图像局部特征抽取
2016-01-15 20:39
211 查看
原理
我们都知道著名的sift算法以及surf算法,但在当我们需要在海量数据中匹配点时,往往会出现很高的错误的匹配率,而且搜索算法的限制也是不可实用的方案,然而在使用其他图像特征进行搜索是比较可行的,而我们的人的眼睛在观察事物的时候也是有局部性的,使用这一特点,可搜索原图变化的图像,因为一张图,不可能全部地方都会被污染;这时候对图像进行分割是一个很重要的工作,下面就是结合surf算法的特征点来对图像进行分割的,这种做法就是冗余了太多的数据特征,但这个比google的硬分割的效果好很多分割效果
(先看效果图:图片是某宝上的随便选取的图片)下面这张经过裁剪和旋转变化以及污染后的图
下面是通过surf特征点进行抽取的局部小图
左半部分的小图像是经过原图变化后的抽取的局部小图像,右半部分是原图抽取的局部小图像;可以看到虽然不是全部准确的抽取了局部的小图像,这个结果还可以接受的;
分割源码
//加载opencv本地库 System.loadLibrary( Core.NATIVE_LIBRARY_NAME ); Mat src=Highgui.imread("/root/Desktop/test_c.jpg"); //缩放图像大小 int nsize=300; Mat dst=new Mat(); float height=src.height(); float width=src.width(); int nheight=0; int nwidth=0; if(height>=width) { nwidth=nsize; nheight=(int) (height*(nsize/width)); }else { nheight=nsize; nwidth=(int) (width*(nsize/height)); } Size size=new Size(nwidth,nheight); //缩放图像 Imgproc.resize(src, dst, size); //高斯核大小 Size gsize=new Size(51,51); Mat gdst=new Mat(); //中值滤波 Imgproc.medianBlur(dst, gdst, 11); //高斯滤波 Imgproc.GaussianBlur(gdst, gdst, gsize, 11); //获取surf特征点 FeatureDetector fd=FeatureDetector.create(FeatureDetector.SURF); MatOfKeyPoint keypoints=new MatOfKeyPoint(); fd.detect(gdst, keypoints); Integer loop=0; int radius=50; for(KeyPoint point:keypoints.toArray()) { loop++; //获取surf特征点的坐标 int ph=((int)(point.pt.y)); int pw=((int)(point.pt.x)); //从opencv Mat转换为BufferedImage BufferedImage image=SegmentUtils.getImage(dst,".jpg"); if(nheight-ph>=radius && nwidth-pw>=radius && ph>radius && pw>radius) { //对图片形进行分割 SegmentUtils.drawCircle(image, pw, ph, radius,"/root/Desktop/b/tmp"+loop+".jpg"); } }
相关文章推荐
- 搜狗百度360市值齐跌:搜索引擎们陷入集体焦虑?
- 本人即将筹备败家日志,敬请期待!
- IE:使用搜索助手
- C#图像处理之霓虹效果实现方法
- C#图像亮度调整的方法
- C#实现图像锐化的方法
- C#图像透明度调整的方法
- C#数字图象处理之图像灰度化方法
- C#图像处理之头发检测的方法
- C#图像处理之图像目标质心检测的方法
- C#实现图像反色的方法
- 从jsp发送动态图像
- C#数字图像处理之图像缩放的方法
- C++将CBitmap类中的图像保存到文件的方法
- C++深度优先搜索的实现方法
- C#图像重新着色的方法
- 使用CamanJS在Web页面上处理图像的技巧
- 基于文本的搜索
- php实现搜索一维数组元素并删除二维数组对应元素的方法
- 使用Sphinx对索引进行搜索