OpenCV中使用加速鲁棒特征检测SURF与图像降噪讲解与实战（附源码）

骑猪看日落 2023-09-30 18:52 17阅读 0赞

> **需要源码和图片请点赞关注收藏后评论区留言私信~~~**

## 一、加速鲁棒特征检测 ##

加速鲁棒特征( Speeded Up Robust Features, SURF) 是一种类似SIFT并且由其启发的专利算法。SURF于2006年推出，使用Haar小波变换。SURF 最大的优点是比SIFT更快

![ce63102351434adaaf427ca20dbdfcd5.png][]

SURF算法如下

> 输入：原始图像
> 
> 输出：图像的SIFT特征点
> 
> 方法：
> 
> 1：如果需要 将图像转换为灰度图像
> 
> 2：计算不同尺度的积分图像，它是从上到下、从左到右的像素值之和，积分图像代替SIFT中的高斯滤波器
> 
> 3：定义包含像素位置p和尺度为函数的灰度图像二阶导数的海森矩阵
> 
> 4：行列式是与方阵有关的值，海森矩阵的行列式对应于点的局部变换，选择具有最大行列式的值
> 
> 5：尺度由12.3式子定义，并且和SIFT一样，可以定义尺度octaves，SURF通过改变滤波器核心的尺寸来工作，而SIFT则是改变图像的大小，在上一步的缩放和图像空间中插入最大值
> 
> 6：将Haar小波变换应用于围绕关键点的圆
> 
> 7：使用滑动窗口对响应求和
> 
> 8：从响应和中确定方向

图像的SIFT特征提取

可以看出提取的特征点没有SIFT多 但是运行速度快

![7748b3fd49534b63b9f3465be5b277e5.png][]

部分代码如下

import cv2 as cv
    import numpy as np 
     
    img = cv.imread('images\lena_color_512.tif',cv.IMREAD_COLOR)
    cv.imshow('Lean',img) 
    #参数为hessian矩阵的阈值
    surf = cv.xfeatures2d.SURF_create(500) 
    #设置是否要检测方向
    surf.setUpright(True) 
    #输出设置值
    print(surf.getUpright()) 
    #找到关键点和描述符
    key_query,ypoints(img,key_query,img) 
    #输出描述符的个数
    print(surf.descriptorSize()) 
    cv.imshow('SURF',img)
    cv.waitKey(0)

## 二、图像降噪 ##

噪声是数据和图像中的常见现象。当然，噪声不是我们想要的，因为它不会为我们的分析增加任何价值。我们通常假设噪声正态分布在零附近。我们认为像素值是真实值和噪声的总和(如果有的话)。我们还假设噪声值是独立的，即一个像素的噪声值与另一个像素无关

一个简单的想法是平均小窗口中的像素，因为我们假设噪声的期望值为零。这就是模糊背后的大体想法。我们可以把这个想法更进一步，在个像素周围定义多个窗口，然后将这些相似的窗口再平均

OpenCV中有一些去噪的函数，通常需要指定滤波器的强度，搜索窗口的大小以及为检测相似性定义的窗口的大小

图像的去噪

结果如下

第二张图片添加了噪声，很明显变得模糊了许多，第三张图片进行去除噪声操作，又变得清晰

![0d70231abdd34a8c894c10858a580365.png][]

部分代码如下

import cv2 as cv
    import numpy as np 
    
    img = cv.imread('images\lena.jpg',cv.IMREAD_COLOR)
    cv.imshow('Lean',img) 
    
    Z = img.reshape((-1, 3))
    np.random.seed(59)
    noise = np.radomandom(Z.shape) < 0.99
    noisy = (Z * noise.reshape((img.shape))
    
    cv.imshow('noise Lena',noisy)
    cleaned = cv.fasteansDenoisingColored(noisy, None, 10, 7, 7, 21)
    cv.imshow('Denoised Lena',cleaned)
    cv.waitKey()
    cv.destroyAllWindows()

**创作不易 觉得有帮助请点赞关注收藏~~~**

[ce63102351434adaaf427ca20dbdfcd5.png]: https://img-blog.csdnimg.cn/ce63102351434adaaf427ca20dbdfcd5.png
[7748b3fd49534b63b9f3465be5b277e5.png]: https://img-blog.csdnimg.cn/7748b3fd49534b63b9f3465be5b277e5.png
[0d70231abdd34a8c894c10858a580365.png]: https://img-blog.csdnimg.cn/0d70231abdd34a8c894c10858a580365.png