【CV】ORB算法

1. ORB算法:

  • 特点

    • 实现了旋转不变性、尺度不变性和计算效率高等特性。
  • 旋转不变性

    • 通过计算关键点周围的梯度信息,确定关键点的主方向。
    • 将图像旋转到关键点的主方向,然后再提取BRIEF描述符,增强了旋转不变性。
      ORB(Oriented FAST and Rotated BRIEF)是一种结合了FAST关键点检测器和BRIEF描述符的特征提取算法,它在计算效率和检测性能之间取得了很好的平衡。

在FAST检测到关键点之后,ORB算法会根据关键点周围的局部图像区域计算BRIEF描述符。
为了增强ORB算法的旋转不变性,它还引入了一种旋转校正的机制。会根据关键点周围的梯度信息计算出关键点的主方向,并将图像旋转到关键点的主方向,然后再提取BRIEF描述符。

优点

ORB算法具有较高的计算效率,适用于实时应用和资源受限的环境。
ORB算法在一定程度上具备旋转不变性和尺度不变性,对图像的光照变化也具有一定的鲁棒性。
ORB算法是一种开源算法,易于实现和使用,广泛应用于计算机视觉领域的特征提取和匹配任务中。

1.1. FAST关键点检测器:

FAST算法通过比较像素周围邻域的强度值来判断当前像素是否为角点。如果一个像素周围存在连续的像素强度值超过或低于该像素强度值的阈值,那么该像素就被认为是一个角点。
FAST算法对图像的亮度变化和旋转变化具有一定的不变性,但对于尺度变化不具备不变性。

  • 原理

    • FAST算法通过比较像素周围邻域的强度值来判断当前像素是否为角点。
    • 选择一个像素 p p p,将其亮度值与周围的16个像素点进行比较。
    • 如果存在连续的 n n n个像素点,其亮度值均大于或小于阈值 T T T,则像素 p p p被认为是一个角点。

    设像素 p p p的亮度值为 I p I_p Ip,周围16个像素点的亮度值为 I p 1 , I p 2 , . . . , I p 16 I_{p1}, I_{p2}, ..., I_{p16} Ip1,Ip2,...,Ip16,阈值为 T T T
    定义像素 p p p的强度变化函数 f f f

    f(d) = |I_p - I_{p+d}|
    

    如果存在一组连续的像素点 d 1 , d 2 , . . . , d n d_1, d_2, ..., d_n d1,d2,...,dn,使得 f ( d i ) > T f(d_i) > T f(di)>T,则像素 p p p为角点。

1.2. BRIEF描述符:

BRIEF(Binary Robust Independent Elementary Features)是一种二进制描述符,用于描述关键点周围的局部特征。
BRIEF算法通过比较关键点周围的像素对来生成一个二进制字符串作为描述符。这些像素对的比较结果被编码成二进制形式,生成一个固定长度的二进制向量作为特征描述符。
BRIEF描述符具有较好的计算效率和匹配鲁棒性,但对图像的旋转、尺度和光照变化不具备不变性。

  • 原理

    • 对于给定的关键点,选择一个固定大小的窗口,并选取窗口内的一组像素对。
    • 对每对像素进行比较,并将比较结果编码为二进制串。
    • 最终得到一个固定长度的二进制向量作为特征描述符。

    P i P_i Pi P j P_j Pj为一对像素,其亮度值分别为 I ( P i ) I(P_i) I(Pi) I ( P j ) I(P_j) I(Pj)
    对比两个像素的亮度值,并根据比较结果编码为二进制形式:

    BRIEF(P_i, P_j) = { 1, if I(P_i) < I(P_j)0, otherwise }
    

示例:

import cv2
import numpy as np# 读取图像
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)# 创建ORB对象
orb = cv2.ORB_create()# 检测关键点并计算描述符
keypoints, descriptors = orb.detectAndCompute(image, None)# 绘制关键点
image_with_keypoints = cv2.drawKeypoints(image, keypoints, None)# 显示结果
cv2.imshow('Image with Keypoints', image_with_keypoints)
cv2.waitKey(0)
cv2.destroyAllWindows()

示例代码使用OpenCV库实现了ORB算法的关键点检测和描述符计算。首先,通过cv2.ORB_create()创建了一个ORB对象,然后使用detectAndCompute()方法检测图像中的关键点并计算描述符。最后,使用drawKeypoints()方法将关键点绘制在图像上,并显示结果。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/805677.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【软件测试】个人博客系统测试

个人博客系统测试 一、项目背景1.1 技术背景1.2 功能背景 二、自动化测试2.1 什么是自动化测试2.2 通过使用selenium进行自动化测试的编写&#xff08;Java实现&#xff09;2.3 编写测试用例&#xff0c;执行自动化测试2.3.1 输入用户名:test,密码:123&#xff0c;登录成功2.3.…

CRM集成:解锁业务增长与客户关系管理的关键

预计从2021年至2028年&#xff0c;CRM领域的市场规模将大幅跃升&#xff0c;从约580亿美元增长至1290亿美元。这一显著的增长并非偶然&#xff0c;而是源于CRM平台为企业带来的巨大价值。客户关系管理平台助力销售高效开发潜在客户&#xff0c;客户成功经理有效支持客户&#x…

unable to find a medium containing a live file system解决办法!

背景&#xff1a; 用Ventoy制作U盘系统安装盘&#xff0c;只需要把ISO镜像拷进去就可以&#xff0c;可以放多少个镜像取决于U盘的大小&#xff0c;无需重复制作。Ventoy 将U盘的第一个分区默认格式化为exFAT文件系统来存放ISO文件。 但是&#xff0c;今天鲲鹏920平台安装银河…

Golang | Leetcode Golang题解之第16题最接近的三数之和

题目&#xff1a; 题解&#xff1a; func threeSumClosest(nums []int, target int) int {sort.Ints(nums)var (n len(nums)best math.MaxInt32)// 根据差值的绝对值来更新答案update : func(cur int) {if abs(cur - target) < abs(best - target) {best cur}}// 枚举 a…

心跳机制原理学习

心跳机制 应用场景&#xff1a; 在长连接下&#xff0c;有可能很长一段时间都没有数据往来。理论上说&#xff0c;这个连接是一直保持连接的&#xff0c;但是实际情况中&#xff0c;如果中间节点出现什么故障是难以知道的。更要命的是&#xff0c;有的节点&#xff08;防火墙…

【鸿蒙开发】组件状态管理@Prop,@Link,@Provide,@Consume,@Observed,@ObjectLink

1. Prop 父子单向同步 概述 Prop装饰的变量和父组件建立单向的同步关系&#xff1a; Prop变量允许在本地修改&#xff0c;但修改后的变化不会同步回父组件。当父组件中的数据源更改时&#xff0c;与之相关的Prop装饰的变量都会自动更新。如果子组件已经在本地修改了Prop装饰…

【数据结构练习题】队——1.用队实现栈2.用栈实现队

♥♥♥♥♥个人主页♥♥♥♥♥ ♥♥♥♥♥数据结构练习题总结专栏♥♥♥♥♥ ♥♥♥♥♥上一章&#xff1a;堆的练习题♥♥♥♥♥ 文章目录 1.用队去实现栈1.1问题描述1.2思路分析1.3绘图分析1.4代码实现2.用栈实现队2.1问题描述2.2思路分析1.3绘图分析2.4代码实现 1.用队去实现…

FreeRTOS学习 -- 再识

工作中一直使用FreeRTOS进行着开发&#xff0c;但是没有进行过系统的总结过。现在将快速使用几天时间将FreeRTOS相关知识点加以总结。 官网&#xff1a; https://www.freertos.org/zh-cn-cmn-s/ 参看资料&#xff1a; 正点原子 STM32F1 FreeRTOS开发手册_V1.2.pdf The FreeRTOS…

Linux CPU利用率

Linux CPU利用率 在线上服务器观察线上服务运行状态的时候&#xff0c;绝大多数人都是喜欢先用 top 命令看看当前系统的整体 cpu 利用率。例如&#xff0c;随手拿来的一台机器&#xff0c;top 命令显示的利用率信息如下 这个输出结果说简单也简单&#xff0c;说复杂也不是那么…

MySQL——Linux安装包

一、下载安装包 MySQL下载路径&#xff1a; MySQL :: MySQL Downloads //默认下载的企业版MySQL 下载社区版MySQL MySQL :: MySQL Community Downloads 1、源码下载 2、仓库配置 3、二进制安装包 基于官方仓库安装 清华centos 软件仓库&#xff1a; Index of /cen…

使用Mac自带终端进行远程ssh连接Linux服务器

废话不多说&#xff0c;直接上图 好吧&#xff0c;我承认我是多此一举&#xff0c;脱裤子放pi了&#xff0c;其实只需要在终端输入一行命令就可以了&#xff08;呜呜&#xff5e;&#xff09; ssh rootip -p 22 需要注意的是&#xff0c;命令里的ip地址同样要替换成你自己的服…

前端工程化理解 (2024 面试题)

最好介绍远古世界最好随性一点&#xff0c;不要太刻板 &#xff0c;不然像背书 什么是前端工程化&#xff1f; - 知乎 前端工程化的历史 互联网初期&#xff0c;09 年以前&#xff0c;页面只需要展示一些列表、表格、文章内容以及简单图片即可&#xff0c;其目的是为了传送信…

证明:有依赖背包结点数优化后为O(n^2)

证明&#xff1a;有依赖背包结点数优化后为 O ( n 2 ) O(n^2) O(n2) siz[u]表示以u为根的树的结点数 深搜过程中&#xff0c;siz[u]表示根结点为u的树的根结点加上前i个子树的结点数。 根结点为u的树取前i个子树的结点&#xff0c;取到的结点数量小于等于siz[u]根结点为v的子…

SpringCloudAlibaba

文章目录 一、SpringCloudAlibaba是什么&#xff1f;二、核心组件1 Nacos1.1 Nacos介绍1.2 什么是Nacos&#xff1f;1.3 为何使用Nacos&#xff1f; 2.Sentinel2.1 什么是Sentinel2.2 Sentinel好处 3 GateWay3.1 网关介绍3.2 GateWay3.3 基本概念&#xff1a; 4 Seata4.1 分布式…

4.进程相关

1.关于进程和程序的相关定义 1.1 程序的相关定义 程序通俗来讲就是我们的源代码文件&#xff0c;然后里面还包含了其他的文件信息 程序入口地址&#xff1a;也就是 main 函数的位置 1.2 进程的相关定义 进程需要资源&#xff1a;CPU &#xff0c;内存 进程是一个抽象定义&a…

QDataStream:使用指南、技巧与注意事项

QDataStream是Qt框架中用于处理二进制数据序列化和反序列化的核心类。它提供了高效、跨平台的方式&#xff0c;将C数据结构转化为字节流&#xff0c;便于在网络传输、持久化存储等场景下使用。本文将详尽解析QDataStream的使用方法、实用技巧以及在实际应用中应注意的问题。 一…

免费游戏云服务器推荐,一键搭建我的世界(MC)及幻兽帕鲁服务器!

随着云计算的普及和发展&#xff0c;越来越多的人开始尝试在云服务器上搭建游戏服务器。本文将为大家推荐一款免费游戏云服务器&#xff0c;可以一键搭建我的世界(MC)或者幻兽帕鲁服务器。 雨云是一家国内的云计算服务提供商&#xff0c;为了吸引用户&#xff0c;推出了积分免费…

从误差分解看Few-shot的核心问题

FSL训练过程一般都是最小化经验误差ERM。 同时&#xff0c;由于现实任务的实际数据分布 是未知的&#xff0c;因此无法找到一个最优的参数组合 &#xff0c;能最小化期望损失&#xff08;最小值多少也是未知的&#xff09;&#xff0c;我们能做的实际上是尽可能的去找一个参数…

【大数据篇】Flink全面入门指南

Apache Flink 是一个开源的流处理框架&#xff0c;用于在高吞吐量和低延迟的条件下处理无界和有界数据流。Flink 设计用于运行在所有常见的集群环境&#xff0c;如 Hadoop YARN、Apache Mesos 和 Kubernetes 上&#xff0c;并以“流式计算”为核心思想&#xff0c;同时也支持批…

如何打造一个好的(Vue)组件库?这里有一个清单

你是否考虑过在 Vue.js 或其他框架中构建组件库&#xff0c;或者你需要它来构建可重用的设计系统&#xff0c;以减少投入市场的时间并提供视觉一致性&#xff0c;或者你想为社区贡献另一个组件库。 你可能想立即投入进去并开始编码&#xff0c;但是首先你必须退后一步&#xf…