Opencv图像配准

一、前言

图像配准需要将一张测试图片按照第二张基准图片的尺寸、角度等形态信息进行透视(仿射)变换匹配,本例通过Surf特征的定位和匹配实现图像配准。

Opencv配准算法比较

1. Harris角点检测

计算简单,只用到灰度一阶差分及滤波,提取特征点均匀合理稳定,因为只涉及到一阶导数,所以对图像旋转、灰度变化、噪声音响、视点变换不敏感。

2.Shi-Tomasi 算法

Shi-Tomasi 算法是Harris 算法的改进。

3.FAST特征检测算法

FAST特征点检测是公认的比较快速的特征点检测方法,只利用周围像素比较的信息就可以得到特征点,简单,有效。

4.SIFT算法

SIFT特征对旋转、尺度缩放、亮度变化等保持不变性,是非常稳定的局部特征,现在应用很广泛。

5.SURF算法

SURF算子由SIFT算子改进而来,一般来说,标准的SURF算子比SIFT算子快好几倍,并且在多幅图片下具有更好的鲁棒性。

评论

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×