Laboratório de correspondências — filtros, inliers e verdade conhecida

Compare as linhas

Salve o caso inicial como A e compare pares brutos, rotação, escala ou padrões como B. Círculos azuis e linhas contínuas: aceitos e verdadeiros; cruzes roxas e linhas contínuas: aceitos, mas falsos. Pontilhado cinza: rejeição pelo descritor; tracejado laranja: rejeição geométrica. No celular as imagens ficam empilhadas. Redefinir restaura os padrões; compartilhar reproduz controles atuais, não A.

De pontos a descritores

O Shi–Tomasi compartilhado seleciona até 80 pontos por imagem. Cada descritor é um patch cinza válido de 9×9 pixels, bruto ou com média removida e normalização L2. A distância é euclidiana L2. O filtro de razão precisa de dois vizinhos e exige estritamente d1 < limite × d2; segunda distância zero falha. O filtro mútuo exige vizinhos mais próximos recíprocos. Normalizar pode tratar ganho sem recorte, mas não oferece invariância à rotação ou escala. Não é ORB nem SIFT.

Geometria e verdade conhecida

A verificação opcional estima uma similaridade: translação, rotação e escala uniforme, sem cisalhamento ou perspectiva. Testa todas as hipóteses de dois pares, exige ao menos três apoios, reajusta uma vez e verifica resíduos em pixels do destino. Com menos de três candidatos ou sem modelo utilizável, nada é aceito. Desligada, aceita os pares que passam nos filtros de descritor; métricas do modelo ficam indefinidas.

A razão de inliers divide os inliers do modelo pelos candidatos filtrados. A fração verdadeira dos aceitos usa separadamente a transformação conhecida e tolerância fixa de 3 pixels. O RMS verdadeiro mede erros de posição; o RMS do modelo mede resíduos. O RMS de grade compara transformações em uma grade visível fixa. Denominador vazio mostra —. Um modelo errado pode ter resíduos pequenos, como no caso de 30°. Padrões repetidos não provam identidade do objeto.

Exemplos registrados

Resultados calculados com as predefinições distribuídas. Imagens, máscaras e transformações vêm do laboratório de extração: amostragem bilinear, média quadrada, ganho, ruído uniforme fixo e recorte. Os cinzas codificados não são luminância física; a redução não usa pré-filtro antialiasing. As fontes documentam limiares, empates, máscaras e grade. O JSON inclui pixels e todos os pares propostos.

Diagram 1 · Use the button to switch views

Continuar aprendendo

• Laboratório de extração
• Teoria do rastreamento de pontos
• Visão geral de Visual SLAM
• Fontes, modelo e testes de referência
• Métricas registradas em JSON
• Referência de correspondências OpenCV

Acompanhe esses pontos entre duas imagens no Lab de fluxo óptico.

Lab de brilho e luminância — exposição, gama e recorte