Lab ekstraksi titik fitur — membandingkan Harris dan Shi–Tomasi

Ubah satu kondisi setiap kali

Jalankan kondisi awal dan simpan sebagai A. Pilih preset rotasi lalu jalankan lagi: citra sumber dan target A serta B tampil pada skala yang sama. Lingkaran biru adalah deteksi, tanda silang jingga adalah referensi hasil proyeksi transformasi yang diketahui. Bandingkan Harris dan Shi–Tomasi dengan pengaturan citra yang sama. Reset mengembalikan nilai awal; berbagi hanya mereproduksi kontrol saat ini, bukan hasil A yang disimpan.

Apa yang dihitung detektor

Keduanya memakai matriks gradien lokal M. Harris menghitung det(M) − 0.04 trace(M)²; Shi–Tomasi memakai nilai eigen terkecil. Lebar jendela adalah 3, 5 atau 7 piksel. Ambang relatif, maksimum lokal, jarak minimum dan batas jumlah memilih titik akhir. Ambang mengikuti skor maksimum citra, sehingga meredupkan tanpa pemotongan belum tentu mengurangi jumlah titik. Ini detektor skala tunggal, bukan deskriptor: memilih lokasi tanpa menentukan korespondensi atau gerak kamera.

Transformasi citra

Citra 160×120 piksel memuat bentuk, pola berulang, ramp bertekstur rendah atau tepi. Koordinat bertambah ke kanan dan bawah; rotasi positif searah jarum jam terhadap pusat citra. Urutannya: sampling bilinear, rata-rata kotak persegi, penguatan intensitas, derau seragam dengan seed tetap, lalu pembatasan ke [0,1]. Blur adalah radius, derau adalah amplitudo. Nilai abu-abu terkode ini bukan luminans fisik. Pengecilan tidak memakai prafilter antialiasing. Area yang diperterang dikecualikan agar batas transformasi dan jangkauan filter tidak menghasilkan sudut yang ikut dihitung.

Membaca cakupan dengan tepat

Referensi yang memenuhi syarat adalah deteksi sumber yang diproyeksikan ke wilayah deteksi target yang valid. Cakupan menghitung proporsinya yang memiliki deteksi target dalam jarak 3 piksel target. Penyebut kosong berarti tidak terdefinisi (—). Beberapa referensi boleh memakai satu deteksi: ini cakupan kedekatan searah, bukan akurasi pencocokan atau tolok ukur keterulangan simetris standar. Pola berulang dapat terlihat meyakinkan tanpa mengidentifikasi objek yang benar. JSON memuat piksel, mask, titik dan transformasi sebenarnya.

Contoh tersimpan

Nilai dihitung dari model yang disertakan dengan pengaturan Shi–Tomasi awal, hanya mengubah preset yang disebutkan. Contoh bertekstur rendah mempertahankan rasio tak terdefinisi, bukan mengarang keberhasilan nol persen.

Diagram 1 · Use the button to switch views

Lanjut belajar

• Teori deteksi fitur
• Gambaran Visual SLAM
• Sumber, definisi model dan uji referensi
• Metrik tersimpan dalam JSON
• Referensi detektor OpenCV

Lanjutkan ke Lab pencocokan untuk membandingkan deskriptor, filter dan kesesuaian geometri dengan korespondensi diketahui.

Lab kecerahan dan luminans — eksposur, gamma, dan clipping