理解去除边缘的概念

Question

这是一个关于删除sift算法边缘的简单概念，但很难理解......如果有人能借助图像解释它，我将不胜感激。

“我们的想法是在关键点计算两个渐变。两者都是相互垂直的。基于关键点周围的图像，存在三种可能性。关键点周围的图像可以是：

平坦区域
如果是这种情况，两个渐变都会很小。

边缘
在这里，一个梯度将是大的（垂直于边缘）而另一个将是小的（沿着边缘）

“角落”
在这里，两个渐变都会很大。

角落是很好的关键点。所以我们只想要角落。如果两个渐变都足够大，我们将它作为关键点传递。否则，它被拒绝。“

Answer 1

标签SIFT表示问题/摘录与计算机视觉中使用的本地图像功能有关。您正在研究的算法如何删除边缘不在摘录中。要显示图像的边缘，您可以使用Canny Edge Detector on Wikipedia。 您的摘录基本上解释了如何在灰度图像中检测到角落，这对于特征检测非常有用。

动机如下：

• 自然图像包含许多复杂的视觉信息。您希望在不同图像中检测到的对象可以旋转，变形，遮挡，在不同的光照条件下观看等等。这会使问题变得困难。
• 应对这一点的想法是识别对象的较小部分并在图像中重新检测它们。如果这些部分的足够大的子集出现在另一个图像中，并且如果它们在几何上是一致的，则可以认为该对象在另一个图像中是部分可见的。
• 现在，如果您使用矩形滑动窗口循环覆盖图像，则必须确定该修补程序是否包含足够的可视信息，以便可以在不同的图像中重新检测到它。这是一个悬而未决的问题。另请参阅Interest Point Detection on Wikipedia

我们尝试在较低级别简化问题，并尝试使用理论示例来避免概念上的错误。

• 作为简化，忽略颜色，因此我们有一个灰度图像。
• 白色像素的补丁肯定不能在白墙上唯一识别。比例，旋转，除了颜色之外的所有东西都是暧昧的。这是摘录中的“平坦区域”。
• 假设在本地补丁中有一条像素厚度的黑色直线。现在你有一些不那么暧昧了。例如，如果您在另一个图像中找到厚度为2像素的直黑线，则它可能是同一条线，并且比例因子将为2.但是，线在哪里开始，它在哪里结束？这通常被称为“边缘”。
• 然而，从水平线和垂直线看到的黑色十字架很容易识别，而且十字架“开始”和“结束”时没有任何阴影。
• 同样，“corner”，即两条线在某一点结束，是一个很好的检测功能。

因此声明“角落是伟大的关键点”。然而，还有“blob”和“ridges”（Types of image features on Wikipedia）。 image gradient operator是一个可以突出角落状图像区域的功能。

• 将渐变视为两个像素之间的差异。对于垂直线，您会在水平方向上获得峰值（高差异）。对于水平线，您会在垂直方向上获得峰值。
• 现在，如果您将此渐变运算符应用于修补程序中的每个像素并从中构建直方图，则摘录中提到的三种情况都适用。
• 由于补丁可以显示为旋转，因此通常首先分析histogram of oriented gradients以找到主要方向作为关键点的方向。然后看看在正交方向上是否存在第二个峰值。