OpenCV-特征提取与检测（04、SURF特征检测）
发布时间
阅读量：
阅读量
- SURF ( Speed Up Robust Features，加速稳健特征 ) 是SIFT改进版也是加速版，提高了检测特征点的速度，综合性能要优于SIFT。
与SIFT 的比较
- Sift算法的优点是特征稳定，对旋转、尺度变换、亮度保持不变性，对视角变换、噪声也有一定程度的稳定性；缺点是实时性不高，并且对于边缘光滑目标的特征点提取能力较弱。
- Surf（Speeded Up Robust Features）改进了特征的提取和描述方式，用一种更为高效的方式完成特征的提取和描述。
积分图像
（参考：【CV学习5】SURF算法详解）
什么是积分图像：
积分图像是输入的灰度图像经过一种像素间的累加运算得到种新的图像媒介。对于一幅灰度的图像，积分图像中的任意一点（x,y）的值是指从图像的左上角到这个点的所构成的矩形区域内所有的点的灰度值之和
积分图像的作用：
积分图像是SURF算法减小计算量的关键，从SIFT到SURF算法的性能提升很大程度归功于积分图像的使用
积分图像与原始图像的关系：
a.相同点 ：积分图像与原始图像的尺寸相同，积分图像中每个位置坐标与原始灰度图像的像素坐标相对应。
b.不同点 ：不同的是，在原始图像采用灰度图像的情况下，灰度图像每个像素使用8bit表示，而积分图像由于像素的累加运算，或者由于图像尺度的变化，积分图像中每个像素位宽将会需要积分的像素尾款来表示
如何得到积分图像
a.积分像素值
b.坐标系的建立
对于一幅原始的灰度图像，以图像中的第一个像素位置作为坐标原点，向右为 x 轴正向，向下为 y 轴正向建立坐标系。
c.积分像素值的确定
将任意像素 (x,y) 与坐标原点之间围成的矩形区域内所有像素值相加得到一个新的值，在这里我们把它定义为积分像素值。
d.积分图像的确定
原始图像中每个像素经过运算都会得到新的积分像素值，最终构成一幅新的积分图像。
积分图像的作用
有了积分图像的概念，在原始图像中我们可以计算任意矩形区域内的像素之和。这种运算方式有效的减少了运算量，因为矩形的面积大小不会影响到运算量。任意矩形内的像素累加只需要使用矩形四个顶角位置的积分像素值进行加减运算即可得到。
如果要计算矩形 ABCD 内的所有像素的累加值只需要再积分图像中找到对应 A，B，C，D 四个位置的积分像素的值进行加减运算： ∑=A-B-C+D
全部评论 (0)
还没有任何评论哟~