第二章 局部图像描述子
2.1 角点
角点:沿任意方向移动,均有明显灰度变化。
将图像窗口平移[u,v]产生灰度变化E(u,v)
w(x,y)为窗口函数,I(x+u,y+v)为平移后图像灰度,I(x,y)为图像灰度
如何求解I(x+u,y+v),以及E(u,v)?
于是对局部微小移动量[u,v],可以近似得到下面的表达:
其中M是2×2矩阵,可由图像的导数求得:
窗口移动导致图像变化量:实对称矩阵M的特征值分析
记M特征值为λ1,λ2
Ix,Iy为对应方向上的梯度
物理意义: 通过M的两个特征值大小对图像点进行分类
- 如果窗口内部颜色纹理接近(平坦区域),Ix,Iy值总体较小,在所有方向上移动均无明显灰度变化。
- 如果窗口内部在边角位置,图像块中部横线Iy值较大,Ix值较小,在y方向上移动有明显灰度变化,x方向没有。
- 如果窗口内部在边角位置,图像块中部竖线Ix值较大,Iy值较小,在x方向上移动有明显灰度变化,y方向没有。
R = detM - k(traceM)²
detM = λ1λ2
traceM = λ1+λ2
- R只与M的特征值有关
- 角点:R为大数值正数
- 边缘:R为大数值负数
- 平坦区:R为小数值
总结:角点计算流程
- 对角点响应函数R进行阈值处理:R>threshold
- 提取R的局部最大值
有时为了消除参数k的印象,也可以采用商来计算响应: