Обнаружение углов

Вычислите метрическую матрицу угла и найдите углы на изображениях

Библиотека:
Инструментарий для компьютерного зрения/Анализ и усовершенствование

Описание

Блок обнаружения углов находит углы в изображении с помощью определения угла Харриса (Харриса и Стивенса), минимального собственного значения (Ши и Томази) или локального сравнения интенсивности (на основе метода ускоренного тестирования сегментов (FAST) Ростена и Драммонда). Блок находит углы на изображении на основе пикселов, имеющих наибольшие угловые метрики.

Порты

Вход

развернуть все

`I` - Входное изображение
матрица значений интенсивности

Входное изображение, заданное как матрица значений интенсивности.

Продукция

развернуть все

`Loc` - Угловые расположения
M-by-2 матрица

Угловые расположения, возвращаемые в виде матрицы M-by-2 с координатами [x y]. M представляет число углов и меньше или равно параметру Максимальное число углов.

Зависимости

Чтобы включить этот порт, установите для параметра Output один из следующих параметров:

Corner location
Corner location and metric matrix

Типы данных: uint32

`Count` - Количество обнаруженных углов
скаляр

Количество обнаруженных углов, возвращаемых в виде скаляра.

Зависимости

Чтобы включить этот порт, установите следующие параметры блока:

Выходные данные: Corner location | Corner location and metric matrix
Выходной сигнал переменного размера: off

Типы данных: uint32

`Metric` - Угловые метрические значения
матрица

Угловые значения метрик, возвращаемые в виде матрицы значений интенсивности. Возвращенная матрица имеет тот же размер, что и входное изображение.

Зависимости

Чтобы включить этот порт, установите для параметра Output один из следующих параметров:

Corner location and metric matrix
Metric matrix

Параметры

развернуть все

Главная вкладка

`Method` - Метод обнаружения углов
`Harris corner detection (Harris & Stephens)` (по умолчанию) | `Minimum eigenvalue (Shi & Tomasi)` | `Local intensity comparison (Rosten & Drummond)`

Укажите метод обнаружения углов как Harris corner detection (Harris & Stephens), Minimum eigenvalue (Shi & Tomasi), или Local intensity comparison (Rosten & Drummond).

Для получения наиболее точных результатов используйте Minimum eigenvalue (Shi & Tomasi). Для самых быстрых вычислений используйте Local intensity comparison (Rosten & Drummond). Для обеспечения баланса между точностью и скоростью вычислений используйте Harris corner detection (Harris & Stephens). Дополнительные сведения о каждом методе см. в разделе Алгоритмы.

`Sensitivity factor (0<k<0.25)` - Коэффициент чувствительности
0,04 (по умолчанию) | скаляр

Задайте коэффициент чувствительности, k. По мере уменьшения k возрастает вероятность того, что алгоритм сможет обнаружить острые углы.

Настраиваемый: Да

Зависимости

Чтобы включить этот параметр, установите для параметра Method значение Harris corner detection (Harris & Stephens).

`Coefficients for separable smoothing filter` - Коэффициенты фильтра
fspecial ('гауссов', [1 5], 1.5) (по умолчанию) | вектор

Укажите вектор коэффициентов фильтра сглаживания.

Зависимости

Чтобы включить этот параметр, задайте для параметра Method одно из следующих значений:

Harris corner detection (Harris & Stephens)
Minimum eigenvalue (Shi & Tomasi)

`Intensity comparison threshold` - Порог интенсивности
0,1 (по умолчанию) | скаляр

Укажите пороговое значение интенсивности, используемое для поиска допустимых окружающих пикселов.

Настраиваемый: Да

Зависимости

Чтобы включить этот параметр, установите для параметра Method значение Local intensity comparison (Rosten & Drummond).

`Maximum angle to be considered a corner (in degrees)` - Максимальный угол поворота
157.5 (по умолчанию) | скаляр

Укажите максимальный угол поворота.

Настраиваемый: Да

Зависимости

Чтобы включить этот параметр, установите для параметра Method значение Local intensity comparison (Rosten & Drummond).
Этот параметр настраивается только для моделирования.

`Output` - Блочный выход
`Corner location` (по умолчанию) | `Corner location and metric matrix` | `Metric matrix`

Укажите вывод блока как Corner location, Corner location and metric matrix, и Metric matrix.

Задайте для этого параметра значение Corner location или Corner location and metric matrix для отображения параметров Максимальное количество углов, Минимальное метрическое значение, указывающее угол, и Размер окрестности (подавление области вокруг обнаруженных углов).

`Maximum number of corners` - Максимальное количество углов
200 (по умолчанию) | целое число

Укажите максимальное число углов, которые должен найти блок.

Зависимости

Чтобы включить этот параметр, установите для параметра Output один из следующих параметров:

Corner location
Corner location and metric matrix

`Minimum metric value that indicates a corner` - Минимальная угловая метрика
0,0005 (по умолчанию) | скаляр

Укажите минимальное значение угловой метрики.

Настраиваемый: Да

Зависимости

Чтобы включить этот параметр, установите для параметра Output один из следующих параметров:

Corner location
Corner location and metric matrix

`Neighborhood size` - Размер района
[11 11] (по умолчанию) | 2-элементный вектор

Укажите размер окрестности как двухэлементный вектор положительных нечетных чисел, [строка, столбец]. Блок использует этот параметр для подавления области вокруг допустимой угловой точки с наибольшим значением угловой метрики.

Зависимости

Чтобы включить этот параметр, установите для параметра Output один из следующих параметров:

Corner location
Corner location and metric matrix

`Output variable size signal` - Сигнал переменного размера
`on` (по умолчанию) | `off`

Выберите этот параметр для вывода сигнала переменного размера.

Зависимости

Чтобы включить этот параметр, установите для параметра Output один из следующих параметров:

Corner location
Corner location and metric matrix

Вкладка «Типы данных»

Дополнительные сведения о параметрах блока с фиксированной точкой см. в разделе Задание атрибутов блока с фиксированной точкой.

Примеры модели

Обнаружение углов в изображении

Обнаружение углов изображения с помощью блока «Обнаружение углов».

Характеристики блока

Типы данных	`Boolean^[a]` \| `double` \| `fixed point` \| `integer` \| `single`
Многомерные сигналы	`no`
Сигналы переменного размера	`yes`
^[a] Этот тип данных не поддерживается для метода локального сравнения интенсивности.

Алгоритмы

развернуть все

Определение конечных угловых значений

Для определения окончательных угловых значений блок выполняет следующие действия:

Найдите пиксель с наибольшим значением угловой метрики.
Убедитесь, что значение метрики больше или равно значению, указанному для параметра «Минимальная метрика», указывающего угловой параметр.
Подавление области вокруг углового значения на размер, определенный в параметре «Размер окрестности» (подавление области вокруг обнаруженных углов).

Блок повторяет этот процесс до тех пор, пока не найдет все углы изображения или число углов, указанное в параметре «Максимальное число углов».

Угловые значения метрик, вычисленные Minimum eigenvalue и Local intensity comparison методы всегда неотрицательны. Угловые значения метрик, вычисленные Harris corner detection метод может быть отрицательным.

Метод минимального собственного значения

Метод является более дорогостоящим в вычислительном отношении, чем алгоритм обнаружения угла Харриса, поскольку он непосредственно вычисляет собственные значения суммы квадратной матрицы разностей, М.

Сумма квадратичной разностной матрицы M определяется следующим образом:

$M = \begin{matrix} [ \end{matrix}$ ACCB]

Предыдущее уравнение основано на следующих значениях:

$\begin{matrix} A {=_{(}}^{Ix}) \\ {_{2⊗wB=}}^{(} Iy \\ ) {_{}_{2⊗wC=}}^{(} \end{matrix}$ IxIy) 2⊗w

где $_{Ix}$ и $_{Iy}$ - градиенты входного изображения, I, в направлении x и y. Символ ⊗ обозначает операцию свертки.

Используйте параметр Coefficients for separable smoothing filter для определения вектора коэффициентов фильтра. Блок умножает этот вектор коэффициентов на его транспонирование, чтобы создать матрицу коэффициентов фильтра, w.

Блок вычисляет меньшее собственное значение суммы квадратной матрицы разностей. Это минимальное собственное значение соответствует угловой метрической матрице.

Угловой метод Харриса

Метод определения угла Харриса позволяет избежать явного вычисления собственных значений матрицы суммы квадратичных разностей путем решения для матрицы метрики угла, R:

$R = {AB}^{} - {C2 -}^{k}$ (A + B) 2

Определения A, B и C см. в разделе «Метод минимального собственного значения».

Переменная k соответствует коэффициенту чувствительности. Задать его значение можно с помощью параметра Коэффициент чувствительности (0 < k < 0,25). По мере уменьшения k возрастает вероятность того, что алгоритм сможет обнаружить острые углы.

Метод локальной интенсивности

Способ определяет, что пиксель является возможным углом, если он имеет либо N смежных действительных ярких окружающих пикселей, либо N смежных темных окружающих пикселей.

Предположим, что p - рассматриваемый пиксель, а j - один из пикселей, окружающих Р. Местоположения других окружающих пикселей обозначены затененными областями на следующем рисунке. Закрашенные области на этом рисунке обозначают местоположения других окружающих пикселей.

$_{Ip}$ и $_{Ij}$ - интенсивности пикселей p и j соответственно. Пиксель j является допустимым ярким окружающим пикселем, если $_{}_{} Ij−Ip≥T$ . Аналогично, пиксель j является действительным темным окружающим пикселем, если $_{}_{} Ip−Ij≥T$ . В этих уравнениях T - это значение, указанное для параметра Порог сравнения интенсивности (Intensity comparison threshold).

Блок повторяет этот процесс, чтобы определить, имеет ли блок N смежных действительных окружающих пикселей. Значение N связано со значением, заданным для параметра Максимальный угол (Maximum angle), который считается угловым (в градусах), как показано в этой таблице.

Количество допустимых окружающих пикселов и углов

Количество допустимых окружающих пикселей	Угол (градусы)
15	22.5
14	45
13	67.5
12	90
11	112.5
10	135
9	157.5

После того как блок определяет, что пиксель является возможным углом, он вычисляет свою угловую метрику, используя следующее уравнение:

$R = \underset{(_{}_{}}{макс.}_{}_{} \underset{_{}_{}}{}_{}_{}$ ∑j:Ij≥Ip+T'Ip−Ij|−T,∑j:Ij≤Ip−T'Ip−Ij|−T)

Ссылки

[1] Харрис, C. и М Стивенс. «Комбинированный детектор углов и кромок». Материалы четвертой конференции Alvey Vision, 147-151. Август 1988 года.

[2] Ши, Дж. и К. Томази. «Хорошие возможности для отслеживания». Материалы Конференции IEEE по компьютерному зрению и распознаванию образов, 593-600. Июнь 1994 года.

[3] Ростен, Э. и Т. Драммонд. «Слияние точек и линий для высокопроизводительного отслеживания». Материалы Международной конференции IEEE по компьютерному зрению Том 2, 1508-1511. Октябрь 2005 года.

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью Simulink ® Coder™

Преобразование с фиксированной точкой
Проектирование и моделирование систем с фиксированной точкой с помощью Designer™ с фиксированной точкой.

На этих диаграммах показаны типы данных, используемые в блоке обнаружения углов для сигналов с фиксированной точкой. Эти диаграммы применимы только к методам определения угла Харриса и минимального собственного значения.

В следующей таблице представлены переменные, использованные на предыдущих диаграммах.

Имя переменной	Определение
IN_DT	Тип входных данных
MEM_DT	Тип данных памяти
OUT_DT	Тип выходных данных метрики
COEF_DT	Тип данных коэффициентов

См. также

Блоки

Оценка геометрического преобразования | Найти локальные максимумы | Деформация

Функции

detectFASTFeatures | detectHarrisFeatures | detectORBFeatures | detectSURFFeatures | estimateGeometricTransform2D | extractFeatures | matchFeatures

Представлен в R2007b

Документация

Обнаружение углов

Описание

Порты

Вход

I - Входное изображение матрица значений интенсивности

Продукция

Loc - Угловые расположения M-by-2 матрица

Зависимости

Count - Количество обнаруженных углов скаляр

Зависимости

Metric - Угловые метрические значения матрица

Зависимости

Параметры

Method - Метод обнаружения углов Harris corner detection (Harris & Stephens) (по умолчанию) | Minimum eigenvalue (Shi & Tomasi) | Local intensity comparison (Rosten & Drummond)

Sensitivity factor (0<k<0.25) - Коэффициент чувствительности 0,04 (по умолчанию) | скаляр

Зависимости

Coefficients for separable smoothing filter - Коэффициенты фильтра fspecial ('гауссов', [1 5], 1.5) (по умолчанию) | вектор

Зависимости

Intensity comparison threshold - Порог интенсивности 0,1 (по умолчанию) | скаляр

Зависимости

Maximum angle to be considered a corner (in degrees) - Максимальный угол поворота 157.5 (по умолчанию) | скаляр

Зависимости

Output - Блочный выход Corner location (по умолчанию) | Corner location and metric matrix | Metric matrix

Maximum number of corners - Максимальное количество углов 200 (по умолчанию) | целое число

Зависимости

Minimum metric value that indicates a corner - Минимальная угловая метрика 0,0005 (по умолчанию) | скаляр

Зависимости

Neighborhood size - Размер района [11 11] (по умолчанию) | 2-элементный вектор

Зависимости

Output variable size signal - Сигнал переменного размера on (по умолчанию) | off

Зависимости

Примеры модели

Обнаружение углов в изображении

Характеристики блока

Алгоритмы

Определение конечных угловых значений

Метод минимального собственного значения

Угловой метод Харриса

Метод локальной интенсивности

Ссылки

Расширенные возможности

Создание кода C/C + + Создайте код C и C++ с помощью Simulink ® Coder™

Преобразование с фиксированной точкой Проектирование и моделирование систем с фиксированной точкой с помощью Designer™ с фиксированной точкой.

См. также

Блоки

Функции

Документация по инструментарию компьютерного зрения

Поддержка

`I` - Входное изображение
матрица значений интенсивности

`Loc` - Угловые расположения
M-by-2 матрица

`Count` - Количество обнаруженных углов
скаляр

`Metric` - Угловые метрические значения
матрица

`Method` - Метод обнаружения углов
`Harris corner detection (Harris & Stephens)` (по умолчанию) | `Minimum eigenvalue (Shi & Tomasi)` | `Local intensity comparison (Rosten & Drummond)`

`Sensitivity factor (0<k<0.25)` - Коэффициент чувствительности
0,04 (по умолчанию) | скаляр

`Coefficients for separable smoothing filter` - Коэффициенты фильтра
fspecial ('гауссов', [1 5], 1.5) (по умолчанию) | вектор

`Intensity comparison threshold` - Порог интенсивности
0,1 (по умолчанию) | скаляр

`Maximum angle to be considered a corner (in degrees)` - Максимальный угол поворота
157.5 (по умолчанию) | скаляр

`Output` - Блочный выход
`Corner location` (по умолчанию) | `Corner location and metric matrix` | `Metric matrix`

`Maximum number of corners` - Максимальное количество углов
200 (по умолчанию) | целое число

`Minimum metric value that indicates a corner` - Минимальная угловая метрика
0,0005 (по умолчанию) | скаляр

`Neighborhood size` - Размер района
[11 11] (по умолчанию) | 2-элементный вектор

`Output variable size signal` - Сигнал переменного размера
`on` (по умолчанию) | `off`

Создание кода C/C + +
Создайте код C и C++ с помощью Simulink ® Coder™

Преобразование с фиксированной точкой
Проектирование и моделирование систем с фиксированной точкой с помощью Designer™ с фиксированной точкой.