im.dart.boot.common.match.sift.scale

类 OctaveSpace

java.lang.Object

im.dart.boot.common.match.sift.scale.OctaveSpace

public class OctaveSpace
extends Object

描述：表示8度金字塔中的一个8度空间，即以尺寸为坐标的某一尺寸上的那个8度空间

创建时间：2021-12-16 18:22

更新时间：暂无

版本:

1.0

作者:

Kevin.Xu

字段概要

字段

限定符和类型	字段和说明
float	baseScale
ImagePixelArray[]	diffImags
ImagePixelArray[]	smoothedImgs

构造器概要

构造器

构造器和说明
OctaveSpace()

方法概要

限定符和类型	方法和说明
void	clear()
ArrayList<ScalePeak>	filterAndLocalizePeaks(ArrayList<ScalePeak> peaks, float maximumEdgeRatio, float dValueLowThresh, float scaleAdjustThresh, int relocationMaximum) 精确化特征点位置并生成本地化信息以及过虑躁点
ArrayList<ScalePeak>	findPeaks(float dogThresh)
ImagePixelArray	getLastGaussianImg()
ArrayList<FeaturePoint>	makeFeaturePoints(ArrayList<ScalePeak> localizedPeaks, float peakRelThresh, int scaleCount, float octaveSigma)
void	makeGaussianDiffImgs()
void	makeGaussianImgs(ImagePixelArray base, float baseScale, int scales, float sigma) 在一个8空间用不同的模糊因子构造更多层的高期模糊图像集,这里是不同模糊因子的模糊但是尺寸是相同的
void	pretreatMagnitudeAndDirectionImgs() 先将差分图上每个点的梯度方向和梯度幅值计算出来，预计算的总体性能比统计在范围内的点再计算的总体性能要高，因为特征点分布较大， 它周围的点可能被其它中心点多次使用到， 如果统计在范围内再计算的的话每个点可能被多次计算。

从类继承的方法 java.lang.Object

clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

字段详细资料

baseScale

public float baseScale

smoothedImgs

public ImagePixelArray[] smoothedImgs

diffImags

public ImagePixelArray[] diffImags

构造器详细资料

OctaveSpace

public OctaveSpace()

方法详细资料

getLastGaussianImg

public ImagePixelArray getLastGaussianImg()

返回:

返回下一8度空间的原始基准图象 Page 5 of "Distinctive Image Features from Scale-Invariant featurePoints" (David G.Lowe @January 5, 2004)

高斯函数G对图像I的模糊函数 L(x,y,σ) = G(x,y,σ) * I(x,y) 高斯差分函数:D(x,y,σ) = (G(x,y,kσ)−G(x,y,σ)) * I(x,y) = L(x,y,kσ) L(x,y,σ) 对于scales幅图象产生连续尺度，推导 k = 2 ^ (1/s)，论文中默认 scales为3所以一共6幅图像，它们的尺度应该为 1σ,1.26σ,1.59σ,2.0σ,2.52σ,3.17σ 倒数第三幅正好发生一个二倍的阶跃，把它作为下一个8度空间的第一幅图片，保证差分金字塔的尺度空间的连续性，其实对于任义scales,length-2为固定的位置， 因为smoothedImgs长度为s+3,前面去掉1个原始图片，只有length-2的时 k = 2 ^ (s/s)才正好是一个2倍的阶跃

makeGaussianImgs

public void makeGaussianImgs(ImagePixelArray base,
                             float baseScale,
                             int scales,
                             float sigma)

在一个8空间用不同的模糊因子构造更多层的高期模糊图像集,这里是不同模糊因子的模糊但是尺寸是相同的

参数:

base -

baseScale -

scales -

sigma -

makeGaussianDiffImgs

public void makeGaussianDiffImgs()

findPeaks

public ArrayList<ScalePeak> findPeaks(float dogThresh)

filterAndLocalizePeaks

public ArrayList<ScalePeak> filterAndLocalizePeaks(ArrayList<ScalePeak> peaks,
                                                   float maximumEdgeRatio,
                                                   float dValueLowThresh,
                                                   float scaleAdjustThresh,
                                                   int relocationMaximum)

精确化特征点位置并生成本地化信息以及过虑躁点

参数:

peaks -

maximumEdgeRatio -

dValueLowThresh -

scaleAdjustThresh -

relocationMaximum -

返回:

pretreatMagnitudeAndDirectionImgs

public void pretreatMagnitudeAndDirectionImgs()

先将差分图上每个点的梯度方向和梯度幅值计算出来，预计算的总体性能比统计在范围内的点再计算的总体性能要高，因为特征点分布较大， 它周围的点可能被其它中心点多次使用到， 如果统计在范围内再计算的的话每个点可能被多次计算。

makeFeaturePoints

public ArrayList<FeaturePoint> makeFeaturePoints(ArrayList<ScalePeak> localizedPeaks,
                                                 float peakRelThresh,
                                                 int scaleCount,
                                                 float octaveSigma)

clear

public void clear()