Moravec角点检测算子
Moravec角点检测算子
Moravec 在1981年提出Moravec角点检测算子[1],并将它应用于立体匹配。
首先, 计算每个像素点的兴趣值, 即以该像素点为中心, 取一个w*w(如:5x5)的方形窗口, 计算0度、45度、90度、135度四个方向灰度差的平方和, 取其中的最小值作为该像素点的兴趣值。
图1- 1 以3x3为例 黑色窗口为I(x,y) 红色窗口为I(x+u,y+v)
其中四种移位 (u,v) = (1,0), (1,1), (0,1), (-1, 1).w(x,y)为方形二值窗口,若像素点在窗口内,则取值为1, 否则为0。
其次,根据实际图像设定一个阈值, 遍历图像以兴趣值大于该阈值的点为候选点。
最后, 选一个一定大小的滑动窗口 , 让该窗口遍历灰度图象, 在此过程中取窗口中兴趣值最大的候选点为特征点, 算法结束。
图1- 2 Moravec角点检测算子对简单图像的响应
Moravec角点检测算子对斜边缘的响应很强,因为只考虑了每隔45度的方向变化,而没有在全部的方向上进行考虑;同时由于窗口函数是一个二值函数,不管像素点离中心点的距离,赋于一样的权重,因此对噪声响应也较强。最终对角点的定位也不是很准确.
[1] Moravec, H. 1981. Rover visual obstacle avoidance. In International Joint Conference on Artificial Intelligence, Vancouver, Canada,pp. 785–790.
opencv代码:
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdio.h>
#include <stdlib.h>
#define M_YUZHI 400
using namespace cv;
using namespace std;void interestValue(int *a,int &v);//a为5*5窗口数组,v为最小值作为兴趣点
void getmax(int *m_a,int &m_max,int &m_num);//m_a为滑动窗口数组,m_max为寻找的滑动窗口内最大值,m_num为最大值在数组中位置.
int main(int argc,char **argv)
{Mat mat_src=imread(argv[1],0);Mat mat_c;cvtColor(mat_src,mat_c,CV_GRAY2BGR);int width=mat_src.cols;int height=mat_src.rows;int *temp=new int[width*height];int a[25];//5*5的模板int b[49];//7*7的模板int i,j;for(i=0;i<height;i++){for(j=0;j<width;j++){if(i<2||i>height-3||j<2||j>width-3)//处理边界,设置为0{temp[i*width+j]=0;}else {a[0]=mat_src.at<uchar>(i-2,j-2);a[1]=mat_src.at<uchar>(i-2,j-1);a[2]=mat_src.at<uchar>(i-2,j);a[3]=mat_src.at<uchar>(i-2,j+1);a[4]=mat_src.at<uchar>(i-2,j+2);a[5]=mat_src.at<uchar>(i-1,j-2);a[6]=mat_src.at<uchar>(i-1,j-1);a[7]=mat_src.at<uchar>(i-1,j);a[8]=mat_src.at<uchar>(i-1,j+1);a[9]=mat_src.at<uchar>(i-1,j+2);a[10]=mat_src.at<uchar>(i,j-2);a[11]=mat_src.at<uchar>(i,j-1);a[12]=mat_src.at<uchar>(i,j);a[13]=mat_src.at<uchar>(i,j+1);a[14]=mat_src.at<uchar>(i,j+2);a[15]=mat_src.at<uchar>(i+1,j-2);a[16]=mat_src.at<uchar>(i+1,j-1);a[17]=mat_src.at<uchar>(i+1,j);a[18]=mat_src.at<uchar>(i+1,j+1);a[19]=mat_src.at<uchar>(i+1,j+2);a[20]=mat_src.at<uchar>(i+2,j-2);a[21]=mat_src.at<uchar>(i+2,j-1);a[22]=mat_src.at<uchar>(i+2,j);a[23]=mat_src.at<uchar>(i+2,j+1);a[24]=mat_src.at<uchar>(i+2,j+2);interestValue(a,temp[i*width+j]);}}}int m_w1=width/7;//滑动窗口宽int m_w2=width%7;int m_h1=height/7;int m_h2=height%7;int m_r=0;int m_c=0;for(i=0;i<m_h1;i++){for(j=0;j<m_w1;j++){for(int k=0;k<7;k++){b[7*k]=temp[i*width*7+j*7+k*width];b[7*k+1]=temp[i*width*7+j*7+1+k*width];b[7*k+2]=temp[i*width*7+j*7+2+k*width];b[7*k+3]=temp[i*width*7+j*7+3+k*width];b[7*k+4]=temp[i*width*7+j*7+4+k*width];b[7*k+5]=temp[i*width*7+j*7+5+k*width];b[7*k+6]=temp[i*width*7+j*7+6+k*width];}int m_tempnum=0;//获取滑动区域的最大值int m_num=0;//位置getmax(b,m_tempnum,m_num); if(m_tempnum>M_YUZHI){m_r=m_num/7;m_c=m_num%7;m_r=7*i+m_r;m_c=7*j+m_c;circle(mat_c,Point(m_c,m_r),2,Scalar(0,0,255),1,8);}}}imshow("mat_c",mat_c);waitKey();
}void interestValue(int *a,int &v)//得到5*5区域模板的兴趣值
{int v1,v2,v3,v4;//v1是水平方向,v2是135度方向,v3是垂直方向,v4是45度方向v1=v2=v3=v4=0;v1=(a[11]-a[10])*(a[11]-a[10])+(a[12]-a[11])*(a[12]-a[11])+(a[13]-a[12])*(a[13]-a[12])+(a[14]-a[13])*(a[14]-a[13]);v2=(a[6]-a[0])*(a[6]-a[0])+(a[12]-a[6])*(a[12]-a[6])+(a[18]-a[12])*(a[18]-a[12])+(a[24]-a[18])*(a[24]-a[18]);v3=(a[7]-a[2])*(a[7]-a[2])+(a[12]-a[7])*(a[12]-a[7])+(a[17]-a[12])*(a[17]-a[12])+(a[22]-a[17])*(a[22]-a[17]);v4=(a[8]-a[4])*(a[8]-a[4])+(a[12]-a[8])*(a[12]-a[8])+(a[16]-a[12])*(a[16]-a[12])+(a[20]-a[16])*(a[20]-a[16]);v=v1;if(v>v2)v=v2;if(v>v3)v=v3;if(v>v4)v=v4;
}
void getmax(int *m_a, int &m_max,int &m_num) //得到7*7区域的候选特征值
{m_max=m_a[0];for(int i=1;i<49;i++){if(m_max<m_a[i]){m_max=m_a[i];m_num=i;}}}
转载于:https://www.cnblogs.com/raby/p/5886715.html
Moravec角点检测算子相关推荐
- 角点检测--基于梯度的方法(Moravec角点检测、Harris角点检测、Shi-Tomasi角点检测)
Moravec Detector Moravec角点检测是第一个提出兴趣点(interest points)的Paper.它的主要思想是:以每个像素为中心,有一个固定的滑动窗口.该方法计算并在八个方向 ...
- 1、Moravec角点检测算法
一.相关原理 Moravec是最早的角点检测算法之一,它将角点定义为具有低"自相关性"的点.针对图像的每个像素,算法将像素周边的一个邻域作为一个patch,并检测这个patch和周 ...
- moravec 角点检测
#include <opencv2/opencv.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv ...
- 模式识别与图像处理课程实验一:图像处理实验(颜色算子实验、Susan、Harris角点检测实验、 sobel边缘算子检测实验)
模式识别与图像处理课程实验一:图像处理实验-->> 颜色算子实验.Susan.Harris角点检测实验. sobel边缘算子检测实验 一. 实验内容 二. 颜色算子实验 2.1. 提取红色 ...
- opencv角点检测学习总结
学习opencv 角点检测 如果一个点在两个正交方向上都有明显的导数,则我们认为此点更倾向于是独一无二的,所以许多可跟踪的特征点都是角点. 一下为角点检测中用到的一些函数 cvGoodFeatures ...
- 【机器视觉学习笔记】Harris 角点检测算法(C++)
目录 原理 算法步骤 优缺点 源码 效果 原图 输出 平台:Windows 10 20H2 Visual Studio 2015 OpenCV 4.5.3 本文摘自2.Harris角点检测算法 -- ...
- 图像局部特征(二)--Harris角点检测子
一.角点定义 有定义角点的几段话: 1.角点检测(Corner Detection)是计算机视觉系统中用来获得图像特征的一种方法,广泛应用于运动检测.图像匹配.视频跟踪.三维建模和目标识别等领域 ...
- Harris角点及Shi-Tomasi角点检测
一.角点定义 有定义角点的几段话: 1.角点检测(Corner Detection)是计算机视觉系统中用来获得图像特征的一种方法,广泛应用于运动检测.图像匹配.视频跟踪.三维建模和目标识别等领域中.也 ...
- 角点检测的几种基本方法
角点检测(Corner Detection)是计算机视觉系统中用来获得图像特征的一种方法,广泛应用于运动检测.图像匹配.视频跟踪.三维建模和目标识别等领域中.也称为特征点检测. 角点通常被定义为两条边 ...
最新文章
- FastJson 转换 javaBean 时 null 值被忽略都问题
- C++运算符重载形式--成员函数or友元函数?
- linux 下 select 函数的用法
- VTK:图片之ImageText
- 【渝粤教育】广东开放大学 个人与团队管理 形成性考核 (57)
- SAGAN(G-lab介绍)
- python3的配置文件类单例实现_单例模式的几种实现方式及对比
- Java同步数据结构之ConcurrentLinkedDeque
- 博途wincc 与 sql 连接操作(博途V14 wincc advanced)
- PHP基础知识系统复习
- 当系统中存在多个浏览器,如何设置IE为自己的默认浏览器
- 小程序PHP字体,微信小程序在text文本实现多种字体样式
- 利用CSS改变图片颜色的100种方法!
- 网红奶茶品牌茶颜悦色,开业仅半小时就停业,黄牛价200元一杯
- vue实现鼠标拖拽div滚动效果-vue-dragscroll(整理)
- 硬件学习_差模与共模
- 洛谷P2327 [SCOI2005]扫雷 题解
- 字符集编码 定长与变长
- 背后的力量 | 搭建新型IT基础架构 华云数据助力妇幼保健院提升数字化医院建设水平
- 计算机图像技术及其应用,计算机图像处理技术及其应用领域