Corner Detection

Вычислите угловую метрическую матрицу и найдите углы в изображениях

Библиотека:
Computer Vision Toolbox / Analysis & Enhancement

Описание

Блок Corner Detection находит углы в изображении при помощи детектирования углов методом Харриса (Харрисом и Стивенсом), минимальное собственное значение (Ши и Томэзи), или локальное сравнение интенсивности (на основе метода Accelerated Segment Test, (FAST) Ростена и Драммонда) метод. Блок находит углы в изображении на основе пикселей, которые имеют самые большие угловые метрические значения.

Порты

Входной параметр

развернуть все

`I` — Введите изображение
матрица значений интенсивности

Введите изображение в виде матрицы значений интенсивности.

Вывод

развернуть все

`Loc` — Угловые местоположения
M-by-2 матрица

Угловые местоположения, возвращенные как M-by-2 матрица [x y] координаты. M представляет количество углов и меньше чем или равен параметру Maximum number of corners.

Зависимости

Чтобы включить этот порт, установите параметр Output на один из них:

Corner location
Corner location and metric matrix

Типы данных: uint32

`Count` — Количество обнаруженных углов
скаляр

Количество обнаруженных углов, возвращенных как скаляр.

Зависимости

Чтобы включить этот порт, установите эти параметры блоков:

Вывод : Corner location | Corner location and metric matrix
Output variable size signal: off

Типы данных: uint32

`Metric` — Угловые метрические значения
матрица

Угловые метрические значения, возвращенные как матрица значений интенсивности. Возвращенная матрица одного размера с входным изображением.

Зависимости

Чтобы включить этот порт, установите параметр Output на один из них:

Corner location and metric matrix
Metric matrix

Параметры

развернуть все

Main Tab

`Method` — Угловой метод обнаружения
`Harris corner detection (Harris & Stephens)` (значение по умолчанию) | `Minimum eigenvalue (Shi & Tomasi)` | `Local intensity comparison (Rosten & Drummond)`

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

Чтобы получить самые точные результаты, используйте Minimum eigenvalue (Shi & Tomasi). Для самого быстрого расчета используйте Local intensity comparison (Rosten & Drummond). Для баланса между точностью и скоростью расчета, используйте Harris corner detection (Harris & Stephens). Для получения дополнительной информации о каждом методе смотрите раздел Algorithms.

`Sensitivity factor (0<k<0.25)` — Фактор чувствительности
0,04 (значения по умолчанию) | скаляр

Задайте фактор чувствительности, k. Когда k уменьшается, вероятность, что алгоритм может обнаружить увеличения острых углов.

Настраиваемый: да

Зависимости

Чтобы включить этот параметр, установите параметр Method на Harris corner detection (Harris & Stephens).

`Coefficients for separable smoothing filter` — Отфильтруйте коэффициенты
fspecial ('гауссов', [1 5], 1.5) (значение по умолчанию) | вектор

Задайте вектор из коэффициентов фильтра для фильтра сглаживания.

Зависимости

Чтобы включить этот параметр, установите параметр Method на один из них:

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

`Intensity comparison threshold` — Порог интенсивности
0.1 (значение по умолчанию) | скаляр

Укажите, что пороговое значение интенсивности раньше находило допустимые окружающие пиксели.

Настраиваемый: да

Зависимости

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

`Maximum angle to be considered a corner (in degrees)` — Максимальный угловой угол
157.5 (значение по умолчанию) | скаляр

Задайте максимальный угловой угол.

Настраиваемый: да

Зависимости

Чтобы включить этот параметр, установите параметр Method на Local intensity comparison (Rosten & Drummond).
Этот параметр является настраиваемым для симуляции только.

`Output` — Block выход
`Corner location` (значение по умолчанию) | `Corner location and metric matrix` | `Metric matrix`

Задайте блок выход как Corner location, Corner location and metric matrix, и Metric matrix.

Установите этот параметр на Corner location или Corner location and metric matrix отсоединять Maximum number of corners, Minimum metric value that indicates a corner и параметры Neighborhood size (suppress region around detected corners).

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

Задайте максимальное количество углов, которые вы хотите, чтобы блок нашел.

Зависимости

Чтобы включить этот параметр, установите параметр Output на один из них:

Corner location
Corner location and metric matrix

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

Задайте минимальное угловое метрическое значение.

Настраиваемый: да

Зависимости

Чтобы включить этот параметр, установите параметр Output на один из них:

Corner location
Corner location and metric matrix

`Neighborhood size` — Размер окружения
[11 11] (значение по умолчанию) | вектор с 2 элементами

Задайте размер окружения как двухэлементный вектор из положительных нечетных целых чисел, [row, column]. Блок использует этот параметр, чтобы подавить область вокруг допустимой угловой точки с самым большим угловым метрическим значением.

Зависимости

Чтобы включить этот параметр, установите параметр Output на один из них:

Corner location
Corner location and metric matrix

`Output variable size signal` — Переменный сигнал размера
`on` (значение по умолчанию) | `off`

Выберите этот параметр, чтобы вывести переменный сигнал размера.

Зависимости

Чтобы включить этот параметр, установите параметр Output на один из них:

Corner location
Corner location and metric matrix

Data Types Tab

Для получения дополнительной информации на параметрах блоков фиксированной точки, смотрите, Задают Атрибуты Фиксированной точки для Блоков.

Примеры модели

Обнаружьте углы в изображении

Обнаружьте углы в изображении с помощью блока Corner Detection.

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 Локального Метода сравнения Интенсивности.

Алгоритмы

развернуть все

Определите итоговые угловые значения

Чтобы определить итоговые угловые значения, блок следует за этим процессом:

Найдите пиксель с самым большим угловым метрическим значением.
Проверьте, что метрическое значение больше или равно значению, которое вы задали для параметра Minimum metric value that indicates a corner.
Подавите область за углом значение размером, заданным в параметре Neighborhood size (suppress region around detected corners).

Блок повторяет этот процесс, пока это не находит все углы в изображении, или это находит количество углов, которые вы задали в параметре Maximum number of corners.

Угловые метрические значения вычисляются Minimum eigenvalue и Local intensity comparison методы являются всегда неотрицательными. Угловые метрические значения вычисляются Harris corner detection метод может быть отрицательным.

Минимальный метод собственного значения

Метод является более в вычислительном отношении дорогим, чем алгоритм детектирования углов методом Харриса, потому что это непосредственно вычисляет собственные значения суммы матрицы различия в квадрате, M.

Сумма матрицы различия в квадрате, M, определяется следующим образом:

$M = [\begin{matrix} A & C \\ C & B \end{matrix}]$

Предыдущее уравнение основано на следующих значениях:

$\begin{matrix} A = {(I_{x})}^{2} \otimes w \\ B = {(I_{y})}^{2} \otimes w \\ C = {(I_{x} I_{y})}^{2} \otimes w \end{matrix}$

где $I_{x}$ и $I_{y}$ градиенты входного изображения, меня, в направлении X и Y. $\otimes$ символ обозначает операцию свертки.

Используйте параметр Coefficients for separable smoothing filter, чтобы задать вектор из коэффициентов фильтра. Блок умножает этот вектор из коэффициентов транспонировать, чтобы создать матрицу коэффициентов фильтра, w.

Блок вычисляет меньшее собственное значение суммы матрицы различия в квадрате. Это минимальное собственное значение соответствует угловой метрической матрице.

Угловой метод Харриса

Метод детектирования углов методом Харриса избегает явного расчета собственных значений суммы матрицы различий в квадрате путем решения для угловой метрической матрицы, R:

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

Смотрите раздел Minimum Eigenvalue Method для определений A, B и C.

Переменная k соответствует фактору чувствительности. Можно задать его значение с помощью параметра Sensitivity factor (0<k<0.25). Когда k уменьшается, вероятность, что алгоритм может обнаружить увеличения острых углов.

Локальный метод интенсивности

Метод решает, что пиксель является возможным углом, если это имеет или, N непрерывные допустимые яркие окружающие пиксели или N непрерывные темные окружающие пиксели.

Предположим, что p является пикселем на рассмотрении, и j является одним из пикселей, окружающих p. Местоположения других окружающих пикселей обозначаются заштрихованными областями в следующем рисунке. Заштрихованные области в этом рисунке обозначают местоположения других окружающих пикселей.

$I_{p}$ и $I_{j}$ интенсивность пикселей p и j, соответственно. Пиксель j является допустимым ярким окружающим пикселем если $I_{j} - I_{p} \geq T$ . Точно так же пиксель j является допустимым темным окружающим пикселем если $I_{p} - I_{j} \geq T$ . В этих уравнениях T является значением, которое вы задали для параметра Intensity comparison threshold.

Блок повторяет этот процесс, чтобы определить, имеет ли блок непрерывные допустимые окружающие пиксели N. Значение N связано со значением, которое вы задаете для параметра Maximum angle to be considered a corner (in degrees), как показано в этой таблице.

Количество допустимых окружающих пикселей и угла

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

После того, как блок решает, что пиксель является возможным углом, это вычисляет свою угловую метрику использование следующего уравнения:

$R = \max (\sum_{j : I_{j} \geq I_{p} + T} | I_{p} - I_{j} | - T, \sum_{j : I_{j} \leq I_{p} - T} | I_{p} - I_{j} | - T)$

Ссылки

[1] Харрис, C. и М Стивенс. “Объединенный детектор угла и ребра”. Продолжения 4-й конференции по видению Alvey, 147-151. Август 1988.

[2] Ши, J. и К. Томэзи. “Хорошие функции, чтобы отследить”. Продолжения конференции по IEEE по компьютерному зрению и распознаванию образов, 593-600. Июнь 1994.

[3] Rosten, E. и Т. Драммонд. “Плавя точки и линии для высокопроизводительного отслеживания”. Продолжения международной конференции IEEE по вопросам издания 2, 1508-1511 компьютерного зрения. Октябрь 2005.

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью Simulink® Coder™.

Преобразование фиксированной точки
Спроектируйте и симулируйте системы фиксированной точки с помощью Fixed-Point Designer™.

Эти схемы показывают типы данных, используемые в блоке Corner Detection для сигналов фиксированной точки. Эти схемы применяются к детектированию углов методом Харриса и минимальным методам собственного значения только.

Следующая таблица обобщает переменные, используемые в предыдущих схемах.

Имя переменной	Определение
IN_DT	Тип входных данных
MEM_DT	Тип данных оперативной памяти
OUT_DT	Метрический тип выходных данных
COEF_DT	Содействующий тип данных

Смотрите также

Блоки

Find Local Maxima | Estimate Geometric Transformation | Warp

Функции

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

Представленный в R2007b

Документация

Corner Detection

Описание

Порты

Входной параметр

I — Введите изображение матрица значений интенсивности

Вывод

Loc — Угловые местоположения M-by-2 матрица

Зависимости

Count — Количество обнаруженных углов скаляр

Зависимости

Metric — Угловые метрические значения матрица

Зависимости

Параметры

Method — Угловой метод обнаружения Harris corner detection (Harris & Stephens) (значение по умолчанию) | Minimum eigenvalue (Shi & Tomasi) | Local intensity comparison (Rosten & Drummond)

Sensitivity factor (0<k<0.25) — Фактор чувствительности 0,04 (значения по умолчанию) | скаляр

Зависимости

Coefficients for separable smoothing filter — Отфильтруйте коэффициенты fspecial ('гауссов', [1 5], 1.5) (значение по умолчанию) | вектор

Зависимости

Intensity comparison threshold — Порог интенсивности 0.1 (значение по умолчанию) | скаляр

Зависимости

Maximum angle to be considered a corner (in degrees) — Максимальный угловой угол 157.5 (значение по умолчанию) | скаляр

Зависимости

Output — Block выход Corner location (значение по умолчанию) | Corner location and metric matrix | Metric matrix

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

Зависимости

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

Зависимости

Neighborhood size — Размер окружения [11 11] (значение по умолчанию) | вектор с 2 элементами

Зависимости

Output variable size signal — Переменный сигнал размера on (значение по умолчанию) | off

Зависимости

Примеры модели

Обнаружьте углы в изображении

Характеристики блока

Алгоритмы

Определите итоговые угловые значения

Минимальный метод собственного значения

Угловой метод Харриса

Локальный метод интенсивности

Ссылки

Расширенные возможности

Генерация кода C/C++ Генерация кода C и C++ с помощью Simulink® Coder™.

Преобразование фиксированной точки Спроектируйте и симулируйте системы фиксированной точки с помощью Fixed-Point Designer™.

Смотрите также

Блоки

Функции

Документация Computer Vision Toolbox

Поддержка

`I` — Введите изображение
матрица значений интенсивности

`Loc` — Угловые местоположения
M-by-2 матрица

`Count` — Количество обнаруженных углов
скаляр

`Metric` — Угловые метрические значения
матрица

`Method` — Угловой метод обнаружения
`Harris corner detection (Harris & Stephens)` (значение по умолчанию) | `Minimum eigenvalue (Shi & Tomasi)` | `Local intensity comparison (Rosten & Drummond)`

`Sensitivity factor (0<k<0.25)` — Фактор чувствительности
0,04 (значения по умолчанию) | скаляр

`Coefficients for separable smoothing filter` — Отфильтруйте коэффициенты
fspecial ('гауссов', [1 5], 1.5) (значение по умолчанию) | вектор

`Intensity comparison threshold` — Порог интенсивности
0.1 (значение по умолчанию) | скаляр

`Maximum angle to be considered a corner (in degrees)` — Максимальный угловой угол
157.5 (значение по умолчанию) | скаляр

`Output` — Block выход
`Corner location` (значение по умолчанию) | `Corner location and metric matrix` | `Metric matrix`

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

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

`Neighborhood size` — Размер окружения
[11 11] (значение по умолчанию) | вектор с 2 элементами

`Output variable size signal` — Переменный сигнал размера
`on` (значение по умолчанию) | `off`

Генерация кода C/C++
Генерация кода C и C++ с помощью Simulink® Coder™.

Преобразование фиксированной точки
Спроектируйте и симулируйте системы фиксированной точки с помощью Fixed-Point Designer™.