Shi-Tomasi角点检测 & SIFT

一、Shi-Tomasi角点检测

在本末节中，咱们将会了解到Shi-Tomasi角点检测的基本概念，用到以下函数：cv.goodFeatwGoindows7旗舰版uresToTrack()

  • 用法如下：
  1. cv角点解.goodFeatu角点解resToTrack( image, maxCorners, qualityLevel, minopencv和yolo的区别Distance[, corners[, ask[, blockSize[, useHarrisDetector[, k]]]]] ) -> corners
  2. cv.g梯度怎样求oodFea宫颈癌turesToTrack( image, maxCor工商银行电话人工客服ners, qualityLevel, minDistance, mOpenCVas梯度公式k, blockSize,opencv目标检测 gradientSize[, corners[, useHarrisDetector[, k]]] ) -> corners
  3. cv.goodFeaturesTo梯度下降法原理TrackW梯度下降法角点法ithQuality( im龚俊age, maxCorners, qualityLevel, mi角点是什么nDistance, mask[, corners[, cornersQuality[, blockSize[, gradientSize[, useHarrisDetector[, k]]]]]] ) -> corners,

1. 概念

在上一章中，咱们看到了 Harris Cowindows许可证行将过期怎样办rner Detector。 1994 年晚些时候，J. Shi 和 C. Tomasi 在他们的论文windows系统 Good Features to Track 中对其进行了小修改，与 Harris Corner Detector 相比，它显示出更好的成果。windows怎么激活 Harris Corner Det梯度稀释的目的ector 中的评分函数由下式给出：R角点=12−k(1+2)2R = lambda_1 lambda_2 –windows是什么意思 k (lambda_1+lam角点bda_2)^2

可是shi却给出了如下函数进行评分：R=min(1,2)R = m梯度稀释in(lambda_1,lambda_2)

假如大于阈值，则将其视为梯度稀释的目的角点。 假如咱们像在 Harris Corner Detector 中那样将其制作在 1−2lambda_1 – lambda_2空间中，咱们会得到如下图画：

OpenCV Tutorials 16 - Shi-Tomasi角点检测 & SIFT

从图中能够看出，只有当 1lambda_1 和 2lambda_2 大于角点最小值 minlamb梯度洗脱da_{miwindows怎么激活n} 时，才被认为是角点（绿色区域）。

2. 角点检测

OpenCV 有一个函数，cv.goodFeaturesToTrack()。 它通过 Shi-Tomasi 办法（也能够指定为 Harris 角Go点检测）在图画中找到工龄差一年薪酬差多少 N 个最强角点。 像往常一样，windowindows许可证即将过期怎么办ws是什么意思图画应该是灰度图画。 然梯度下降后指定要查找的角点数。 然后你指定质量等级，这是一个介于 0-1 之间的值，若角点的值小于此等级角点法计算附加应力则会被抑google制。 然后咱们供给检测角点检测到的角点opencv轮廓提取之间的最小欧几里德间隔。

有了一切这些信息，该函数就角点检测能角点是什么够找到图画中的角点。 一切低于质量水平的角都被抑制。 然后它依据质量按降序对剩余的角龚俊进行排梯度下降法原理序。 然后函数取第一个最强角，扔掉最小间隔范围内的一切邻近角，并回windows是什么意思来 N 个最强角。

import cv2 as cv
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
%matplotlib inline

def cv_show(name, img):
    cv.imshow(name, img)
    cv.waitKey(0)
    cv.destroyAllWindows()

def compare(imgs):
  #  for i in range(len(imgs)):
 #       imgs[i][:,-3:-1,:] = [255,255,255]
    res = np.hstack(imgs)
    cv_show('Compare', res)

img = cv.imread('chessboard.jpg')
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
#参数分别为 灰度图，角点数，角点质量，焦点之间的最小欧式间隔(小于此间隔则兼并)
corners = cv.goodFeaturesToTrack(gray,25,0.01,10)
corners = np.int0(corners)
for i in corners:
    x,y = i.ravel()
    cv.circle(img,(x,y),3,255,-1)
plt.xticks([]),plt.yticks([])
plt.imshow(img)
plt.show()

OpenCV Tutorials 16 - Shi-Tomasi角点检测 & SIFT

三、标准不变特征转化(SIFT)

在本末节中，咱们会了解到SIFT算法概念以及找出SIFT要害点和描述符的办法

1. 概念

在前几章中，咱们看到了一些角点检测器，如 Harris 等。它们是旋转不变的，这意味着即使图画旋转，咱们也能够找到相同的角点。 很明显，因为角在旋转图画中仍然是角。 可是缩放呢？ 假如图画被缩放，一个角或许不OpenCV是一个角。 例如，查看下面的简单图画。 当在同一窗口中放大时，小窗公Go积金口内的小图画中的角windows10激活密钥是平坦的。 所以哈里斯角不是标准opencv是软件还是库不变的。

OpenCV Tutorials 16 - Shi-Tomasi角点检测 & SIFT

也即是当图画全体被放大时，原opencv概括提取方位的图画像素应该还保留着角点的特征

2004 年，不列颠哥伦比亚大学的 D.Lowe 在他的windows许可证行将过期怎样办论文 Distinctive Image Features from Scale-Invar宫颈癌iant Keopencv目标检测ypwindows怎么激活oin梯度ts 中提出了一种新算法，即 Scale Invariant Feature Transform (SIFT)，该算法提取要害点并核算其描述符。 （本文易于了解，被认windows10激活密钥为是 SIFwindows7怎么重装系统T 上可用的最佳材料。此解释只是本文的简短摘要）。

SIFT算法主要触及四个步骤。 下面进行逐个介绍：

A. 标准空间极值检测

从上图能够看出，咱们不能运用OpenCV同一个窗口来检测不角点法计算附加应力同标准的要害点。 小角能够检测， 可是要检测更大opencv方针检测的旮旯，咱们需要更大的窗口。 为此，运用了标准空间过滤。 在其中windows7怎样重装系统，对于具有各种 值的图画，找到了高斯的拉普拉斯算子。 LoG 充任斑驳检测器，可检测因为 的变化而产生的各种巨细的斑驳。 简而言之， 充任缩角点解放参龚俊数。 例如，在上图中，具有低 的高斯核为小角供给了高值，而具有高 的高斯核十分适合较大的角。 因而，咱们能够找到跨标准和空间的部分最大值，这为咱们供给opencv人员技术了 (x,y,) 值的列枸杞表，这意味着在 标准的 (x,y) 处存在潜在的要害点。

可是这个 LoG 有点耗时耗力，所以 SIFT 算龚俊法运用了高斯差值，它是 LoG 的近似值。 高斯差值作为具有两个不同 的图画的高斯模糊差值得到，分别为 和 k。 这个进程角点法核算附加应力是针对高斯金字塔中图画角点解的windows10不同倍频程完成的。 如下图所示：

OpenCV Tutorials 16 - Shi-Tomasi角点检测 & SIFT

一旦找到这个DoG，就会在图画上搜索标准梯度怎么求和空间上的部分极值。 例如，将图画中的一个像素与其 8 个相邻像素以及下一个份额的 9 个像角点是什么素和前一个份额的 9 个像素进行比梯度较。 假如是部分极值，就是潜在的要害点。 这基本上意味着要害点在该份额中得到最好opencv是软opencv人员技术件仍是库的工商银行表明。 如下图所示：

OpenCV Tutorials 16 - Shi-Tomasi角点检测 & SIFT

关于不同的参数，本文给出了一些经验数据，能够总结为，八度音阶数= 4，音阶opencv目标检测数= 5，初始=1.6，k工商银行=2sqrt2等作为最佳工龄越长退休金越多吗值

B. 要害点定位

一旦找到潜在的要害点方位，就windows10激活密钥有必要对其进行角点细化以获得更精确的成果。 他们运用标准空间的泰勒opencv轮廓提取级数扩展来获得更精确的极值方位，假如该极值处的强度小于阈值（依据论文为 0.03），则将其抑制。

这个阈值在 OpenCV 中称梯度稀释为 contrastThresopencv人员技能hold，DoG 对边际的呼应较高，因而也需要去除边际。 为工龄越长退休金越多吗windows10此，运用了类似于 Harr梯度的几何意义is 角点检测windows是什么意思器的概念。 他们运用 2×2 Hessian 矩阵 (H) 来核算主曲率。 咱们从 Harris 角点检测器中得知，对角点法于边际梯度，一个特征值大于另一个特征值。 所以梯度下降法原理在这儿他windows系opencv是软件还是库统们运用了一个简单的函数，假如这个比率大于一个阈值，在 OpenCV 中称为 edgeThreshold，那么这个要害点就会被丢掉opencv是软件还是库。 它在论文上以 10 的方式给出。 所以它消除了任何低对比度的要害点和边际要害点，剩余的是激烈的兴趣点。

C. 方向分宫颈癌配

现在为每个关梯度怎样求键点分配一个方向，以完成图画旋转的不变性。 依据标准在要害点方位周围取一个邻域，并在该区角点域核算梯度巨细和方向。 创立一opencv是什么个具有 36 个 bin 掩盖 360 度的方向直方图（它梯度洗脱由梯度起伏和高斯加权圆形窗口加权， 等于要害点标准的 1.5 倍）。梯度下降 任何高于直方图中的最高峰 80% 的峰也被认为是核算方向。 它创立具有相同方位和份额但方Windopencv是什么ows向不同的要害点。opencv人员技能 它有助于匹配的安稳枸杞性。

D.windows10 要害点工龄越长退休金越多吗描述符

现在创立了要害点描述符。opencv安装 取角点要害点周围的 16×16 邻域。 它分为 16 个 4×4 巨细opencv和yolo的差异的工龄差一年工资差多少子块。 对于每个子块，创立 8windows7旗舰版 个梯度下降法 bin 方向直方图。 因而共有 128 个 bin 值可用。 它被表明为一个向量以形宫颈癌成龚俊要害点描述符。 除此之外，还采纳opencv和yolo的差异了一些措施来完成对光照变化、旋转等的鲁棒性。

E. 要害点匹配

通薪酬超越5000怎样扣税过识别它们最近的街坊来匹配两个图画之间的要害点。 但在某些情况下，第二个最挨近的匹配或许十分挨近第一个。 这或许工龄越长退休金越多吗opencv教程是因为噪音或其他一些原因而产生的。 在这种情况下，采用最近间隔与次近间隔的比率。 假如大于 0.8，则抑制。 依据论文，它消除了大约 90% 的过错匹配，而仅丢windows系统掉了 5% 的正确匹配。

这是SIFT算法的总结。 有关更多详细信息和了解，激烈建议阅览原始论文。

2. OpenCV中的特征匹配

现在让咱们看看 OpenCV 中可用的 SIFT 功能。 请注意，这opencv装置教梯度程些以前仅在 opencv梯度公式 contrib repo 中可用，但专利于 2020 年到期。因而它们现在Windows包含在主 repo 中。 让咱们从要害点检测开端并制作它们。 首要，咱们有必要结构一个 SIF公司让职工下角点检测班发手机电量截图T 对工龄越长退休金越多吗象。 咱们能够将不同的参数传公司让员工下班发手机电量截图递给它，这些参数是可选的，它们在文档中有很好的解释。

  • 将要害点制作在灰度图画上： cv.drawKeypoints( i工龄越长退休金越多吗mage, keypopencv是什么oints, oopencv装置utImage[, color[, flags]] ) -> outImage
img = cv.imread('lena.png')
gray= cv.cvtColor(img,cv.COLOR_BGR2GRAY)
sift = cv.SIFT_create()
kp = sift.detect(gray,None)
cv.drawKeypoints(gray,kp,img)
# gray = cv.merge([gray,gray,gray])
# compare([gray,img])

array([[[162, 162, 162],
        [162, 162, 162],
        [162, 162, 162],
        ...,
        [170, 170, 170],
        [155, 155, 155],
        [128, 128, 128]],
       [[162, 162, 162],
        [162, 162, 162],
        [162, 162, 162],
        ...,
        [170, 170, 170],
        [155, 155, 155],
        [128, 128, 128]],
       [[162, 162, 162],
        [162, 162, 162],
        [162, 162, 162],
        ...,
        [170, 170, 170],
        [155, 155, 155],
        [128, 128, 128]],
       ...,
       [[ 43,  43,  43],
        [ 43,  43,  43],
        [ 50,  50,  50],
        ...,
        [104, 104, 104],
        [100, 100, 100],
        [ 98,  98,  98]],
       [[ 44,  44,  44],
        [ 44,  44,  44],
        [ 55,  55,  55],
        ...,
        [104, 104, 104],
        [105, 105, 105],
        [108, 108, 108]],
       [[ 44,  44,  44],
        [ 44,  44,  44],
        [ 55,  55,  55],
        ...,
        [104, 104, 104],
        [105, 105, 105],
        [108, 108, 108]]], dtype=uint8)

OpenCV Tutorials 16 - Shi-Tomasi角点检测 & SIFT

siftgoogle.detect() 函数找到图画中的要害点windows怎么激活。 假如您只想搜索图画的一部windows是什么意思分，则能够传入掩码。 每个要害点都是一个特别角点的结构，它具有许多特点，例工龄差一年薪酬差多少如它的 (x,y) 坐标、有意义的邻域的巨细、指定其方向的角度、指定要害点强度的呼应等。

OpenCV 还工商银行供给了 cv.drawKeyPoints() 函数，它在要害点的方位上制作小圆圈。 假如您将标志 cv.DRAW_MATCHES_FLAGwindows怎样激活S_DRAW_梯度怎么求RICH_KEYopencv概括提取POINTS 传递给它，它将制作一个要害点巨细的圆，甚至会显示其opencv是软件还是库方向。 请参见下面的示例：

cv.drawKeypoints(gray,kp,img,flags=cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
gray = cv.merge([gray,gray,gray])
compare([gray, img])

OpenCV Tutorials 16 - Shi-Tomasi角点检测 & SIFT

现在要核算描述符，OpenCV 供给了两种办法。 因为您现已找到了工商银行要害点，您能够调用 sift.compute() 从咱们找到的要害点核算描述符。 例如：kp,des = sift.compute(gray,kp) 假如没有找到要害点，直接运用函数 sift.detectAndComputopencv概括提取e() 一步找到要害点和描述符。

img = cv.imread('lena.png')
gray= cv.cvtColor(img,cv.COLOR_BGR2GRAY)
sift = cv.SIFT_create()
kp, des = sift.detectAndCompute(gray,None)
res = img.copy()
cv.drawKeypoints(img,kp,res)
compare([img,res])

这儿工龄差一年工资差多少 kp 将是一个要害点列表，而 des 是一工资超过5000怎么扣税个形状为（要梯度下降害点数）128角点检测 的梯度下降法 numpy 数组。 所以咱们得到了要害点、描述符等。现在咱们想看看怎么匹配不同图画中的要害点。 咱们windows许可证行将过期怎样办将在接下来的章节中学习。

OpenCV Tutorials 16 - Shi-Tomasi角点检测 & SIFT