图像局部特征（十七）--DenseFeature

原文：

http://blog.csdn.net/zhaocj/article/details/45198965

DenseFeatureDetector可以生成具有一定密度和规律分布的图像特征点，它主要用于3D VIZ。

DenseFeatureDetector的原理是，把输入图像分割成大小相等的网格，每一个网格提取一个像素作为特征点。类似于图像尺度金字塔，该方法也可以生成不同层图像的特征点，每一层图像所分割的网格大小是不同的，即表示各层的尺度不同。

下面我们就来分析它的源码。

DenseFeatureDetector类的构造函数：

[cpp] view plain copy print?

DenseFeatureDetector::DenseFeatureDetector( float _initFeatureScale, int _featureScaleLevels,
float _featureScaleMul, int _initXyStep,
int _initImgBound, bool _varyXyStepWithScale,
bool _varyImgBoundWithScale ) :
initFeatureScale(_initFeatureScale), featureScaleLevels(_featureScaleLevels),
featureScaleMul(_featureScaleMul), initXyStep(_initXyStep), initImgBound(_initImgBound),
varyXyStepWithScale(_varyXyStepWithScale), varyImgBoundWithScale(_varyImgBoundWithScale)
{}

DenseFeatureDetector::DenseFeatureDetector( float _initFeatureScale, int _featureScaleLevels,float _featureScaleMul, int _initXyStep,int _initImgBound, bool _varyXyStepWithScale,bool _varyImgBoundWithScale ) :initFeatureScale(_initFeatureScale), featureScaleLevels(_featureScaleLevels),featureScaleMul(_featureScaleMul), initXyStep(_initXyStep), initImgBound(_initImgBound),varyXyStepWithScale(_varyXyStepWithScale), varyImgBoundWithScale(_varyImgBoundWithScale)
{}

initFeatureScale表示初始图像层特征点的尺度，默认为1

featureScaleLevels表示需要构建多少层图像，默认为1

featureScaleMul表示各层图像之间参数的比例系数，该系数等于相邻两层图像之间的网格宽度之比，尺度之比，以及预留边界宽度之比，默认为0.1

initXyStep表示初始图像层的网格宽度，默认为6

initImgBound表示初始图像层的预留边界宽度，默认为0

varyXyStepWithScale表示各层图像是否进行网格宽度的调整，如果为false，则表示各层图像网格宽度都是initXyStep，如果为true，则表示各层图像网格宽度不等，它们之间的比例系数为featureScaleMul，默认为true

varyImgBoundWithScale表示各层图像是否进行预留边界宽度的调整，如果为false，则表示各层图像预留边界宽度都是initImgBound，如果为true，则表示各层图像预留边界宽度不等，它们之间的比例系数为featureScaleMul，默认为false

下面是检测特征点函数detectImpl：

[cpp] view plain copy print?

void DenseFeatureDetector::detectImpl( const Mat& image, vector<KeyPoint>& keypoints, const Mat& mask ) const
{
// curScale表示当前层图像特征点的尺度
float curScale = static_cast<float>(initFeatureScale);
//curStep表示当前层图像的网格宽度
int curStep = initXyStep;
//curBound表示当前层图像的预留边界宽度
int curBound = initImgBound;
//遍历各层图像
for( int curLevel = 0; curLevel < featureScaleLevels; curLevel++ )
{
//遍历当前层图像的所有网格，图像四周的预留边界处是没有网格的，横、纵坐标的步长就是网格的宽度
for( int x = curBound; x < image.cols - curBound; x += curStep )
{
for( int y = curBound; y < image.rows - curBound; y += curStep )
{
//把网格的左上角坐标处的像素作为该网格的特征点，并保存
keypoints.push_back( KeyPoint(static_cast<float>(x), static_cast<float>(y), curScale) );
}
}
//调整下一层图像特征点的尺度
curScale = static_cast<float>(curScale * featureScaleMul);
//如果varyXyStepWithScale为true，则调整下一层图像的网格宽度
if( varyXyStepWithScale ) curStep = static_cast<int>( curStep * featureScaleMul + 0.5f );
//如果varyImgBoundWithScale为true，则调整下一层图像的预留边界宽度
if( varyImgBoundWithScale ) curBound = static_cast<int>( curBound * featureScaleMul + 0.5f );
}
//掩码矩阵的特征点处理
KeyPointsFilter::runByPixelsMask( keypoints, mask );
}

void DenseFeatureDetector::detectImpl( const Mat& image, vector<KeyPoint>& keypoints, const Mat& mask ) const
{// curScale表示当前层图像特征点的尺度float curScale = static_cast<float>(initFeatureScale);//curStep表示当前层图像的网格宽度int curStep = initXyStep;//curBound表示当前层图像的预留边界宽度int curBound = initImgBound;//遍历各层图像for( int curLevel = 0; curLevel < featureScaleLevels; curLevel++ ){//遍历当前层图像的所有网格，图像四周的预留边界处是没有网格的，横、纵坐标的步长就是网格的宽度for( int x = curBound; x < image.cols - curBound; x += curStep ){for( int y = curBound; y < image.rows - curBound; y += curStep ){//把网格的左上角坐标处的像素作为该网格的特征点，并保存keypoints.push_back( KeyPoint(static_cast<float>(x), static_cast<float>(y), curScale) );}}//调整下一层图像特征点的尺度curScale = static_cast<float>(curScale * featureScaleMul);//如果varyXyStepWithScale为true，则调整下一层图像的网格宽度if( varyXyStepWithScale ) curStep = static_cast<int>( curStep * featureScaleMul + 0.5f );//如果varyImgBoundWithScale为true，则调整下一层图像的预留边界宽度if( varyImgBoundWithScale ) curBound = static_cast<int>( curBound * featureScaleMul + 0.5f );}//掩码矩阵的特征点处理KeyPointsFilter::runByPixelsMask( keypoints, mask );
}

下面给出一个具体的应用实例：

[cpp] view plain copy print?

#include "opencv2/core/core.hpp"
#include "highgui.h"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/nonfree/nonfree.hpp"
using namespace cv;
//using namespace std;
int main(int argc, char** argv)
{
Mat img = imread("box_in_scene.png"), img1;;
cvtColor( img, img1, CV_BGR2GRAY );
DenseFeatureDetector dense;
vector<KeyPoint> key_points;
Mat output_img;
dense.detect(img1,key_points,Mat());
drawKeypoints(img, key_points, output_img, Scalar::all(-1), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
namedWindow("DENSE");
imshow("DENSE", output_img);
waitKey(0);
return 0;
}

图像局部特征（十七）--DenseFeature相关推荐

一文读懂图像局部特征点检测算法
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自|新机器视觉研究图像特征检测已经有一段时间了,图像特征检 ...
图像局部特征（二十）--Textons
转自:http://blog.csdn.net/jzwong/article/details/51815134 标题对应着一篇paper,链接在这里:http://idm.pku.edu.cn/sta ...
图像局部特征（十八）--BOW
原文: http://blog.sina.com.cn/s/blog_4cb0b54301014hxu.html Bag of Word, 顾名思义,即将某些Word打包,就像我们经常会把类似的物品装 ...
图像局部特征（一）--概述
本文根据下面这篇文章,做下简单修改. 原文: http://www.cnblogs.com/ronny/p/4260167.html 研究图像特征检测已经有一段时间了,图像特征检测的方法很多,又加上各 ...
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 ...
图像局部特征（八）--斑点检测子SIFT/SURF区别总结
原文: http://blog.csdn.net/cy513/article/details/4414352 http://blog.csdn.net/jwh_bupt/article/details ...
图像局部特征（六）--斑点检测之SIFT算法原理总结补充
原文: http://www.cnblogs.com/cfantaisie/archive/2011/06/14/2080917.html 主要步骤 1).尺度空间的生成: 2).检测 ...
图像局部特征（五）--斑点检测之SIFT算法原理总结
尺度不变特征变换匹配算法详解 Scale Invariant Feature Transform(SIFT) Just For Fun zdd zddmail@gmail.com 对于初学者, ...
图像局部特征点检测算法综述
研究图像特征检测已经有一段时间了,图像特征检测的方法很多,又加上各种算法的变形,所以难以在短时间内全面的了解,只是对主流的特征检测算法的原理进行了学习.总体来说,图像特征可以包括颜色特征.纹理特等.形 ...

图像局部特征（十七）--DenseFeature

图像局部特征（十七）--DenseFeature相关推荐

最新文章

热门文章