特徵檢測算法和其他疑問有什麼特徵

Question

我正在通過特徵檢測算法，很多事情似乎還不清楚。原始紙張對於圖像處理中的初學者來說非常複雜。如果這些問題得到解答，我們將很高興

1. SURF和SIFT檢測到哪些功能？
2. 是否有必要對這些灰度圖像進行計算？
3. 術語「描述符」用簡單的詞語表示。
4. 一般情況下，選擇/提取多少功能？是否有這樣的標準？
5. Hessian矩陣的大小是什麼決定的？
6. 被檢測的特徵的大小是多少？據說特徵的大小是斑點的大小。因此，如果圖像的大小是M * N，那麼將有M * N個特徵？

這些問題可能顯得太微不足道，但請幫助..

Answer 1

我會盡量給一個直觀的回答大家的一些問題，我不知道你所有。

（沒有指定你正在閱讀的紙張）

哪些功能，以及如何許多功能正在被SURF 檢測和SIFT？

通常功能是圖像中您選擇小塊的任何部分。你可以在所有方向上移動一小段距離。如果你發現你選擇的環境與周圍環境有很大的差異，那麼它就被認爲是一個功能。假設您將相機移動一點以拍攝圖像，您仍然會檢測到此功能。這是他們的重要性。通常這種功能的最佳示例是corners。即使邊緣不是很好的特徵。當你沿着邊線移動你的方塊時，你沒有發現任何變化，對吧？

查看此圖片以瞭解我所說的內容，只有在角落處移動補丁時纔會有相當大的變化，而在其他兩種情況下，您將不會獲得太多補償。

圖片鏈接：http://www.mathworks.in/help/images/analyzing-images.html

很好的解釋在這裏給出：http://aishack.in/tutorials/features-what-are-they/

這個基本思想和你所提到的使這更強大的幾個變化的算法和解決許多問題。 （你可以參考他們的論文了解更多細節）

是否有必要對灰度圖像進行計算？

我這麼認爲。無論如何，OpenCV在灰度圖像上工作

術語「描述符」在簡單的詞中是什麼意思？

假設您在一幅圖像中找到了特徵，比如說建築物的圖像。現在，您從另一個不同的方向拍攝了另一幅相同建築物的圖像。您還可以在第二張圖片中找到功能。但你怎麼能匹配這些功能。說圖像1中的特徵1與圖像2中的哪些特徵匹配？ （作爲一個人，你可以輕鬆做到，對吧？第一幅圖像中的建築物的這個角落與第二幅圖像中的這個角落相對應，很簡單）。

功能只是給你的像素位置。您需要更多關於該點的信息才能與其他人匹配。所以你必須describe的功能。這個描述被稱爲「描述符」。爲了描述這些特性，算法就在那裏，你可以看到它的SIFT紙。

檢查這個環節也：http://aishack.in/tutorials/sift-scale-invariant-feature-transform-introduction/

一般情況下，有多少功能選擇/提取是否有一個標準 是什麼？

在處理過程中，您可以看到應用不同的閾值，刪除弱關鍵點等。它是計劃的一部分。你需要理解算法來理解這些事情。是的，您可以指定這些閾值和其他參數（在OpenCV中），或者您可以將其保留爲默認值。如果您檢查SIFT in OpenCV docs，你可以看到函數參數指定的功能數量，倍頻層數，邊緣閾值等

什麼是Hessian矩陣的大小決定？

我並不確切地知道，只是它是關鍵點檢測器的閾值。檢查OpenCV文檔：http://docs.opencv.org/modules/nonfree/doc/feature_detection.html#double%20hessianThreshold