圖像的特征：圖像角點特征

大多數(shù)人都玩過拼圖游戲。首先拿到完整圖像的碎片，然后把這些碎片以正確的方式排列起來從而重建這幅圖像。如果把拼圖游戲的原理寫成計算機程序，那計算機就也會玩拼圖游戲了。

在拼圖時，我們要尋找一些唯一的特征，這些特征要適于被跟蹤，容易被比較。我們在一副圖像中搜索這樣的特征，找到它們，而且也能在其他圖像中找到這些特征，然后再把它們拼接到一起。我們的這些能力都是天生的。

那這些特征是什么呢?我們希望這些特征也能被計算機理解。

如果我們深入的觀察一些圖像并搜索不同的區(qū)域，以下圖為例：

在圖像的上方給出了六個小圖。找到這些小圖在原始圖像中的位置。你能找到多少正確結(jié)果呢?

A 和 B 是平面，而且它們的圖像中很多地方都存在。很難找到這些小圖的準確位置。

C 和 D 也很簡單。它們是建筑的邊緣?？梢哉业剿鼈兊慕莆恢?，但是準確位置還是很難找到。這是因為：沿著邊緣，所有的地方都一樣。所以邊緣是比平面更好的特征，但是還不夠好。

最后 E 和 F 是建筑的一些角點。它們能很容易的被找到。因為在角點的地方，無論你向哪個方向移動小圖，結(jié)果都會有很大的不同。所以可以把它們當 成一個好的特征。為了更好的理解這個概念我們再舉個更簡單的例子。

如上圖所示，藍色框中的區(qū)域是一個平面很難被找到和跟蹤。無論向哪個方向移動藍色框，都是一樣的。對于黑色框中的區(qū)域，它是一個邊緣。如果沿垂直方向移動，它會改變。但是如果沿水平方向移動就不會改變。而紅色框中的角點，無論你向那個方向移動，得到的結(jié)果都不同，這說明它是唯一的。 所以，我們說角點是一個好的圖像特征，也就回答了前面的問題。

角點是圖像很重要的特征,對圖像圖形的理解和分析有很重要的作用。角點在三維場景重建運動估計，目標跟蹤、目標識別、圖像配準與匹配等計算機視覺領(lǐng)域起著非常重要的作用。在現(xiàn)實世界中，角點對應(yīng)于物體的拐角，道路的十字路口、丁字路口等

那我們怎樣找到這些角點呢?接下來我們使用OpenCV 中的各種算法來查找圖像的特征，并對它們進行描述。

猜你喜歡：

人工智能之個性化推薦之路

深度相機是什么？深度相機常見技術(shù)

如何解決分類中解決類別不平衡問題？

語言模型-BERT：bert算法介紹

傳智教育人工智能培訓(xùn)課程