计算机视觉基础：传统算法核心原理与实战调优指南

1次阅读

没有评论

共计 2120 个字符，预计需要花费 6 分钟才能阅读完成。

虽然深度学习在计算机视觉领域大放异彩，但传统算法仍然是许多实际场景的首选方案。它们不需要海量训练数据、计算资源需求低、可解释性强，在工业质检、移动端应用等场景中表现优异。今天我们重点解析那些历经时间考验的经典算法。

SIFT 的核心思想是通过高斯差分金字塔检测关键点，并构建 128 维特征描述符。其数学实现可分为四步：

尺度空间极值检测：通过不同 σ 的高斯核卷积构建图像金字塔，寻找局部极值点
关键点定位：通过泰勒展开剔除低对比度和边缘响应点
方向分配：计算关键点邻域梯度方向直方图
描述符生成：16×16 邻域划分为 4×4 子区域，计算 8 方向梯度直方图

HOG 通过统计局部区域梯度方向分布来描述物体特征：

梯度计算：使用 [-1,0,1] 和其转置核分别计算水平和垂直梯度
细胞单元划分：将图像划分为 8×8 像素的细胞单元
方向直方图：每个细胞单元计算 9 个 bin 的梯度方向直方图
块归一化：将 2×2 细胞单元组合成块，进行 L2-Hys 归一化

import cv2
import numpy as np

# 读取图像
gray_img = cv2.imread('object.jpg', cv2.IMREAD_GRAYSCALE)

# 初始化 SIFT 检测器
sift = cv2.SIFT_create(nfeatures=0,          # 保留的关键点数量(0 表示不限制)
    nOctaveLayers=3,      # 每组金字塔层数
    contrastThreshold=0.04,  # 对比度阈值(过滤弱特征)
    edgeThreshold=10,     # 边缘阈值(过滤边缘响应)
    sigma=1.6            # 初始高斯模糊 σ
)

# 检测关键点和描述符
keypoints, descriptors = sift.detectAndCompute(gray_img, None)

# 可视化
output_img = cv2.drawKeypoints(
    gray_img, keypoints, None,
    flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS
)

cv2.imwrite('sift_features.jpg', output_img)

# 初始化 HOG 描述符
hog = cv2.HOGDescriptor(winSize=(64,128),     # 检测窗口尺寸
    blockSize=(16,16),    # 块尺寸
    blockStride=(8,8),    # 块移动步长
    cellSize=(8,8),       # 细胞单元尺寸
    nbins=9,             # 直方图 bin 数量
    derivAperture=1,     # 梯度算子孔径
    winSigma=4,          # 高斯平滑 σ
    histogramNormType=0, # 归一化类型(L2-Hys)
    L2HysThreshold=2.0,  # L2 归一化截断阈值
    gammaCorrection=True, # Gamma 校正
    nlevels=64           # 检测层级数
)

# 加载预训练 SVM 模型
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

# 执行检测
boxes, weights = hog.detectMultiScale(
    img,
    winStride=(8,8),     # 窗口移动步长
    padding=(32,32),     # 填充像素
    scale=1.05,         # 金字塔缩放系数
    finalThreshold=2,    # 检测阈值
    useMeanshiftGrouping=False
)