MSER+SIFT 图像的特征向量提取

在做图像检索时，需要提取图像的特征向量。传统的局部特征描述子如SIFT、SURF等，如果不做别的处理，往往会得到大量的特征向量，虽然特征向量的数目越多，对图像的描述越精确，检索的准确率较高，但是这也会增加硬件成本同时也会耗费大量的计算时间。

从博主的试验结果来看，单张图384×256大小，提取出的SIFT平均有200个，如果直接和库中的数据进行相似度计算，大概要1分钟的时间。对于时间要求很高的产业，这是不能接受的。所以，在不进行压缩图像损失信息的前提下，大大减少SIFT的数目是很有必要，也是很有价值的。

在查阅了大量的资料后，博主发现在做keypoint的compute之前，用MSER 检测出的keypoint代替SIFT检测出的keypoint，可以大大减少SIFT 的数目。对MSER 有疑问的，可以在找几篇相关的博客看一看，不是很复杂。

简单的说一下MSER（最大稳定值检测），基于分水岭的概念，对图像进行二值化，阈值范围[0,255]，然后不断变化阈值，变化量可以自己设置，二值图像就会经历一个从全黑0到全白255的过程，就像水位不断上升时陆地和海平面的俯瞰图。在这个过程中，有些连通区域面积随着阈值的变化量很小或基本不变，这些区域就叫MSER 。关于MSER的算法细节和具体实现就不在这说了，有兴趣的可以自己研究一下。

当用MSER检测出keypoint之后，就可以利用SIFT的方式计算这些keypoint的描述子了。

import cv2
import numpy as np
import skimage.io as io
import matplotlib.pyplot as plt
filename="/home/mysj/文档/testpicture"
str=filename+"/*.jpg"
mat=io.ImageCollection(str)
img=mat[0]
##创建一个MSER检测器，并检测图像的MSER区域
##kpkp保存检测到的keypoint
mser=cv2.MSER_create()
regions,boxes=mser.detectRegions(img)
kpkp=mser.detect(img)
print len(mser.detect(img))
##用红框框出检测到的MSER区域，boxes保存这些区域的左上角的坐标和区域的宽和高
for i in range(len(boxes)):x,y,w,h=boxes[i]cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
#创建一个SIFT特征提取器
siftt=cv2.xfeatures2d.SIFT_create()print len(regions)
print len(boxes)
kp=siftt.detect(img,None)
##计算kpkp的局部描述子
des=siftt.compute(img,kpkp)
print len(des[0])
##在图像上画出这些keypoint
cv2.drawKeypoints(img,kpkp,mat[0])
plt.imshow(mat[0])

SIFT-SIFT方式提取的特征点有243个，MSER-SIFT提取的特征点有57个，虽然精度会有些下降，但是带来的时间上的提升是很客观的。时间缩短为原来的1/4，相当于原来跑一张的时间现在可以跑4张图。红框是MSER区域。

MSER+SIFT 图像的特征向量提取相关推荐

计算机视觉3.3 ：迁移学习之图像特征向量提取与运用
迁移学习之图像特征向量提取与运用本篇文章将要讨论的是关于计算机视觉中迁移学习的概念,一种能够利用预先训练好的模型,从它之前训练的数据集之外的数据集进行学习的能力. 举个例子来说: 现有A ...
python如何提取图片特征向量_在python中计算图像的特征向量
我正在尝试将二维高斯拟合到图像中.噪声很低,所以我试图旋转图像,使两个主轴不同时变化,算出最大值,然后计算两个维度的标准偏差.选择的武器是Python. . 然而,我一直在寻找图像的特征向量--num ...
HOG和SIFT图像特征提取简述
前言随着深度学习方法的流行,很多人对传统方法一无所知.然而传统方法仍然非常重要,这里介绍两个提取特征的传统方法--HOG和SIFT方法. 本文转载自咪付,仅用于学术分享(编辑:CV 技术指南) 如今 ...
Opencv图像特征点提取(
目录特征点分类 1 ORB ①特征点检测 ②计算特征描述 2 SIFT 1 SIFT特征检测的步骤 ①.在DOG尺度空间中获取极值点,即关键点. ②.特征点方向估计 ③生成特征描述 ④.代码实现 3 ...
图像处理之图像特征及提取
图像处理之图像特征及提取图像处理过程中常用的特征提取方法图像特征: 几何特征(位置与方向.周长.面积.长轴与短轴.距离(欧式距离.曼哈顿距离.切比雪夫距离.余弦距离)): 形状特征(几何形态分析( ...
关于图像特征的提取【转】
特征提取时计算机视觉和图像处理中的一个概念.它指的是计算机提取图像信息,决定每个图像的点是否属于一个图像特征.特征提取的结果是把图像上的点分为不同的子集,这些自己往往属于孤立的点,连续的曲线或者连续的 ...
halcon边缘提取颜色相近_初学者福利！三种用Python从图像数据中提取特征的技术...
全文共4073字,预计学习时长8分钟你之前是否使用过图像数据?也许你想建立自己的物体检测模型,或者仅仅是想统计走进某栋建筑物的人数,使用计算机视觉技术处理图像拥有无穷无尽的可能性. 但数据科学家最近 ...
一起自学SLAM算法：3.4 图像特征点提取
连载文章,长期更新,欢迎关注: 写在前面第1章-ROS入门必备知识第2章-C++编程范式第3章-OpenCV图像处理 3.1 认识图像数据 3.2 图像滤波 3.3 图像变换 3.4 图像特征点 ...
基于灰度共生矩阵(GLCM)的图像纹理分析与提取
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达灰度共生矩阵灰度共生矩阵(Gray Level CO-Occur ...

MSER+SIFT 图像的特征向量提取

MSER+SIFT 图像的特征向量提取相关推荐

最新文章

热门文章