

源代码:

var node_itk = require('./node-itk');
var thresh = 200;
var max_thresh = 255;
var source_window = "Source image";
var corners_window = "Corners detected";
var src = node_itk.cv.imread( "./images/lena.jpg", 1 );
var src_gray = node_itk.cv.CvtColor(src, node_itk.cv.CV_BGR2GRAY);
node_itk.cv.NamedWindow( source_window, node_itk.cv.CV_WINDOW_AUTOSIZE );
node_itk.cv.NamedWindow( corners_window, node_itk.cv.CV_WINDOW_AUTOSIZE );
node_itk.cv.imshow( source_window, src );
var dst , dst_norm;
node_itk.cv.CreateTrackbar( "Threshold: ", source_window, thresh, max_thresh,
function (thresh){
              dst = node_itk.cv.NodeOpenCVMat.Zeros(src.Size(), node_itk.cv.CV_32FC1)
              dst_norm = dst.Clone();
              blockSize = 2;
              apertureSize = 3;
              k = 0.04;
              node_itk.cv.CornerHarris( src_gray, dst, blockSize, apertureSize, k );
              node_itk.cv.Normalize(dst,dst_norm, 0, 255,node_itk.cv.NORM_MINMAX,node_itk.cv.CV_32FC1)
              dst_norm_scaled = node_itk.cv.ConvertScaleAbs(dst_norm);

              for (var j = 0; j<dst_norm.Rows(); j++) {
                     for (var i = 0; i <dst_norm.Cols(); i++) {
                            if (dst_norm.At([j,i])>thresh)
                            {
                                   node_itk.cv.Circle(dst_norm_scaled,
                                          new node_itk.cv.NodeOpenCVPoint("Point", [i,j]),
                                          5,
                                          new node_itk.cv.NodeOpenCVScalar("Scalar", 0),
                                          2,
                                          8,
                                          0);
                            }
                     };
              };
              node_itk.cv.NamedWindow(corners_window,node_itk.cv.CV_WINDOW_AUTOSIZE );
              node_itk.cv.imshow( corners_window,dst_norm_scaled );
       }
);
node_itk.cv.WaitKey ( 0 );

运行结果

小结

nodeitk实现角点检测是一件十分容易的事情,在后面我们将深入介绍相关特征识别的内容,当前特征识别模块已经开发完毕。待续。

使用nodeitk进行角点检测,布布扣,bubuko.com

时间: 2024-10-15 21:51:46

使用nodeitk进行角点检测的相关文章

Harris角点检测原理及实现

一.原理 二.实现 close all; clear all; I=imread('test.tif'); [posX,posY]=harris(I); figure;imshow(I); hold on; plot(posX, posY, 'g*'); function [posX,posY]=harris(I) %Harris角点检测 %I:输入图像 %posX:角点X坐标 %posY:角点Y坐标 I=double(I); [m,n]=size(I); hx=[-1,0,1;-1,0,1;-

opencv对图像进行边缘及角点检测

opencv对图像进行边缘及角点检测 先看结果: 代码: // ConsoleApplication1_812.cpp : Defines the entry point for the console application. // #include "stdafx.h" #include "opencv2/opencv.hpp" class Imagedetector{ public: Imagedetector():threshold(-1) ,cross(5

SUSAN角点检测

close all; clear all; I=imread('corner2.gif'); [posX,posY]=susan(I,3); figure; imshow(I);hold on; plot(posX,posY,'g*'); function [posX,posY]=susan(I,radius) %SUSAN角点检测 %I:输入图像 %radius:圆形模板的半径 %(posX,posY):角点坐标 [r,c]=size(I); mask=generatemask(radius)

角点检测方法

看了将近十来天的OPENCV了,无论是从官方文档,还是learning opencv,还是看各论坛,心里总有种感觉是:无法把自己看的知识联系在一起,感觉都是各有特色功能的函数,可是这些各有特色功能的函数怎么组合在一起,实现什么样的功能就不得而知了. 下面从角点的角度来讲讲吧  --(要说的是有些并非是本人所写,觉得别人有的地方写的经典就复制下来了) 使用函数 cornerHarris 通过 Harris-Stephens方法检测角点: 我们到底要角点干什么?????????????? 下面我来回

OpenCV中feature2D学习——亚像素级角点检测(cornerSubPix)

概述 除了利用Harris进行角点检测和利用Shi-Tomasi方法进行角点检测外,还可以使用cornerEigenValsAndVecs()函数和cornerMinEigenVal()函数自定义角点检测函数.如果对角点的精度有更高的要求,可以用cornerSubPix()函数将角点定位到子像素,从而取得亚像素级别的角点检测效果. cornerSubPix()函数 (1)函数原型 cornerSubPix()函数在角点检测中精确化角点位置,其函数原型如下: C++: void cornerSub

Harris角点检测学习

1.角点的定义与性质 角点是一种局部特征,具有旋转不变性和不随光照条件变化而变化的特点,一般将图像中曲率足够高或者曲率变化明显的点作为角点.检测得到的角点特征通常用于图像匹配.目标跟踪.运动估计等方面. 2.Harris角点 1)定性描述 该算法中,将图像分为平坦区域.边缘.角点三部分.平坦区域中像素灰度在各个方向上变换都很小,边缘上的像素灰度在某个方向变化很大,但是在另一些方向变化很小:位于角点上的像素灰度则在各个方向上的变化都比较大.这是通过人眼观察得到的直观感受. 2)量化的数学表达 不同

OpenCV使用Harris算法实现角点检测

纯粹阅读,请移步OpenCV使用Harris算法实现角点检测 效果图 源码 KqwOpenCVFeaturesDemo 角点是两条边缘的交点或者在局部邻域中有多个显著边缘方向的点.Harris角点检测是一种在角点检测中最常见的技术. Harris角点检测器在图像上使用滑动窗口计算亮度的变化. 封装 这里用到了RxJava.主要是因为图片处理是耗时操作,会阻塞线程,为了防止界面卡顿,这里使用RxJava进行了线程切换. /** * Harris角点检测 * * @param bitmap 要检测的

第22集 Moravec角点检测

步骤1:算出0,45,90,135四个方向上变化的最小值的平方,并且记录在结果图像中 步骤2:求结果图像的局部最大值,并且和阀值对比,大于阀值的保存该点的坐标位置:cvCreateMemStorage ,cvCreateSeq ,cvSeqPush 步骤3:读取角点的坐标,并且在图像上画出:cvGetSeqElem,cvCircle 程序: #include "cv.h" #include "cxcore.h" #include "highgui.h&qu

角点检测:Harris角点及Shi-Tomasi角点检测

角点 特征检测与匹配是Computer Vision 应用总重要的一部分,这需要寻找图像之间的特征建立对应关系.点,也就是图像中的特殊位置,是很常用的一类特征,点的局部特征也可以叫做“关键特征点”(keypoint feature),或“兴趣点”(interest point),或“角点”(conrner). 关于角点的具体描述可以有几种: 一阶导数(即灰度的梯度)的局部最大所对应的像素点: 两条及两条以上边缘的交点: 图像中梯度值和梯度方向的变化速率都很高的点: 角点处的一阶导数最大,二阶导数