图像拼接学习笔记——基础

我前面的帖子有写ubuntu和windows下opencv环境搭建

---

特征检测

1.特征点最好是选择角点（Harris）

2.什么是角点？①在特征中最重要的是角点；②灰度梯度的最大值对应的像素；③两条线的角点；④极值点（一阶导数最大值，二阶导数为0）

Harris角点检测

 ①光滑地区，平坦且没有参照物，衡量系数不变；②边沿地区，延马路走中心点不变，横穿马路中心点变化，衡量系数变化剧烈；③在交点处，衡量系数都变化剧烈。

API：dst = cv2.cornerHarris(img,dst,blockSize,ksize,k)

角点检测的是灰度图：gray = cv2.cvtColor(img,cv2.BG2GRAY)

Shi-Tomasi角点检测

①是Harris角点检测的改进；②Harris角点检测的稳定性和k值有关，而k是个经验值

goodFeaturesToTrack(img,maxCorners,...)

maxCorners：角点的最大值，0表示无限制

qualityLevel：小于1.0的正数，一般为0.01~0.1

minDistance：角之间最小欧式距离，忽略小于此距离的点

mask：感兴趣的区域

blockSize：检测窗口

useHarrisDetector：是否使用Harris算法

k：默认0.04

SIFT(Scale-Invariant Feature Transform，尺度不变特征变换)

Harris角点具有旋转不变的特性；但缩放后，原来的角点可能就不是角点了

kp=sift.detect(img, ...)

drawKeypoints(gray,kp,img)

计算SIFT描述子

关键点：位置，大小和方向

关键点描述子：记录了关键点周围对其有