计算机视觉
图像处理

【图像处理】利用循环移位实现描述子分类

一种特征描述子:对图像中每个3*3的块进行一定的处理,之后用矩阵外周8个像素表示此块,每个像素点有0和1两种状态。于是总共有2的8次方即256种状态。但通过一定的分类规则,可以把256种状态分为36种。比如以下两个图:

由于左图可以通过旋转变为右图,所以认为他们是同一种状态。

感觉这个方法很简单,也有一定道理,分类的标准一定程度保证了“旋转不变性”。很有意思,于是自己试着实现了一下。

假设用一个1*8的向量表示特征,向量中每个数分别表示特征中从左上角开始,顺时针每个像素的标识。如上图两个特征可以表示为:

通过对向量中的元素进行循环移位,两个向量均可移位成为以下的形式:

即所有移位结果中表示的最小的数。

可以利用标准模块库中的 bitset<> 实现特征的表示和移位操作:

  1. int Original_to_Sets(int long_num)
  2. {
  3.     bitset<8> bit_num(long_num);
  4.     int shift_min=long_num;
  5.     for(int n=0;n<8;n++){
  6.         int first_bit=bit_num[7];
  7.         for(int i=7;i>0;i–){
  8.             bit_num[i]=bit_num[i-1];
  9.         }
  10.         bit_num[0]=first_bit;
  11.         int shift_tmp=bit_num.to_ulong();
  12.         if(shift_tmp<shift_min){
  13.             shift_min=shift_tmp;
  14.         }
  15.     }
  16.     return shift_min;
  17. }

用一个向量original_nums记录原始的256中情况,另一个向量set_nums对应记录每种情况移位为最小值时的情况:

  1. int main(){
  2.     vector<int>original_nums;
  3.     vector<int> set_nums;
  4.     vector<int> sets;
  5.     int nums=256;
  6.     for(int i=0;i<nums;i++){
  7.         original_nums.push_back(i);
  8.         int shift_num=Original_to_Sets(i);
  9.         set_nums.push_back(shift_num);
  10.         bool exist=false;
  11.         for(vector<int>::iterator it=sets.begin();it!=sets.end();it++){
  12.             if(*it==shift_num)
  13.                 exist=true;
  14.         }
  15.         if(!exist)
  16.             sets.push_back(shift_num);
  17.     }
  18.     cout<<“There are “<<sets.size()<<” kinds”<<endl;
  19.     for(vector<int>::iterator it=sets.begin();it!=sets.end();it++){
  20.         bitset<8> bit_num(*it);
  21.         cout<<bit_num<<endl;
  22.         for(int i=0;i<256;i++){
  23.             if(*it==set_nums[i])
  24.                 cout<<original_nums[i]<<” “;
  25.         }
  26.         cout<<endl;
  27.     }
  28.     return 0;
  29. }

最终256中特征被分为36种:

转载注明来源:CV视觉网 » 【图像处理】利用循环移位实现描述子分类

分享到:更多 ()
扫描二维码,给作者 打赏
pay_weixinpay_weixin

请选择你看完该文章的感受:

0不错 0超赞 0无聊 0扯淡 0不解 0路过

评论 3

评论前必须登录!