首页 > 代码库 > 使用nodeitk进行角点检测
使用nodeitk进行角点检测
前言
东莞,晴,33至27度。今天天气真好,学生陆续离开学校。忙完学生答辩事情,终于可以更新一下nodeitk。本文继续介绍node的特征识别相关内容,你会看到,采用nodeitk实现角点检测是一件十分简单的事情。
本文你将学到使用nodeitk进行角点检测:
1. 特征包含有哪些?为什么它们这么重要
2. 使用函数cornerHarris,利用Harris-Stephens方法检测角点
理论
什么是特征?
1. 在机器视觉中,通常我们在一个环境下的不同帧查找匹配点。为什么?这是因为如果我们知道两张图之间的相关性,我们就可以从两张图中提取它们包含的信息
2. 当我们说匹配点时,一般意义是指我们可以很容易在场景中识别的特征。
3. 那么什么是特征呢?
a) 它必须是独有的可以识别的特性。
图像特征的类型
大概有:
1. 边缘
2. 角点(也称为感兴趣点)
3. 斑点(Blobs,也称为感兴趣区域)
在本文,我们将专门谈谈角点特征
为什么角点那么特别?
因为,它是两相交边的位置,代表两条边方向改变的位置。因此,角点往往是图像梯度(两个方向)急剧变化的位置。
算法描述
当我们寻找角点,因为角点表示图像在梯度的变化,因此我们可以等价于寻找这“变化”
假设是一个灰度图像I。我们使用一个窗口做卷积(u为x方向位移,v为右方向位移):
其中
1. 是在位置的窗口
2. 是在位置的灰度
3. 是移动窗口处的灰度
因为我们希望找到灰度在窗口处存在较大的差异,以此找到角点的窗口位置。因此,我们最大化上述等式,令项:
使泰勒展式:
展开等式并化简:
使用矩阵形式表示:
令
那么等式可以表示为:
对于每个窗口,采用下面评价函数以确定窗口是否包含角点
这里
1.
2.
当一个窗口的R值大于阈值时,被认为是角点
源代码:
var node_itk = require('./node-itk'); var thresh = 200; var max_thresh = 255; var source_window = "Source image"; var corners_window = "Corners detected"; var src = http://www.mamicode.com/node_itk.cv.imread( "./images/lena.jpg", 1 );>运行结果
小结
nodeitk实现角点检测是一件十分容易的事情,在后面我们将深入介绍相关特征识别的内容,当前特征识别模块已经开发完毕。待续。