機器視覺

1.這篇介紹SURF檢測blob的函數。

函數/Functions

函數名稱：detectSURFFeatures

功能：利用The Speeded-Up Robust Features(SURF)算法檢測blob特征

語法：points = detectSURFFeatures(I);

points = detectSURFFeatures(I,Name,Value);

其中，其中，I為2-D灰度圖像，points為返回的SURF檢測算法檢測到的blob，Name必須為用單引號對包含的如下字符串名稱，Vaule為對應Name的值

Name&Value參數

Name	Value
‘MetricThreshold‘	默認值為1000.0，取值較小時，返回更多檢測到的blob
‘NumOctaves‘	默認值為3，範圍為>=1的整數，表示所使用高斯濾波器的序列，越小時，所使用的高斯濾波器的序列的窗口大小越小，能夠檢測到的Blob的尺度越小，典型值為1-4
‘NumScaleLevels‘	默認值為4，範圍為>= 3的整數，表示對應NumOctaves取值的高斯濾波器的個數，典型值為3-6
‘ROI‘	默認為[1,1,size(I,1),size(1)]，表示進行角點檢測的圖像區域

Octave&FilterSize

Octave	FilterSize
1	9x9,15x15,21x21,27x27,...（相差為6）
2	15x15,27x27,39x39,51x51,...（相差為12）
3	27x27,51x51,75x75,99x99,...（相差為24）
4	...（相差為48）

~~ surf的matlab程序如下

clc
%讀取圖像
I1= imread(‘info_surf01.jpg‘);
I1=imresize(I1,0.6); %imresize 將原來的圖像縮小原來的一般
I1=rgb2gray(I1); %把RGB圖像變成灰度圖像
%figure
%imshow(I1)
I2= imread(‘info_surf03.jpg‘);
I2=imresize(I2,0.6);
I2=rgb2gray(I2);
%figure

%imshow(I2)

%尋找特征點
points1 = detectSURFFeatures(I1,‘MetricThreshold‘,100); %讀取特征點
points2 = detectSURFFeatures(I2,‘MetricThreshold‘,100);

%Extract the features.計算描述向量
[f1, vpts1] = extractFeatures(I1, points1);
[f2, vpts2] = extractFeatures(I2, points2);

%Retrieve the locations of matched points. The SURF feature vectors are already normalized.
%進行匹配
indexPairs = matchFeatures(f1, f2, ‘Prenormalized‘, true) ;
matched_pts1 = vpts1(indexPairs(:, 1)); %這個地方應該是對他進行取值吧 這個應該是啊吧他們做成一個數組
matched_pts2 = vpts2(indexPairs(:, 2));
%顯示匹配
figure(‘name‘,‘匹配後的圖像‘); showMatchedFeatures(I1,I2,matched_pts1,matched_pts2,‘montage‘); %總共找了39個特征點
legend(‘matched points 1‘,‘matched points 2‘);

立體匹配的幾個算法使用