图像中角点提取与匹配算法.docx

1、图像中角点提取与匹配算法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

2、)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x2123013093535820117

3、8582021863291612025857201306y26568779494142143144150150170177178228228228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x21230130935358201178582021863291612025857201306y26568779494142143144150150

4、170177178228228228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）30735。142（x-1,y）485917。9（x-1,y+1）37108128。63（x,y+1）3111415。101（x+1,y+1）14318332。95（x+1,y）10117725。20（x+1,y-1）29224。49（x,y-1）32230。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

5、配点010131415161700040512000误差值03361056453341040003890204400000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

6、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() % The test function gives an example of keypoint extraction using the % methods : % - Harris % % Example % = % test(); % Harris % import the first pi

7、cture %img11 = imread(); %img11 = imread(); %img11 = imread(); %img1 = double(img11(:,:,1); img11 = imread(); img1 = rgb2gray(img11); img1 = double(img1(:,:); pt1 = kp_harris(img1); %draw(img11,pt1,Harris); % import the second picture %img21 = imread(); %img21 = imread(); %img21 = imread(); %img2 =

8、double(img21(:,:,1); img21 = imread(); img2 = rgb2gray(img21); img2 = double(img2(:,:); pt2 = kp_harris(img2); %draw(img21,pt2,Harris); % match key points within two pictures. result = match(img1,pt1,img2,pt2); result(1,intersect(find(result(1,:) 0),find(result(2,:) = 0) = 0; %result %pause; while(l

9、ength(find(result(1,:)0) 3) result draw2(img11,img21,pt1,pt2,result); %find(result(1,:)0) pause; index index = max(result(2,:); result(1,index(1) = 0; result(2,index(1) = 0; %result(1,I(1) = result(2,I(1) = 0 end draw2(img11,img21,pt1,pt2,result);end function draw2(img1,img2,pt1,pt2,result) h = figu

10、re; %set(gcf,outerposition,get(0,screensize); subplot(1,2,1); %hold on; imshow(img1); subplot(1,2,2); %hold on; imshow(img2); s = size(pt1,2); subplot(1,2,1); for i=1:size(pt1,1) rectangle(Position,pt1(i,2)-s,pt1(i,1)-s,2*s,2*s,Curvature,0 0,EdgeColor,b,LineWidth,2); %text(pt1(i,2)+3,pt1(i,1)+3,num2

11、str(i),BackgroundColor,1 1 1); %text(pt2(i,2),pt2(i,1),num2str(i); %plot(pt2(i,2),pt2(i,1); end subplot(1,2,2); for i=1:size(pt2,1) rectangle(Position,pt2(i,2)-s,pt2(i,1)-s,2*s,2*s,Curvature,0 0,EdgeColor,b,LineWidth,2); end %result %size(pt1) %size(pt2) for i=1:size(result,2) if(result(1,i)=0) subp

12、lot(1,2,1); text(pt1(result(1,i),2)+3,pt1(result(1,i),1)+3,num2str(i),BackgroundColor,1 1 1); %result(1,i) %pt1(result(1,i),2) %pt1(result(1,i),1) subplot(1,2,2); text(pt2(i,2)+3,pt2(i,1)+3,num2str(i),BackgroundColor,1 1 1); end endend function result = match(img1,pt1,img2,pt2) %得到标定点周围的像素值 regionVa

13、lue1 = getRegionValue(img1,pt1); len1 = size(regionValue1,2); regionValue2 = getRegionValue(img2,pt2); len2 = size(regionValue2,2); %找出最佳匹配点 result = zeros(2,len2); for i=1:len1 B = regionValue1(:,i); %abs(regionValue2-B(:,ones(1,size(regionValue2,2) %sum(abs(regionValue2-B(:,ones(1,size(regionValue2,2) value,index = sort(sum(abs(regionValue2-B(:,ones(1,size(regionValue2,2); %value(1) %index(1) %