harris

با سلام

این پست که شامل قسمت سوم از مجموعه آموزش تناظریابی تصاویر می باشدکه به بیان آموزش پیاده سازی الگوریتم هریس Harris در متلب می پردازد.

یکی از گام های اولیه و اساسی در تناظریابی تصاویر، استخراج نقاطی از تصویر می باشد که متمایز بوده و قابلیت تشخیص را با توجه به اطلاعات اطرافشان دارند. به این نقاط، ویژگی، نقاط کلیدی (Key points) یا نقاط مورد علاقه می گویند. معمولا نقاط گوشه نقاط مناسبی برای تناظر می باشند. Harris corner detector یکی از الگوریتم‌های شناسایی گوشه در‌تصویر می‌باشد. تغییرناپذیری نسبت به تغییر‌شدت، چرخش از ویژگی‌های این الگوریتم می‌باشد.

در این پست پیاده سازی الگوریتم Harris در برنامه متلب (بصورت خط به خط) آموزش داده شده است. همچنین برای یادآوری، مفاهیم الگوریتم Harris به اختصار بیان گردید.

قسمت ۳:

۱- بیان مفاهیم الگوریتم هریس

۲- آموزش کد متلب الگوریتم هریس

 

————————————————————————————————————————————————————————————–

هدف از تهیه این مجموعه از فیلم های آموزشی، آشنایی با مباحث تناظریابی تصویر و پیاده سازی آنها در محیط متلب است. استخراج و تطابق ویژگیهای تصویر یک مبحث اساسی در پردازش تصویر و بینایی کامپیوتر می باشد که کاربردهای زیادی در object tracking, image registration, image retrieval, و ….. دارد. تناظریابی تصویر نیز یکی از موضوعات جذاب و پرکاربردی است که می تواند به عنوان یکی از موضوعات پایان نامه، مقاله و تحقیق در مقاطع تحصیلی دانشگاهی (ارشد و دکتری) بکارگیری شود.

مجموعه فیلم های تناظریابی تصویر در ۷ قسمت مجزا تهیه شده است که سعی شده است به الگوریتم های اساسی در این زمینه بپردازد:

 

هر کدام از متدهای بالا به ترتیب برای حل مشکلات الگوریتم های قبل خود ارائه شده اند. لذا پیشنهاد بنده یادگیری هر ۷ قسمت با همدیگر و دنبال هم می باشد

امیدورام این مجموعه آموزشی بتواند کمکی در جهت یادگیری علاقه مندان در این زمینه کرده باشد.

با تشکر