たとえば、OpenCV を使用する場合、キーポイントの検出に SIFT や SURF などのアルゴリズムがよく使用されます。私の質問は、実際にこれらのキーポイントは何ですか?
それらが画像内のある種の「関心のあるポイント」であることを理解しています。また、それらがスケール不変で循環していることも知っています。
また、オリエンテーションがあることはわかったのですが、これが何なのか理解できませんでした。それは角度ですが、半径と何かの間ですか？説明してもらえますか？最初に必要なものはもっと単純なもので、その後は論文を理解しやすくする必要があると思います。
これらは非常に良い質問です。各ポイントに 1 つずつ取り組みましょう。
私の質問は、実際にこれらのキーポイントは何ですか?
キーポイントは関心点と同じです。それらは、画像内で何が興味深いか、または何が際立っているかを定義する、画像内の空間的な位置またはポイントです。関心点検出は、実際にはブロブ検出のサブセットであり、画像内の興味深い領域または空間領域を見つけることを目的としています。キーポイントが特別な理由は、画像がどのように変化しても...画像が回転、縮小/拡大、変換されるかどうかに関係なく(ちなみに、これらはすべてアフィン変換になります...)、または歪み(つまり、射影変換またはホモグラフィ)、同じものを見つけることができるはずです元の画像と比較したときのこの変更された画像のキーポイント。少し前に書いた投稿の例を次に示します。
ソース:モジュール' オブジェクトには属性 'drawMatches' opencv python がありません
右の画像は、左の画像を回転させたものです。また、2 つの画像の上位 10 の一致のみを表示しました。上位 10 の一致を見ると、これらは、画像が何であるかを思い出せるようにするために、おそらく注目したいポイントです。カメラマンの顔だけでなく、カメラ、三脚、背景の建物の興味深いテクスチャにも注目したいと思います。これらの同じポイントが2 つのイメージ間で検出され、これらが正常に一致したことがわかります。
したがって、ここから取り除かなければならないのは、これらは画像内の興味深い点であり、画像がどのように歪んでいても見つける必要があるということです。
それらが画像のある種の「関心のあるポイント」であることを理解しています。また、それらがスケール不変であり、循環していることも知っています。
あなたは正しいです。スケール不変とは、画像をどのようにスケーリングしても、それらのポイントを見つけることができることを意味します。
それでは、ディスクリプタ部分に進みましょう。フレームワーク間でキーポイントが異なるのは、これらのキーポイントを記述する方法です。これらは記述子と呼ばれるものです。検出した各キーポイントには、関連付けられた記述子があります。一部のフレームワークはキーポイント検出のみを行いますが、他のフレームワークは単なる記述フレームワークであり、ポイントを検出しません。両方を行うものもあり、キーポイントを検出して記述します。SIFT と SURF は、キーポイントの検出と記述の両方を行うフレームワークの例です。
記述子は、主にキーポイントのスケールと方向の両方に関係しています。キーポイントはその概念を突き止めましたが、異なる画像のキーポイント間で一致を試みることが目的である場合は、記述子部分が必要です。さて、「円形」とはどういう意味ですか...それは、ポイントが検出されたスケールと相関しています。VLFeat Toolbox チュートリアルから取得したこの画像を例にとります。
黄色の点はすべて対象点ですが、これらの点のいくつかは円の半径が異なります。これらはスケールを扱います。関心点が一般的な意味でどのように機能するかは、画像を複数のスケールに分解することです。各スケールで関心点をチェックし、これらの関心点をすべて組み合わせて最終出力を作成します。「円」が大きいほど、ポイントが検出されたスケールが大きくなります。また、円の中心から縁に向かって放射状に伸びる線があります。これがキーポイントの向きであり、次に説明します。
また、オリエンテーションがあることはわかったのですが、それが何なのか理解できませんでした。角度ですが、半径と何かの間ですか？
基本的に、スケールと向きに関係なくキーポイントを検出したい場合、キーポイントの向きについて話すとき、彼らが実際に意味することは、キーポイントを囲むピクセル近傍を検索し、このピクセル近傍がどのように向いているか、またはこのパッチがどの方向を向いているかを把握することです。どの記述子フレームワークを見るかによって異なりますが、一般的な要点は、パッチ内の勾配角度の最も支配的な方向を検出することです。マッチングにはこれが重要キーポイントを一緒に一致させることができます。私が 2 人のカメラマンと一緒に持っている最初の図を見てください。これらのポイントのいくつかを見てみると、あるポイントが別のポイントとどのように一致するかをどのように把握するのでしょうか? キーポイントを囲むポイントを見て、これらすべてのポイントがどの方向にあるかを確認するため、関心点としてのカメラマンの上部が回転したバージョンと一致することを簡単に識別できます...そしてそこから、それが方法です方向が計算されます。
通常、キーポイントを検出したい場合は、位置を確認するだけです。ただし、画像間でキーポイントを一致させたい場合は、これを容易にするためのスケールと向きが必ず必要です。
お役に立てれば！