OpenCV学习笔记（六）【图像特征：harris角点检测、SIFT】

最新推荐文章于 2025-05-26 10:05:21 发布
最新推荐文章于 2025-05-26 10:05:21 发布
阅读量757 收藏 1
点赞数
CC 4.0 BY-SA版权
分类专栏： Note OpenCV 文章标签： opencv 计算机视觉 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/ftimes/article/details/105312281
本文深入探讨图像特征检测技术，包括Harris角点检测、尺度不变特征变换（SIFT），以及特征匹配方法如蛮力匹配和随机抽样一致算法（RANSAC）。通过泰勒展开和海森矩阵等数学工具，解析图像在不同尺度下的特性，实现图像特征的稳定检测与匹配。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、图像特征-harris角点检测

在这里插入图片描述
运用了泰勒展开与椭圆函数的一些东西。

二、Scale Invariant Feature Transform（SIFT）尺度不变特征变换

  • 图像尺度空间
    在一定的范围内，无论物体是大还是小，人眼都可以分辨出来，然而计算机要有相同的能力却很难，所以要让机器能够对物体在不同尺度下有一个统一的认知，就需要考虑图像在不同的尺度下都存在的特点。

尺度空间的获取通常使用高斯模糊来实现

包含了海森矩阵，高差分金字塔，多分辨率金字塔，DoG空间极值检测等相关知识

泰勒展开：
在这里插入图片描述

三、特征匹配

Brute-Force蛮力匹配、1对1的匹配、k对最佳匹配

随机抽样一致算法（Random sample consensus，RANSAC）

opencv学习笔记二十九：SIFT特征点检测与匹配
qq_24946843的博客
09-11 1万+
SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果，详细解析如下：   算法描述   SIFT特征不只具有尺度不变性，即使改变旋转角度，图像亮...
OpenCv学习笔记9--Harris角点检测
小熊猫的博客
11-23 536
此opencv系列博客只是为了记录本人对<<opencv3计算机视觉-pyhton语言实现>>的学习笔记,所有代码在我的github主页https://github.com/RenDong3/OpenCV_Notes. 欢迎star,不定时更新... OpenCV可以检测图像的主要特征，然后提取这些特征、使其成为图像描述符，这类似于人的眼睛和大脑。这些图像特征可作为图像...
计算机视觉--局部图像描述子：Harris角点检测算法、SIFT(尺度不变特征变换)
qq_54708796的博客
03-30 3708
目录 @[TOC] # 一、Harris角点检测算法 ## 1.1角点是什么
OpenCV入门学习笔记之Harris角点检测与SIFT特征匹配算法
热门推荐
Miracle8070
04-05 1万+
1. 写在前面 这篇文章整理两个图像处理中非常重要的算法，一个是Harris角点检测算法，另一个是SIFT特征匹配算法，这两个算法本质上还是去找图像里面的关键特征点，帮助我们后续更好的理解图像以及做各种各样的分析。 由于这两个算法涉及到的数学原理会比较多，而我刚入门，所以只是从使用的角度，简单的描述到底在做什么事情，至于详细的数学细节或者推导，这里不过多整理，以掉包能完成任务为首要目的啦。 首先，先介绍Harris角点检测算法，角点在图像中是很重要的特征，信息含量很高，那么如何找到一个图像里面的角点呢？
使用OpenCV和Java实现高效特征点检测和匹配
最新发布
weixin_32005771的博客
05-26 1094
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。它由一系列C函数和C++类构成，提供了大量计算机视觉领域的算法。OpenCV拥有跨平台的特点，支持多种操作系统，如Windows、Linux、Mac OS、Android和iOS等，使得开发者可以在各种平台上编写代码并运行。OpenCV库包含了众多计算机视觉的算法，如特征检测、图像分割、物体识别、机器学习、摄像机标定等。
【懒懒的计算机视觉笔记之SIFT角点检测】
LanLan的博客
01-15 2211
SIFT（尺度不变特征变换）是过去十多年来最成功的图像局部描述子，SIFT算子具有很强的稳健性，目前SIFT算子通常和其他兴趣点检测器一起结合使用。
Opencv第十七章 进阶篇之图像特征-Harris角点检测
m0_54396639的博客
09-27 362
我们之所以在进行图像分析的过程中要进行检测脚点，是因为角点更具有特性 下面我们先向大家介绍一下Harris所需要用到的函数 cv2.cornerHarris() img:数据类型为float32的输入图像 blcokSize：角点检测中指定区域的大小 ksize：Sobel求导中使用的窗口大小 k：取值参数为[0,04,0.06] 之后我们向大家展示一下相关的代码块 img = cv2.imread('E:\Anaconda\Anaconda3.8\JJiaodian.jpg') print('i
计算机视觉OpenCV Harris角点检测和sift算法
a1111111111ss的博客
05-07 337
Harris角点检测和sift算法 数学原理参考 https://mp.weixin.qq.com/s?__biz=MzI1ODEzMDQ3OQ==&mid=2247483887&idx=1&sn=de2eafd31ae3a4065480dacf8e0668e3&scene=19&token=1038729941&lang=zh_CN#wechat_...
CV笔记|图像处理：Harris特征点检测器——兴趣点检测
weixin_45720850的博客
06-23 1382
CV笔记|图像处理：Harris特征点检测器——兴趣点检测1 基础知识1.1 特征点检测1.2 角点1.3 图像梯度2 Harris角点检测基本原理3 基于OpenCV的实现3.1 代码示例3.2 运行结果4 Harris角点的性质4.1 参数kkk对角点检测的影响4.2 Harris角点检测算子对亮度和对比度的变化不敏感（光照不变性）4.3 Harris角点检测算子具有旋转不变性导出与导入，导出，5 参考文献 1 基础知识 1.1 特征点检测 在拼图游戏中，我们一般从有明显特征的碎片入手，因为区分度比较高
小白的树莓派Tensorflow opencv 学习笔记（八）
01-06
之前想用TensorFlow + OpenCV做目标检测，但是最后因为TF2.0资料属实不多所以夭折了，不过OpenCV还是非常值得学习的。 特征检测算法 OpenCV中比较常用的特征检测和提取算法： Harris：用于角点检测 SIFT：用于斑点...
【OpenCV学习笔记 018】SIFT特征提取分析和DoG角点检测
DaveBobo的博客
12-22 8229
SIFT特征提取分析
FAST检测角点+SIFT特征描述符描述角点（MATLAB）
09-05
FAST算法原理：若某像素与其周围邻域内足够多的像素点相差较大，则该点可能是角点。用FAST算法检测角点，代替差分高斯金字塔取极值检测角点的方法，速度块；接着用SIFT特征描述符描述角点，省略尺度空间值，只用原图像中角点邻域的梯度值和方向计算角点主方向，接着计算32个方向向量来描述角点。之和可用于特征点匹配。
基于对应点对匹配的SIFT特征和Harris角点检测比较
10-17
A Comparison of SIFT and Harris Conner Features for Correspondence Points Matching
harris和sift特征提取匹配
03-16
计算机视觉 局部图像描述子python实现harris角点检测，特征匹配，sift特征检测和匹配，可以直接运行，内附VLFeat工具包sift
SIFT角点检测与匹配
10-29
基于opencv2.46 +VS2010环境下的SIFT角点检测与匹配程序，下载直接可以运行。
图像处理案例三之（2）SIFT特征点检测.docx
12-04
SIFT概述p200 在前面我们学习了角点检测技术，比如Harris等。它们具有旋转不变特性，即使图片发生了旋转，我们也能找到同样的角点，很明显即使图像发生旋转之后角点还是角点。但是如果我们对图像进行缩放，那么角点就可能不再是角点了。所以基于这个问题，尺度不变特征变换（SIFT）出现了，这个算法可以帮助我们提取图像中的关键点并计算它们的描述符。 • 尺度空间极值检测 • 关键点精准定位与过滤 • 关键点方向指派 • 描述子生成 1. 尺度空间极值检测： （由Harris的弊端）我们知道在不同的尺度空间不能使用相同的窗口检测极值点。对于小的角点要用小的窗口。对于大的角点只能使用大的窗口。为了达到这个目的我们需要使用尺度空间滤波器（由一些列具有不同方差sigma的高斯卷积核构成）。 使用具有不同方差值sigma的高斯拉普拉斯算子（LoG）对图像进行卷积，LoG由于具有不同的方差值sigma所以可以用来检测不同大小的斑点，简单来说方差sigma就是一个尺度变换因子，使用一个小方差sigma的高斯卷积核可以很好地检测出小的角点，而是用大方差sigma的高斯卷积核可以很好打的检测出大的角点。 我们可以在尺度空间和二维平面中检测到局部最大值，如（x,y,sigma），这表示sigma尺度中（x,y）点可能是一个关键点。但是这个LoG的计算量非常大，所以SIFT算法使用高斯差分算子（DoG）来对LoG做近似。 DoG是下图这组具有不同分辨率的图像金字塔中相邻的两层之间的差值。 在DoG搞定之后，就可以在不同的尺度空间和2D平面中搜索局部最大值了。对于图像中的一个像素点而言，它需要与自己周围的8个点和上下层18个点相比，如果是局部最大值，它就可能是一个关键点。基本上关键点就是图像在相应尺度空间中的最好代表。如下图所示： 该算法中默认尺度空间为5，经过DoG算法得到4层。所以该算法的作者在文章中给出了SIFT参数的经验值：octave =4。 2. 关键点（极值点）定位---删边界点，去掉低灰度值点 kp 我们通过contrastThreshold阈值来将关键点修正以得到更正确的结果。作者使用尺度空间的泰勒级数展开来获得极值的准确位置，若极值点的灰度值小于阈值（0.03）就会被忽略掉。 DoG算法对边界非常敏感，所以我们必须要把边界去除。我们知道Harris算法除了可以用于角点检测之外还可以用于检测边界。作者就是使用了同样的思路。作者用了Hessian矩阵计算主曲率。从Harris角点检测的算法中，我们知道当一个特征值远远大于另一个特征值检测到的是边界。所以他们使用了一个简单的函数，如果比例高于阈值（opencv中称为边界阈值），这个关键点就会被忽略。文章中给出的边界阈值为10.。 3. 为关键点（极值点）指定方向参数 ，描述符生成： des1 现在我们要为每一个关键点赋予一个反向参数，这样它才会具有旋转不变性。 获取关键点（所在尺度空间）的邻域，然后计算这个区域的梯度级和方向，根据计算得到的结果来创建一个方向直方图，其中直方图的峰值为主方向参数，如果其它的任何柱子的高度高于峰值的80%，则被认为是辅方向。 新的关键点描述被创建了。选取与关键点周围一个16*16的邻域，把它分成16个4*4的小方块，为每个小方块创建一个具有8个bin的方向直方图。总共加起来有128个bin，由此组成了128的向量就构成了关键点的描述符。 而代码sift = cv.xfeatures2d.create_SIFT() kp,des=sift.detectAndCompute(gray,None)这两句话的原理就是1-3 4. 关键点匹配 采用关键点特征向量的欧式距离作为两幅图像中关键点的相似性判定度量。取第一个图的某个关键点，通过遍历找到第二幅图像中的距离最近的那个关键点。cv.BFMatcher,match()就是这个原理，1对1特征点，即返回最佳匹配。 而在有些情况下，第二个距离最近的关键点与第一个距离最近的关键点靠的太近，这可能是由于噪声等引起的，此时要计算最近距离与第二近距离的比值，如果比值大于0.8，就会忽略掉。而cv.BFMatcher.knnMatch就是基于这个原理 cv.BFMatcher.knnMatch可以指定每个关键点返回k个最佳匹配，这里不妨令k=2。 源码： img1 = cv.imread("E:/opencv/picture/test1.jpg") img2 = cv.imread("E:/opencv/picture/test2.jpg") gray1 = cv.cvtCo
opencv_角点检测
朝闻雨的博客
09-23 578
如果某一点在任意方向的微小扰动都会产生很大的灰度变化，则这个点称为角点。 Harris角点检测： void cornerHarris( InputArray src,//一般为灰度图像 OutputArray dst,//输出图像，和源图像具有一样的类型和尺寸 int blockSize,//表示邻域大小 int ksize,//Sobel()算子的孔径大小 ...
OpenCV中的SIFT特征检测与匹配
金戈鐡馬
03-06 1389
SIFT特征和SURF特征比较比较项目SIFTSURF尺度空间极值检测使用高斯滤波器，根据不同尺度的高斯差(DOG)图像寻找局部极值使用方形滤波器，利用海森矩阵的行列式值检测极值，并利用积分图加速运算关键点定位通过邻近信息插补来定位与SIFT类似方向定位通过计算关键点局部邻域的方向直方图，寻找直方图中最大值的方向作为关键点的主方向通过计算特征点周围像素点x,y方向的哈尔小波变换，将x、y方向小波变换的和向量的最大值作为特征点方向特征描述子。
SURF、SIFT、Fast角点检测的代码(opencv)
smilebluesky的专栏
05-24 3684
一、SURF#include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/nonfree/features2d.hpp> using namespace cv; int main() { Mat image=imread("CarType...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值