图像特征检测算法——Fast&ORB

OpenCV学习——Fast和ORB算法

Fast算法

原理：取图像中的监测点，以该店为圆心的周围邻域内像素点判断是否为角点。（如果一个像素周围有一定数量的像素与该点像素值不同，则认为该点是角点）

基本流程：

1. 遍历图像中所有像素点p，判断是否是关键点。I为p点灰度值。
2. 以r为半径画圆，覆盖p点周围的M个像素（一般r = 3， M = 16）。
3. 设置阈值t，如果M个像素中有n个连续像素点的灰度值都该与“ I + t ”，或者低于“ I + t”则认为p是交点。
4. 非特征点判别方法：首先对候选点周围90°的点进行测试，如果p是角点，那么这4ge90°的点中至少有3个符合要求，否则剔除。

缺点：

• 获得的候选点多
• 特征点选取不是最优
• 进行非特征点判别时大量的点被丢弃

前三个可以利用机器学习进行解决

• 检测到很多的特征点都是相邻的

最后一个可以利用非极大值抑制进行解决

非极大值抑制

将p点与周围16个点进行求差取模累加，将获得时值V与16个候选交点进行比较，将V值较小的候选角点进行剔除

API

# 实例化
fastv = cv.FastFeatureDetector_create(threshold, nonmasSuppression)
# threshold：阈值，默认为10
# nonmasSuppression：是否进行极大值抑制，默认为True
# 返回一个FastFeatureFetector对象

kp = fast.detect(grayImg, None)
# grayImy:灰度图像
# kp：关键点信息（位置、尺度、方向信息）

# 关键点绘制
cv.drawKeyPoints(img, keypoint, outputImg, color, flags)
# img：绘制图像
# keypoint：关键点
# outputImg：输出图像
# color：绘制颜色
# flag：绘制标识

代码实现：

import cv2 as cv

# 读取图像，转换成灰度图
img = cv.imread('img/25.png')
gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

# Fast检测
fast = cv.FastFeatureDetector_create(threshold=30)

# 检测guanjiandian
kp = fast.detect(img, None)

# 绘制检测结果
cv.drawKeypoints(img, kp, img, color=(0, 0, 255))
cv.imshow("Max-Img", img)
cv.waitKey(0)

# 关闭非极大值抑制
fast.setNonmaxSuppression(0)
kp = fast.detect(img, None)
img1 = cv.drawKeypoints(img, kp, img, color=(0, 0, 255))

cv.imshow("NoMax-Img", img1)
cv.waitKey(0)

非极大值抑制处理：

没有经过非极大值处理：(给我看出密集恐惧症了都)

ORB算法 = FAST算法 + Brief算法

Brief算法

算法步骤

1. 图像过滤：原始图像存在噪声时，会对结果产生影响，需要对图像进行滤波和降噪处理。
2. 选取点对：以特征点为中心，取S*S的邻域窗口，在窗口内随机选取N组点对（128、256、512），默认是256，如果选取随机点对，如下：
   1. x、y方向平均分布采样
   2. x、y服从Guass（0，S^2/25）各向同性
   3. x服从Guass（0，S^{2/25），y服从Guass（0，S}2/100）采样
   4. x、y从网络中随机获取
   5. x一直在（0，0），y在网络中随机选取
3. 构建描述符：假设x、y时某个点对的两个端点，p(x)，p(y)时两点对应像素，则有：

​ 对每一个点对进行上述的二进制赋值，行程BRIEF的关键点的描述特征向量（一般为128-512位的字符串，其中仅包含1和0）

API

# 实例化
orb = cv.xfeature2d.orb_create(nfeature)
# nfeature: 特征点的最大数量

# 检测关键点并计算
kp, des = orb.detectAndCompute(gray, None)
# gray:输入的灰度图像
# kp:关键点信息（位置、方向、尺度）
# des:关键点描述符，每个关键点BRIEF特征向量，二进制字符串

# 关键点绘制
cv.drawKeyPoints(img, keypoint, outputImg, color, flags)
# img：绘制图像
# keypoint：关键点
# outputImg：输出图像
# color：绘制颜色
# flag：绘制标识

代码测试

import cv2 as cv

# 读取图像，转换成灰度图
img = cv.imread('img/25.png')
gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

# ORB检测,1000个关键点数量
orb = cv.ORB_create(nfeatures=1000)

# 检测guanjiandian
kp, des = orb.detectAndCompute(img, None)

# 绘制检测结果
img1 = cv.drawKeypoints(img, kp, img, color=(0, 0, 255), flags=0)
cv.imshow("ORB-Img", img1)
cv.waitKey(0)