图像中角点(特征点)提取与匹配算法(16页).docVIP

角点提取与匹配算法实验报告 1 说明 本文实验的目标是对于两幅相似的图像，通过角点检测算法，进而找出这两幅图像的共同点，从而可以把这两幅图像合并成一幅图像。 下面描述该实验的基本步骤: 1.本文所采用的角点检测算法是Harris角点检测算法，该算法的基本原理是取以目标像素点为中心的一个小窗口，计算窗口沿任何方向移动后的灰度变化，并用解析形式表达。设以像素点(x,y)为中心的小窗口在X方向上移动u，y方向上移动v，Harris给出了灰度变化度量的解析表达式： (1) 其中，为窗口内的灰度变化度量；为窗口函数，一般定义为；I为图像灰度函数，略去无穷小项有： （2） 将化为二次型有： (3) M为实对称矩阵： (4) 通过对角化处理得到： (5) 其中，R为旋转因子，对角化处理后并不改变以u,v为坐标参数的空间曲面的形状，其特征值反应了两个主轴方向的图像表面曲率。当两个特征值均较小时，表明目标点附近区域为“平坦区域”；特征值一大一小时，表明特征点位于“边缘”上；只有当两个特征值均比较大时，沿任何方向的移动均将导致灰度的剧烈变化。Harris的角点响应函数(CRF)表达式由此而得到： (6) 其中：det(M)表示矩阵M的行列式，trace(M)表示矩阵的迹。当目标像素点的CRF值大于给定的阈值时，该像素点即为角点。 下面是图像一用Harris角点检测算法得到的角点坐标位置 x 212 301 309 353 58 201 178 58 202 186 329 161 202 58 57 201 306 y 2 65 68 77 94 94 142 143 144 150 150 170 177 178 228 228 228 在图像一上画出该角点的坐标位置如下图所示： 其中蓝色小方块代表的是检测出来的角点坐标位置。 2.匹配。将两幅图像进行Harris角点检测后，分别得到角点对应与该图像的坐标位置，以该坐标位置为中心，分别取其附近的8个像素值，然后进行与另一幅图像进行匹配，找出距离最小的点作为匹配点。 例如下面是图像一角点坐标位置 x 212 301 309 353 58 201 178 58 202 186 329 161 202 58 57 201 306 y 2 65 68 77 94 94 142 143 144 150 150 170 177 178 228 228 228 与该位置对应的8个像素值分别为 角点1 角点2 角点3 。 。 。 角点17 （x-1,y-1） 30 7 35 。 。 。 142 （x-1,y） 48 59 17 。 。 。 9 （x-1,y+1） 37 108 128 。 。 。 63 （x,y+1） 31 114 15 。 。 。 101 （x+1,y+1） 143 183 32 。 。 。 95 （x+1,y） 101 177 25 。 。 。 20 （x+1,y-1） 2 92 24 。 。 。 49 （x,y-1） 3 22 30 。 。 。 198 接着，将图像一中的角点1与图像二中的所有角点进行相减，得到一个最小误差值，并记录下该位置，这样依次将图像一中的角点2，角点3一直到角点17都进行相减，即可得到两幅图像之间的最佳匹配点。 下面是两幅图像角点匹配的最佳坐标位置 匹配点 0 10 13 14 15 16 17 0 0 0 4 0 5 12 0 0 0 误差值 0 336 105 64 53 34 104 0 0 0 389 0 204 400 0 0 0 其中匹配点的值为0代表没有找到匹配点 3.显示匹配点。对已经找出的匹配点，在图像上进行显示，这样有利于人眼判断该算法是否匹配正确。 下面是第一次显示找到的匹配点（两幅图像中共有9个匹配点） 下面是第二次显示找到的匹配点（比上一次少一个，判断依据是将误差值最大的点去除） 从上面可以看出，14号点已经被删除，原因是该点的误差值最大 下面是最后一次显示找到的匹配点 只留下最后三个匹配点，如果少于三个匹配点，则很难进行两幅图像的合并，所以当只有留下三个匹配点的时候，程序退出。2 实验结果 实验一 原始图像 第一次匹配的结果 最后一次匹配的结果 实验二 原始图像 第一次匹配的结果 最后一次匹配的结果 实验三 原始图像 第一次匹配的结果 最后一次匹配的结果 实验四 原始图像 第一次匹配的结果 最后一次匹配的结果 可以看出，利用该算法进行两幅图像匹配结果还算正确。 算法代码（用matlab语言写的） function test() % Th