Понимание концепции Удаление ребер

Question

Это простая концепция по удалению ребер для алгоритма сита, но это трудно понять ... если кто-нибудь может объяснить это с помощью образов я был бы благодарен ..

" ... идея заключается в том, чтобы вычислить два градиентов в характерной точке Оба перпендикулярно друг друг на основе изображения вокруг характерной точки, существуют три возможностей изображение вокруг характерной точки может быть:

плоской область
Если это в этом случае оба градиента будут небольшими.

Ребро
Здесь, один градиент будет большим (перпендикулярно к краю), а другой будет небольшим (по краю)

«угол» A
Здесь оба градиенты будут большой.

Углы - отличные ключевые точки. Поэтому нам нужны только углы. Если оба градиента достаточно велики, мы позволяем ему проходить как ключевой момент. В противном случае он отклоняется ».

Answer 1

Как тег SIFT указывает, что вопрос/выдержка связан с локальными функциями изображения, которые используются в компьютерном видении. Как алгоритм, который вы изучаете, удаляет края, не покрывается выдержкой. отобразить края изображений можно использовать Canny Edge Detector on Wikipedia Вашего отрывка в основном объясняет, как углов обнаруживаются в черно-белом изображении, что является полезным для обнаружения особенности

мотивации заключается в следующем:..

• Натуральные изображения содержат много сложной визуальной информации. Объекты, которые вы хотите обнаружить на разных изображениях, можно вращать, деформировать, закупоривать, просматривать в разных условиях освещения и т. Д. И т. Д. Это затрудняет задачу.
• Идея справиться с этим заключается в том, чтобы идентифицировать меньшие части объекта и повторно обнаружить их через изображения. Если достаточно большое подмножество этих частей происходит в другом изображении, и если они геометрически согласованы, вы можете утверждать, что объект частично виден на другом изображении.
• Теперь, если вы зацикливаете изображение с помощью скользящего окна с прямоугольником, вам нужно решить, содержит ли этот патч достаточную визуальную информацию, чтобы он мог быть повторно обнаружен на другом изображении. Это открытая проблема. Смотрите также Interest Point Detection on Wikipedia

Мы пытаемся упростить проблему на низком уровне и стараемся избегать концептуальных ошибок, используя теоретические примеры.

• В качестве упрощения игнорируйте цвет, таким образом, у нас есть изображение в градациях серого.
• Патч только белого пикселя, безусловно, не однозначно идентифицируется на белой стене. Масштабирование, вращение, просто все, кроме цвета, неоднозначно. Это «плоский регион» из вашей выдержки.
• Предположим, есть прямая черная линия с толщиной одного пикселя в этом локальном патче. Теперь у вас есть немного меньше двусмысленности.Если, например, вы найдете на другом изображении прямую черную линию толщиной 2 пикселя, это может быть одна и та же линия, а масштабный коэффициент будет равен 2. Однако, где начинается линия и где она заканчивается? Это, в общем, называется «край».
• Черный крест из горизонтальной и вертикальной линий, однако, будет легко идентифицировать без каких-либо двусмысленностей, где крест «начинается» и «кончается».
• Аналогичным образом, «угол», то есть две линии конца в точке, является хорошей функцией для обнаружения.

Таким образом, утверждение «Уголки - отличные ключевые точки». Тем не менее, есть также «капли» и «хребты» (Types of image features on Wikipedia). image gradient operator - это функция, которая может выделять угловые области изображения.

• Подумайте о градиенте как о различии между двумя пикселями. Для вертикальной линии вы получаете пик в горизонтальном направлении (высокая разница). Для горизонтальной линии вы получаете пик в вертикальном направлении.
• Теперь, если вы примените этот оператор градиента к каждому пикселю в патче и построите из него гистограмму, то применяются три случая, упомянутые в отрывке.
• Поскольку патч может поворачиваться, вы обычно должны сначала проанализировать histogram of oriented gradients, чтобы найти основное направление в качестве направления ключевой точки. А затем посмотрите, есть ли второй орк в ортогональном направлении.