6

我正在处理生物信息学的任务，需要从一些细胞图像中提取一些特征。

如图所示，我使用 SIFT 算法提取图像内部的关键点。

在此处输入图像描述

正如您在图片中看到的（以红色圈出），一些关键点是异常值，我不想计算它们的任何特征。

我cv::KeyPoint使用以下代码获得了向量：

const cv::Mat input = cv::imread("/tmp/image.jpg", 0); //Load as grayscale

cv::SiftFeatureDetector detector;
std::vector<cv::KeyPoint> keypoints;
detector.detect(input, keypoints);

但我想从vector所有那些关键点中丢弃，例如，在图像中以它们为中心的某个感兴趣区域 (ROI) 内的关键点少于 3 个。

因此，我需要实现一个函数，返回作为输入给出的某个 ROI 内的关键点数：

int function_returning_number_of_key_points_in_ROI( cv::KeyPoint, ROI );
   //I have not specified ROI on purpose...check question 3

我有三个问题：

  1. 是否有任何现有的功能做类似的事情？
  2. 如果不能，你能给我一些帮助来理解如何自己实现它吗？
  3. 你会为这个任务使用圆形还是矩形 ROI？你会如何在输入中指定它？

笔记：

我忘了指定我想要一个有效的函数实现，即检查每个关键点的所有其他点相对于它的相对位置不是一个好的解决方案（如果存在另一种方法）。

4

1 回答 1

8

我决定采用统计路线，但如果您看到多个单元格，这可能行不通。

我的解决方案相当简单：

  1. 计算关键点位置
  2. 找到关键点空间位置的质心
  3. 计算所有点到质心的欧几里得距离
  4. 过滤原始关键点distance < mu + 2*sigma

这是我使用此算法得到的图像（关键点 == 绿色，质心 == 红色）：

在此处输入图像描述

最后，这是我如何做到的代码示例：

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/features2d/features2d.hpp>

#include <iostream>
#include <vector>

using namespace cv;
using namespace std;

void distanceFromCentroid(const vector<Point2f>& points, Point2f centroid, vector<double>& distances)
{
    vector<Point2f>::const_iterator point;
    for(point = points.begin(); point != points.end(); ++point)
    {
        double distance = std::sqrt((point->x - centroid.x)*(point->x - centroid.x) + (point->y - centroid.y)*(point->y - centroid.y));
        distances.push_back(distance);
    }
}

int main(int argc, char* argv[])
{
    Mat input = imread("cell.jpg", 0); //Load as grayscale

    SiftFeatureDetector detector;
    vector<cv::KeyPoint> keypoints;
    detector.detect(input, keypoints);

    vector<Point2f> points;
    vector<KeyPoint>::iterator keypoint;
    for(keypoint = keypoints.begin(); keypoint != keypoints.end(); ++keypoint)
    {
        points.push_back(keypoint->pt);
    }

    Moments m = moments(points, true);
    Point2f centroid(m.m10 / m.m00, m.m01 / m.m00);

    vector<double> distances;
    distanceFromCentroid(points, centroid, distances);

    Scalar mu, sigma;
    meanStdDev(distances, mu, sigma);

    cout << mu.val[0] << ", " << sigma.val[0] << endl;

    vector<KeyPoint> filtered;
    vector<double>::iterator distance;
    for(size_t i = 0; i < distances.size(); ++i)
    {
        if(distances[i] < (mu.val[0] + 2.0*sigma.val[0]))
        {
            filtered.push_back(keypoints[i]);
        }
    }

    Mat out = input.clone();
    drawKeypoints(input, filtered, out, Scalar(0, 255, 0));

    circle(out, centroid, 7, Scalar(0, 0, 255), 1);

    imshow("kpts", out);
    waitKey();

    imwrite("statFilter.png", out);

    return 0;
}

希望有帮助！

于 2012-06-08T14:17:35.840 回答