位置: IT常识 - 正文

Susan角点检测python实现 (边缘检测、角点检测、重心计算、非极大值抑制)(角点检测算法)

编辑:rootadmin
Susan角点检测python实现 (边缘检测、角点检测、重心计算、非极大值抑制) Susan角点检测(边缘检测、角点检测、重心计算、非极大值抑制)写在前面

推荐整理分享Susan角点检测python实现 (边缘检测、角点检测、重心计算、非极大值抑制)(角点检测算法),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:角点检测算子,角点检测的应用,susan角点检测算法,角点检测算子,opencv python角点检测,susan角点检测算法,角点检测函数,opencv python角点检测,内容如对您有帮助,希望把文章链接给更多的朋友!

黄宁然——看过你看过的算法,觉得好难。

参考文献镇楼

[1]https://blog.csdn.net/tostq/article/details/49305615 [2]https://blog.csdn.net/qq_45613931/article/details/117819107 [3]陈丽莉《基于SUSAN算法的角点检测》 [4]王栋、朱明《SUSAN角点探测算法分析改进》

问题来源

an***** xue100: https://bbs.csdn.net/topics/*********?spm=1001.2014.3001.**77 1)如何计算USAN区域的重心? 2)非极大值抑制,指的是若模板中心对应的灰度小于模板内的任意像素灰度,就舍弃该像素点吗? 3)几何门限g如何选取? 因“当前发帖距今超过3年,不再开放新的回复”,故新建帖子。迟到的回复。

1、原理简介

SUSAN(Smallest UnivalueSegment Assimilating Nucleus)使用一个圆形模板,通过检测模板中的像素与中心位置像素的偏离程度,来判断中心位置像素是否为边缘或角点。 模板大小:半径为3.5像素,模板内共计有37个像素。 中心思想:如果周边像素与中心位置像素偏差较小,则认为周边像素与中心位置像素相似,中心位置为非边缘;如果周边像素与中心位置偏差较大,则认为中心位置为边缘或角点。

2、基本实现步骤(1)相似判断

(式1) I(r0)为中心位置像素,I( r)为周边位置像素,t像素偏差阈值,c为布尔结果,表示相似或不相似。 关于阈值t:可见,t越大,周边像素越容易与中心位置像素“相似”,越不容易被判定为边缘或角点,即将获得较少的角点。相关文献说,t值影响的是角点检测的数量[1]。

(2)平滑曲线进行相似判断

实际中,使用平滑曲线来求c (式2)

(3)累计相似度

对于圆形模板区域,共计37个像素,周边36个像素与中心位置像素进行对比,可以得到该中心位置的36个c。对这36个c进行累加,得到该中心位置的累计相似度: (式3) 显然,n越大,越不可能是边缘、角点。

(4)初始边缘响应/角点Susan角点检测python实现 (边缘检测、角点检测、重心计算、非极大值抑制)(角点检测算法)

这里,再引入一个阈值g,通过判断n与g的大小,来得到该中心位置属于边缘或角点的可能性。 (式4) 可见,若n大于g,则R为0,表示该中心位置为非边缘(非角点);如果n小于g,R取值为(g-n),含有取负操作。故R值越大,该中心位置为边缘或角点的可能性就越大。

关于阈值g:g的取值越小,对角点检测越挑剔。文献[1]阐述,g影响角点检测的质量。g的取值,文献[1]阐述可以取max(n)的0.75倍;有的程序代码中,直接取值37/2。具体取值,应该需要针对具体场景进行调试。

3、python代码实现3.1 圆形掩模def get_susan_mask(): mask=np.ones((7,7)) mask[0,0]=0;mask[0,1]=0;mask[0,5]=0;mask[0,6]=0; mask[1,0]=0;mask[1,6]=0; mask[5,0]=0;mask[5,6]=0;mask[6,0]=0;mask[6,1]=0; mask[6,5]=0;mask[6,6]=0; return mask

该程序返回的mask如下: 为1的位置,即是圆形模板区域。

3.2 susan角点检测def susan_corner_detect(img_src,t=10): susan_mask = get_susan_mask() img = img_src.copy() row_s,col_s = 3,3 row_e,col_e = img_src.shape[0]-3,img.shape[1]-3 n_max = 0 n_arr=37*np.ones(img.shape) # 初始认为没有角点 for r in range(row_s,row_e):#遍历所有行 for c in range(col_s,col_e):#遍历所有列 susan_zone = img[r-3:r+3+1,c-3:c+3+1]#获取矩形区域 susan_zone = susan_zone[susan_mask!=0]#使用mask截取圆形区域 r0 = img[r,c] similarity = np.exp(-((1.0*susan_zone-r0)/t)**6 ) n=np.sum(similarity) if n>n_max: n_max = n n_arr[r,c] = n g = n_max /2 R = np.zeros(img.shape) index = n_arr<g #小于g,认为是可能的角点,越小,可能性越大 R[index] = g-n_arr[index] # 取反,所以R越大,是角点的可能性越大 plt.figure() plt.title("edge") plt.imshow((6.37 * n_arr).astype(np.uint8), cmap=cm.gray) return R3.3 检测结果

取t=10,g= n_max /2。 主程序中,调用算法:

if __name__ == '__main__': img_src = cv2.imread('susan_input1.png',-1) if len(img_src.shape)==3: img_src = cv2.cvtColor(img_src,cv2.COLOR_BGR2GRAY) corner = susan_corner_detect(img_src) img_show = cv2.cvtColor(img_src, cv2.COLOR_GRAY2BGR) img_show[corner != 0] = (255, 0, 0) plt.figure() plt.title("original corners") plt.imshow(img_show, cmap=cm.gray) plt.show()

4、重心法去除伪角点

从上图的角点检测结果来看,原始角点中存在较多冗余角点,或伪角点。 采用重心法去除。 根据文献1,求取重心 (式5) 上式中,r为位置,实际为(x,y)两轴构成。计算时,先计算x方向重心,再计算y方向重心。对公式的简言之:圆形模板中心位置周边有36个像素,相应的有36个c,在求x方向重心Gx时,将36个位置的x坐标与相应的c相乘后累加,再除以sum( c),即可得到Gx;同理得Gy。另外,对于r0,可假设其位置为(0,0)。 在求得重心后,计算重心与中心位置的距离,根据文献[3]描述,如距离较小,则认为中心位置不是角点。根据文献[4],该距离阈值设置为1.8。本文采用1.5。另,重心法去除伪角点与初始角点的检测,在代码实现时,有些许内容的重复,所以在初始角点检测时,即可同步应用重心法。

4.1重心法代码def gravity_filter(img_src,corner_src,t=10,F=1.5): x_label = np.zeros((7,7)) y_label = np.zeros((7,7)) x_label[:,0]=-3;x_label[:,1]=-2;x_label[:,2]=-1; x_label[:, -1] = 3; x_label[:, -2] = 2; x_label[:, -3] = 1; y_label[0,:]=-3;y_label[1,:]=-2;y_label[2,:]=-1; y_label[4, :] = 1;y_label[5, :] = 2; y_label[6, :] = 3; print(x_label,"\r\n",y_label) #查看矩形区域内x、y轴信息 img = img_src.copy() row_s, col_s = 3, 3 row_e, col_e = img_src.shape[0] - 3, img.shape[1] - 3 corner = corner_src.copy() susan_mask = get_susan_mask() for r in range(row_s,row_e): for c in range(col_s,col_e): if corner[r,c] ==0: #对于不是角点的位置,就没必要进行后续计算了 continue susan_zone = img[r-3:r+3+1,c-3:c+3+1]#获取矩形区域 r0 = img[r,c] similarity = np.exp(-((1.0*susan_zone-r0)/t)**6 ) g_x = np.sum(similarity[susan_mask==1]*x_label[susan_mask==1] )/np.sum(similarity[susan_mask==1])#使用mask截取圆形区域 g_y = np.sum(similarity[susan_mask == 1] * y_label[susan_mask == 1]) / np.sum(similarity[susan_mask == 1])#使用mask截取圆形区域 distance = np.sqrt(g_x**2+g_y**2) if distance<F: corner[r,c] = 0 return corner4.2 主程序调用if __name__ == '__main__': img_src = cv2.imread('susan_input1.png',-1) if len(img_src.shape)==3: img_src = cv2.cvtColor(img_src,cv2.COLOR_BGR2GRAY) corner = susan_corner_detect(img_src) img_show = cv2.cvtColor(img_src, cv2.COLOR_GRAY2BGR) img_show[corner != 0] = (255, 0, 0) plt.figure() plt.title("original corners") plt.imshow(img_show, cmap=cm.gray) cor_g = gravity_filter(img_src, corner) img_show2 = cv2.cvtColor(img_src, cv2.COLOR_GRAY2BGR) img_show2[cor_g != 0] = (255, 0, 0) plt.figure() plt.title("corners-gravity ") plt.imshow(img_show2, cmap=cm.gray)plt.show()4.3 检测结果

与原始角点的局部对比

5、非极大值抑制

非极大值抑制,也可对角点进行剔除。 思想:对于已获取的角点矩阵,使用一3x3的矩形区域进行逐个判断。在3x3的区域中,若中心位置不是最大,则认为该中心位置不是局部极值,即认为该中心位置不是角点,将其抑制。 问题:若3x3区域内,有两个位置的值相等且均为最大,则如何处理?目前,本文2个均保留。 220719更新:该nms代码存在些许不足之处,详见后续的博文,https://blog.csdn.net/xiaohuolong1827/article/details/125859795

5.1 非极大值抑制代码def corner_nms(corner,kernal=3): out = corner.copy() row_s = int(kernal/2) row_e = out.shape[0] - int(kernal/2) col_s,col_e = int(kernal/2),out.shape[1] - int(kernal/2) for r in range(row_s,row_e): for c in range(col_s,col_e): if corner[r,c]==0: #不是可能的角点 continue zone = corner[r-int(kernal/2):r+int(kernal/2)+1,c-int(kernal/2):c+int(kernal/2)+1] index = corner[r,c]<zone (x,y) = np.where(index==True) if len(x)>0 : #说明corner[r,c]不是最大,直接归零将其抑制 out[r,c] = 0 else: out[r,c] = 255 return out5.2 主程序调用if __name__ == '__main__': img_src = cv2.imread('susan_input1.png',-1) if len(img_src.shape)==3: img_src = cv2.cvtColor(img_src,cv2.COLOR_BGR2GRAY) corner = susan_corner_detect(img_src) img_show = cv2.cvtColor(img_src, cv2.COLOR_GRAY2BGR) img_show[corner != 0] = (255, 0, 0) plt.figure() plt.title("original corners") plt.imshow(img_show, cmap=cm.gray) cor_g = gravity_filter(img_src, corner) img_show2 = cv2.cvtColor(img_src, cv2.COLOR_GRAY2BGR) img_show2[cor_g != 0] = (255, 0, 0) plt.figure() plt.title("corners-gravity ") plt.imshow(img_show2, cmap=cm.gray) cor_g_nms = corner_nms(cor_g) img_show3 = cv2.cvtColor(img_src, cv2.COLOR_GRAY2BGR) img_show3[cor_g_nms != 0] = (255, 0, 0) plt.figure() plt.title("corners-gravity-nms ") plt.imshow(img_show3, cmap=cm.gray) plt.show()5.3 检测结果

与重心法处理后的局部对比

6. 源码下载:

https://download.csdn.net/download/xiaohuolong1827/85030525

7. 其他

2022.03.22,黄宁然:“SUSAN,你竟然在看这个,我以前用过,你信不信”。呃,我当然信。

本文链接地址:https://www.jiuchutong.com/zhishi/300502.html 转载请保留说明!

上一篇:〖大前端 - 基础入门三大核心之CSS篇㉒〗- 过渡属性的基本使用(大前端技术架构)

下一篇:语音处理/语音识别基础(六)- 语音的端点检测(EPD/VAD)(语音语言)

  • 荣耀x10如何更换字体(荣耀x10如何更换锁屏壁纸)

    荣耀x10如何更换字体(荣耀x10如何更换锁屏壁纸)

  • 荣耀play4pro屏幕尺寸是多大(荣耀play4pro屏幕刷新率是多少赫兹)

    荣耀play4pro屏幕尺寸是多大(荣耀play4pro屏幕刷新率是多少赫兹)

  • 计算机什么系统包括计算机的所有电子(计算机什么系统和什么系统统称为计算机系统)

    计算机什么系统包括计算机的所有电子(计算机什么系统和什么系统统称为计算机系统)

  • qq群文件修改后别人能看见(qq群文件修改文件名)

    qq群文件修改后别人能看见(qq群文件修改文件名)

  • 网络设置还原到windows初始状态是什么意思(网络设置还原到windows初始状态影响电脑中的文件吗)

    网络设置还原到windows初始状态是什么意思(网络设置还原到windows初始状态影响电脑中的文件吗)

  • 电脑以太网网络电缆被拔出什么意思(电脑以太网网络电缆)

    电脑以太网网络电缆被拔出什么意思(电脑以太网网络电缆)

  • qq电话关麦对方显示吗(qq电话关麦对方能看到吗)

    qq电话关麦对方显示吗(qq电话关麦对方能看到吗)

  • 拍抖音怎么把抖音号隐藏(拍抖音怎么把抖音二字弄掉)

    拍抖音怎么把抖音号隐藏(拍抖音怎么把抖音二字弄掉)

  • 如何解除开发者模式(解除开发者模式)

    如何解除开发者模式(解除开发者模式)

  • vivox27pro微信视频怎么设置美颜(vivox27微信视频)

    vivox27pro微信视频怎么设置美颜(vivox27微信视频)

  • 苹果官方care+是什么意思(apple care+iphone)

    苹果官方care+是什么意思(apple care+iphone)

  • oppoa11怎么截屏长图(oppoa11怎么截屏视频)

    oppoa11怎么截屏长图(oppoa11怎么截屏视频)

  • 抖音作品小三角是啥意思(抖音作品小三角怎么关闭)

    抖音作品小三角是啥意思(抖音作品小三角怎么关闭)

  • word独立设置一节怎么弄(word怎么设置为独立一节)

    word独立设置一节怎么弄(word怎么设置为独立一节)

  • 较大视频怎么传给别人(比较大的视频怎么传给别人)

    较大视频怎么传给别人(比较大的视频怎么传给别人)

  • 苹果怎么把某个app隐藏(苹果怎么把某个软件隐藏起来)

    苹果怎么把某个app隐藏(苹果怎么把某个软件隐藏起来)

  • 计算机存储系统一般指(计算机存储系统的三级结构)

    计算机存储系统一般指(计算机存储系统的三级结构)

  • erp账号是什么意思啊(erp帐号是什么意思)

    erp账号是什么意思啊(erp帐号是什么意思)

  • 美团拼团一定要好友吗(美团拼团一定要认识吗)

    美团拼团一定要好友吗(美团拼团一定要认识吗)

  • 手环对身体有没有伤害(手环对身体有没有影响)

    手环对身体有没有伤害(手环对身体有没有影响)

  • ai键有什么用(ai按键有什么用)

    ai键有什么用(ai按键有什么用)

  • WordPress正在执行例行维护,请一分钟后回来解决方法(wordpress运行缓慢)

    WordPress正在执行例行维护,请一分钟后回来解决方法(wordpress运行缓慢)

  • 工厂道路设计图
  • 水利建设专项基金的税率
  • 个体工商户增值税怎么计算
  • 投资性公司怎么判断?
  • 关联企业的费用包括
  • 横幅属于什么发票范围
  • 流动负债占比低于50%,是什么结构类型
  • 高档化妆品增值税税率是13%
  • 外购入库暂估补差单怎么去除
  • 小规模纳税人季报还是月报?
  • 房屋租赁收入怎么做账
  • 长期投资换入固定资产如何处理
  • 收到的货款与发票数不符,怎么做账
  • 报表中利润为什么税后比税前大?
  • 小规模纳税人税收优惠政策
  • 年薪制离职补偿金
  • 印花税计入股票成本吗
  • 一般纳税人能开3%的专票吗
  • 简易计税可以抵扣销项税吗
  • 主办会计和会计助理的区别
  • 什么叫变动费用
  • 高新企业国家补助收入怎么入账
  • 对方用房子抵债会计怎么记账
  • windows11怎么设置默认应用
  • 文件夹不能打开没有反应
  • 运费用会计分录
  • go进程管理
  • PHP:Memcached::getServerList()的用法_Memcached类
  • 触电了该怎么做
  • PHP:pg_get_result()的用法_PostgreSQL函数
  • php云盘源码
  • PHP:imagecolorclosesthwb()的用法_GD库图像处理函数
  • 加德满都治安状况如何
  • 公司注销后进项税可以转移吗
  • uniapp和mpvue比较
  • 大前端技术
  • 公司地面硬化财务如何入账
  • python模块的搜索路径
  • java中double是什么数据类型
  • 核定征收企业盈利怎么算
  • 什么是住房补贴,住房补贴如何办理?
  • 营业外支出什么科目借贷方向
  • 固定资产置换存货
  • 出口退税如何做进料核销凭证
  • 收到员工生育津贴怎么做分录
  • 公司代缴社保生育津贴大概领多少
  • 即征即退的收入是不征税收入
  • 将外购商品作为非货币
  • 补缴上年度所得税的会计分录
  • 公司转给其他公司的投资款
  • 社保调低,上半年多缴的怎么办
  • 一般纳税人增值税税率
  • 保理手续费计入投资收益吗
  • 民非企业附加税计提和缴纳分录
  • 季度的工会经费怎么算
  • 待抵扣进项税额借贷方向
  • 批量更新数据库最多多少条
  • mysql日期字段
  • windows禁止安装
  • windows server 2008 u盘安装
  • centos7如何设置中文
  • vmware img镜像
  • vmware虚拟机不能识别iso
  • 怎么把操作系统转移到另一个盘
  • 出现早搏就一辈子无法治愈吗
  • xp系统如何设置
  • win10桌面图片预览
  • 鼠标的指针
  • 动态设置class
  • Tutorial 4: Shaders
  • 前端笛卡尔积
  • 用户允许控制
  • string剪切
  • android!
  • js调用声音
  • 15个值得开发人是谁
  • 国税补录信息怎么查询
  • 浙江 国家地理
  • 大连市国家税务网
  • 四川残疾人社保补贴
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设