0

我一直在使用OpenCV 网站上的代码来检测对象。我是 OpenCV 和图像处理的初学者，一直在尝试了解 SURF 的工作原理。我有一些疑问。

1.我一直使用彩色图像进行检测，目前效果不错。有人推荐使用灰度图像，会不会提高算法的性能？

2.在代码中，只用距离小于3*mindist的匹配进行过滤有什么意义？

for( int i = 0; i < descriptors_object.rows; i++ )
{ if( matches[i].distance < 3*min_dist )
     { good_matches.push_back( matches[i]); }
}

3.虽然在高照度图像中检测是稳健的（我使用900作为粗麻布值），但在低光照条件下相同的图像不会以相同的粗麻布值检测到，有没有办法用相同的粗麻布值来做这两者两种情况下的参考图像相同吗？ cv::equalizeHist() 有用吗？如果有用，有人可以建议我与 SURF 检测代码集成的方法吗？

4.返回matches的DMatch结构有一个参数叫distance，它返回描述符之间的距离。这是什么意思？返回的距离有单位吗？

5.我也想知道在时间复杂度、尺度和旋转不变性方面是否有比SURF更好的描述符用于物体检测。

提前感谢您的时间和回复。

4

1 回答 1

0

  1. SURF 适用于灰度图像。

  2. 有很多错误的随机匹配（因为如果您在 img1 中有 100 个特征，那么您将始终有 100 个匹配）并且过滤它们是个好主意。但更好的是检查相对距离 -在 SURF 中使用欧几里得距离是如何完成的）

  3. 是的，它可以使用。您只需使用修改后的图像而不是原始图像。由于暗区的像素强度低和对比度低，您检测到的特征数量很少，这会降低检测器响应。当应用于暗图像时，直方图均衡会增加对比度，从而增加低于阈值的局部最大值的数量。

    简历::垫img1，img1histEq；cv::equalizeHist(img1,img1histEq);

  4. SURF 可以看作是 128 维向量。距离是某个空间中两个这样的向量之间的距离，通常是欧几里得 - 对应向量元素之间的平方差之和。也可以使用其他度量，例如 L1，但欧几里得是最常用于 SURF。

  5. SIFT 在不变性方面表现更好，但慢了 3 倍。您可以在此处和此处找到不同描述符的比较。目前尚不清楚“对象检测”是什么意思。你具体需要做什么？
于 2013-11-07T22:13:02.640 回答