Harris corner在尺度上存在问题,上一篇视频中提出的思路是自动的选择尺度,可能就解决了尺度不变性这个问题(找到一个尺度来定义这个点是不是Feature Point)。
自动选尺度如何操作?逐步调节窗口大小,找出一个比较适当的窗口,然后得出这是Feature Point的结论,然后留下这个点。
这个图不清晰,但是看视频应该可以理解。横轴是window size,纵轴是Harris的响应。
上面的图片说明了自动找合适window size是可行的。不过估计运算量很大吧?
那解决上述问题经典的办法是?构造图像金字塔,将图像放缩到不同尺度,在不同尺度上使用固定window size来做计算。主要是加速
这样就达到了自动变换window size的目的。
其他找角点的方法
- 先对高斯函数求拉普拉斯得到的结果作为filter,在对图像做图像滤波,得到的滤波响应值找最大值,也可以作为提取角点的一种方法。(LoG)
- 用两个高斯函数,协方差不同的两个高斯函数直接求Difference,这是对LoG的近似,但是求解速度较快。(DoG)
不同尺度响应不同,不管你是DoG或LoG或Harris。
现在平面上找最大响应,再在尺度空间上找响应最大的。H—L Harris Lapus。
Feature detector实验结果。
window size 的确定对描述子的计算比较重要。
接下来讲了Fast的角点检测,我在其他博客上有写过。
就是一个字——快!