图像处理之Hessian矩阵提取关键点

简介: 图像处理之Hessian矩阵提取关键点

一:大致的算法流程

1. 对每个像素点计算图像在X方向Y方向的二阶偏导数,计算图像的XY方向的导数

2. 根据第一步的计算结果,有Hessian Matrix计算D(h) = Ixx*Iyy - Ixy*Ixy

其中Ixx表示X方向的二阶偏导数

Iyy表示Y方向的二阶偏导数

Ixy表XY方向的二阶导数

3. 根据第二步计算出来的值使用3×3窗口实现非最大信号压制,

我的做法, 直接给了threshold值,这个其实不很对,真的懒,不想弄啦!

二:导数计算实现

关于一阶与二阶高斯偏导数计算请看这里:

http://blog.csdn.net/jia20003/article/details/16369143

三:程序效果

四:算法代码

package com.gloomyfish.image.harris.corner;
 
import java.awt.image.BufferedImage;
import java.util.ArrayList;
import java.util.List;
 
import com.gloomyfish.filter.study.AbstractBufferedImageOp;
 
public class HessianFeatureDetector extends AbstractBufferedImageOp {
  
  private GaussianDerivativeFilter gdFilter;
  private double minRejectThreshold = 4.1; // (r+1)^2/r
  private List<HessianMatrix> pixelMatrixList;
  
  public HessianFeatureDetector()
  {
    gdFilter = new GaussianDerivativeFilter();
    pixelMatrixList = new ArrayList<HessianMatrix>();
  }
  
  @Override
  public BufferedImage filter(BufferedImage src, BufferedImage dest) {
    int width = src.getWidth();
        int height = src.getHeight();
        initSettings(height, width);
        if ( dest == null )
            dest = createCompatibleDestImage( src, null );
 
        int[] inPixels = new int[width*height];
        gdFilter.setDirectionType(GaussianDerivativeFilter.XX_DIRECTION);
        BufferedImage bixx = gdFilter.filter(src, null);
        getRGB( bixx, 0, 0, width, height, inPixels );
        extractPixelData(inPixels, GaussianDerivativeFilter.XX_DIRECTION, height, width);
        
        // YY Direction
        gdFilter.setDirectionType(GaussianDerivativeFilter.YY_DIRECTION);
        BufferedImage biyy = gdFilter.filter(src, null);
        getRGB( biyy, 0, 0, width, height, inPixels );
        extractPixelData(inPixels, GaussianDerivativeFilter.YY_DIRECTION, height, width);
        
        // XY Direction
        gdFilter.setDirectionType(GaussianDerivativeFilter.XY_DIRECTION);
        BufferedImage bixy = gdFilter.filter(src, null);
        getRGB( bixy, 0, 0, width, height, inPixels );
        extractPixelData(inPixels, GaussianDerivativeFilter.XY_DIRECTION, height, width);
        
        int[] outPixels = new int[width*height];
        int index = 0;
        for(int row=0; row<height; row++) {
          int ta = 0, tr = 0, tg = 0, tb = 0;
          for(int col=0; col<width; col++) {
            index = row * width + col;
            ta = 255;
            HessianMatrix hm = pixelMatrixList.get(index);
            double[] t = hm.getThreshold();
            if(t[0] > minRejectThreshold)
            {
              tr = 127;
            }
            else
            {
              tr = 0;
            }
            if(t[1] > minRejectThreshold)
            {
              tg = 127;
            }
            else
            {
              tg = 0;
            }
            if(t[2] > minRejectThreshold)
            {
              tb = 127;
            }
            else
            {
              tb = 0;
            }
                outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;
          }
        }
 
        setRGB( dest, 0, 0, width, height, outPixels );
        return dest;
  }
  
  private void initSettings(int height, int width)
  {
        int index = 0;
        for(int row=0; row<height; row++) {
          for(int col=0; col<width; col++) {
            index = row * width + col;
                HessianMatrix matrix = new HessianMatrix();
                pixelMatrixList.add(index, matrix);
          }
        }
  }
  
  private void extractPixelData(int[] pixels, int type, int height, int width)
  {
        int index = 0;
        for(int row=0; row<height; row++) {
          int ta = 0, tr = 0, tg = 0, tb = 0;
          for(int col=0; col<width; col++) {
            index = row * width + col;
            ta = (pixels[index] >> 24) & 0xff;
                tr = (pixels[index] >> 16) & 0xff;
                tg = (pixels[index] >> 8) & 0xff;
                tb = pixels[index] & 0xff;
                HessianMatrix matrix = pixelMatrixList.get(index);
                if(type == GaussianDerivativeFilter.XX_DIRECTION)
                {
                  matrix.setXx(new double[]{tr, tg, tb});
                }
                if(type == GaussianDerivativeFilter.YY_DIRECTION)
                {
                  matrix.setYy(new double[]{tr, tg, tb});
                }
                if(type == GaussianDerivativeFilter.XY_DIRECTION)
                {
                  matrix.setXy(new double[]{tr, tg, tb});
                }
          }
        }
  }
 
}

转载请注明!

相关文章
|
算法 云计算 图形学
基于双目人脸图像ORB特征提取匹配的人脸三维点云提取和建模的matlab仿真
基于双目人脸图像ORB特征提取匹配的人脸三维点云提取和建模的matlab仿真
|
7月前
|
算法 计算机视觉
图像处理之积分图应用四(基于局部均值的图像二值化算法)
图像处理之积分图应用四(基于局部均值的图像二值化算法)
563 0
|
7月前
|
算法 计算机视觉
图像处理之基于一维高斯快速模糊
图像处理之基于一维高斯快速模糊
43 8
|
7月前
|
算法 计算机视觉
图像处理之基于泛红算法的二值图像内部区域填充
图像处理之基于泛红算法的二值图像内部区域填充
52 0
|
7月前
|
计算机视觉
图像处理之局部二值特征
图像处理之局部二值特征
62 0
|
8月前
|
算法 机器人
[3D&Halcon] 3D鞋点胶的点云边界提取
[3D&Halcon] 3D鞋点胶的点云边界提取
556 0
|
机器学习/深度学习 传感器 算法
【图像分割】图像检测(分割、特征提取)、各种特征(面积等)的测量和过滤(Matlab代码实现)
【图像分割】图像检测(分割、特征提取)、各种特征(面积等)的测量和过滤(Matlab代码实现)
|
算法 API 计算机视觉
【OpenCV图像处理5】图像的变换
【OpenCV图像处理5】图像的变换
201 0
|
计算机视觉 C++
【OpenCv • c++】图像识别边缘检测 图像差分运算
【OpenCv • c++】图像识别边缘检测 图像差分运算
378 0
|
算法 计算机视觉
传统图像处理之几何特征寻找算法(一)
传统图像处理之几何特征寻找算法(一)
227 0