功能检测算法和其他疑问有哪些功能

Question

我正在通过功能检测算法，很多事情似乎都不清楚。对于图像处理的初学者来说，原始论文很难理解。如果这些问题得到解答，我们将很高兴

1. SURF和SIFT正在检测哪些功能？
2. 是否有必要在灰度图像上计算这些图像？
3. 术语“描述符”用简单的词语表示什么。
4. 通常，选择/提取了多少个功能？是否有标准？
5. Hessian矩阵的大小决定了什么？
6. 被检测的特征的大小是多少？据说特征的大小是blob的大小。所以，如果图像的大小是M * N，那么将有M * N n umber的特征？

这些问题似乎过于微不足道，但请帮助..

Answer 1

我会尝试直截了当地回答你的一些问题，我不知道所有问题的答案。

（您没有指定您正在阅读哪篇论文）

  

SURF有哪些功能和检测到的功能   和SIFT？

通常，要素是图像中您选择小块的任何部分。您可以在所有方向上移动该块一小段距离。如果您发现所选择的与周围环境之间存在很大差异，则会将其视为一项功能。假设您将相机移动了一点以拍摄图像，您仍会检测到此功能。这是他们的重要性。通常，此类功能的最佳示例是图像中的corners。即使边缘也不是那么好的特征。当您沿着边缘线移动块时，您没有找到任何变化，对吧？

检查此图片以了解我所说的内容，只有在角落处移动补丁时会出现相当大的变化，在其他两种情况下，您不会得到太多。

图片链接：http://www.mathworks.in/help/images/analyzing-images.html

这里给出了一个非常好的解释：http://aishack.in/tutorials/features-what-are-they/

这个基本思想和你提到的算法使这个变量更加健壮，可以解决许多问题。 （您可以参考他们的论文了解更多详情）

  

是否有必要在灰度图像上计算这些图像？

我是这么认为的。无论如何，OpenCV适用于灰度图像

  

术语“描述符”用简单的词语表示什么？

假设您在一个图像中找到了要素，比如建筑物的图像。现在你拍摄了同一建筑物的另一张图片，但方向略有不同。您在第二张图片中也找到了功能。但是你怎么能匹配这些功能。假设图像1中的要素1与图像2中的哪个要素相匹配？ （作为一个人，你可以轻松做到，对吧？第一张图片中的这个角落对应于第二张图片中的这个角落，所以非常容易。）

功能只是为您提供像素位置。您需要有关该点的更多信息才能与其他人匹配。因此，您必须 describe 此功能。这种描述称为“描述符”。为了描述这些功能，算法就在那里，你可以看到它的SIFT论文。

也请检查此链接：http://aishack.in/tutorials/sift-scale-invariant-feature-transform-introduction/

  

通常，选择/提取了多少个功能？是否有标准   那个？

在处理过程中，您可以看到应用不同的阈值，删除弱关键点等。这都是计划的一部分。您需要了解算法才能理解这些事情。是的，您可以指定这些阈值和其他参数（在OpenCV中），也可以将其保留为默认值。如果您检查SIFT in OpenCV docs，则可以查看功能参数以指定要素数，八度音阶层数，边缘阈值等。

  

Hessian矩阵的大小决定了什么？

我不确切知道，只是它是关键点检测器的阈值。检查OpenCV文档：http://docs.opencv.org/modules/nonfree/doc/feature_detection.html#double%20hessianThreshold