立体匹配的几个算法使用

Posted 2020-10-09

1.这篇介绍SURF检测blob的函数。

函数/Functions

函数名称：detectSURFFeatures

功能：利用The Speeded-Up Robust Features(SURF)算法检测blob特征

语法：points = detectSURFFeatures(I); 

            points = detectSURFFeatures(I,Name,Value); 

其中，其中，I为2-D灰度图像，points为返回的SURF检测算法检测到的blob，Name必须为用单引号对包含的如下字符串名称，Vaule为对应Name的值

Name&Value参数

Name	Value
‘MetricThreshold‘	默认值为1000.0，取值较小时，返回更多检测到的blob
‘NumOctaves‘	默认值为3，范围为>=1的整数，表示所使用高斯滤波器的序列，越小时，所使用的高斯滤波器的序列的窗口大小越小，能够检测到的Blob的尺度越小，典型值为1-4
‘NumScaleLevels‘	默认值为4，范围为>= 3的整数，表示对应NumOctaves取值的高斯滤波器的个数，典型值为3-6
‘ROI‘	默认为[1,1,size(I,1),size(1)]，表示进行角点检测的图像区域

Octave&FilterSize

Octave	FilterSize
1	9x9,15x15,21x21,27x27,...（相差为6）
2	15x15,27x27,39x39,51x51,...（相差为12）
3	27x27,51x51,75x75,99x99,...（相差为24）
4	...（相差为48）

~~ surf的matlab程序如下

clc
%读取图像
I1= imread(‘info_surf01.jpg‘);  
I1=imresize(I1,0.6);  %imresize 将原来的图像缩小原来的一般
I1=rgb2gray(I1);  %把RGB图像变成灰度图像
%figure
%imshow(I1)
I2= imread(‘info_surf03.jpg‘);  
I2=imresize(I2,0.6);  
I2=rgb2gray(I2);
%figure
%imshow(I2)

%寻找特征点  
points1 = detectSURFFeatures(I1,‘MetricThreshold‘,100);  %读取特征点
points2 = detectSURFFeatures(I2,‘MetricThreshold‘,100);   

%Extract the features.计算描述向量  
[f1, vpts1] = extractFeatures(I1, points1);  
[f2, vpts2] = extractFeatures(I2, points2);  

%Retrieve the locations of matched points. The SURF feature vectors are already normalized.  
%进行匹配  
indexPairs = matchFeatures(f1, f2, ‘Prenormalized‘, true) ;  
matched_pts1 = vpts1(indexPairs(:, 1)); %这个地方应该是对他进行取值吧 这个应该是啊吧他们做成一个数组
matched_pts2 = vpts2(indexPairs(:, 2));  
%显示匹配
figure(‘name‘,‘匹配后的图像‘); showMatchedFeatures(I1,I2,matched_pts1,matched_pts2,‘montage‘);  %总共找了39个特征点
legend(‘matched points 1‘,‘matched points 2‘);