文档介绍:surf算法特征点提取
data =read_png_u8_gray 读出灰度图
记做I(x,y),图像像素函数
预处理:图像积分
squareConvolutionXY返回积分值
*
surf算法原理总结
*
构建Hessian矩阵
Hessian矩阵描述函数的局部曲率
记 f(x,y)在 M点处的黑塞矩阵为 H(M)
H(M)是正定矩阵,M处是一个局部的极小值
H(M)是负定矩阵,M处是一个局部的极大值
H(M)是不定矩阵,M处不是极值
*
surf算法原理总结
*
特征点尺度无关性
其中Lxx(x, σ)是高斯滤波后图像g(σ)的在x方向的二阶导数
*
surf算法原理总结
*
图像的二阶导数
一维离散情况
1维拉普拉斯运算可以通过1维卷积核[1,-2,1]实现
二维离散情况
f(x)=g(I(x)), I(x)为图像的灰度值
*
surf算法原理总结
*
Hessian矩阵判别式
Dxx是盒子模板与图像卷积,近似代替Lxx
代码中
hessian(x,y)= (Dxx*Dyy-*(Dxy*Dxy))
*
surf算法原理总结
*
参数说明
OCTAVE:尺度scale,图片尺寸,子八度,金字塔
INTERVAL:模糊程度,高斯模板的大小
模板不断增大
*
surf算法原理总结
*
next octave 是由 first octave 降采样得到
*
surf算法原理总结
*
*
surf算法原理总结
*
尺度空间生成
4个octave层,不同octave中图片尺寸大小不同
每个octave层中4个INTERVAL图片,同一octave层中图片尺寸相同
尺度(模糊程度)不同,用的高斯模板尺度不同
*
surf算法原理总结
*
尺度空间生成
第一个子八度的scale为原图大小
后面每个octave为上一个octave降采样的结果
即原图的1/4(长宽分别减半)
构成下一个子八度(高一层金字塔)
*
surf算法原理总结
*