面向图像素描的sift特征边缘图生成和特征匹配技术(3)
将输入图像处理为具有手绘风格的图形技术是一种较常见的一种艺术效果形式。铅笔画的绘制通过不同色调的铅笔，采用不同明暗效果的线条，绘制效果具有简单、自然的艺术效果。铅笔画的这种单一的、明暗相间的色调往往能给人带来好奇感和无限的想象空间。
人们在创作铅笔画艺术效果时本身就具有多种多样的表现和绘画手法。本课题主要研究的是中国壁画、年画线描生成技术研究与实时临摹系统开发，线描生成系统研究目标是根据用户的输入壁画/年画，实时生成对应的线描图，以指导用户的学习。参照文献[14]采用的方法。该论文中主要涉及到系统的前期研究工作，包括边缘检测、特征提取、特征匹配。 该课题的主要思路参照文献[1]，文献[2]、文献[6]和文献[13]，文献[6]详细阐述了人脸简笔肖像生成技术，文献[13]详细阐述了实时绘制简笔画技术，在分析这些技术的基础上我们又与文献[1]和文献[2]中的理论知识进行了比较，最终得到我们的技术路线。
1.2 图像边缘图生成与特征提取的国内外研究现状
1.2.1边缘图生成
1.2.2特征提取
1.块匹配思想
同样一个物体在不同的视角下得到两张影像，想要确定在这两张影像中，哪一个点，是对应到物体上的同一个点。通常找有特征的点，例如在角落上的点，通常采用的最简单的方法：用颜色来找，但是会找到太多颜色一样的点，因为一个点本身的信息太少，会有很多模糊匹配，所以单独一个点是不够的。在这个点周围建立一个块（5×5）,假设从这个视角到另一个视角，这个块本身是局部、很小，密度本身没有什么太大的变化，所以假设这5×5窗口里的25个点的颜色也不太会改变，这样子就会有一个比较好的匹配效果。例如，对于一个红色方块，在扫描线上进行搜索，对每个不同的偏移量形成一个方块，然后拿来跟这个红色的方块做比较计算cost（类似于Sum of Squared Disteance（SSD）），cost比较低的就表示最接近，把这两个红色方块里的pixel值拿来两两相减后再取和，表示它们的相似程度。但是对于特征点，由于特征点模糊，所以要找一个特征描述符来描述这个特征点，描述的要足够有特色，所以要把这点周围的5×5的块当成一个25文特征描述符，再去找哪一个25文的向量跟这个向量最接近（通过SSD），在这里特征描述符是25文的向量。
特征匹配算法被两个分量所决定：
(1)检测器：决定哪个点是特征点（即不容易产生错误匹配的地方）找出特征在哪里。
(2)对这个特征做描述，有了描述之后，才能对两个特征做比较（例如在匹配块中的25文向量，然后计算它们的距离）。
不同的算法有不同的检测器和描述符。
怎样是好的特征：一，有特色的，很少有其他的特征会得到一样的描述符，不同的特征对应到的描述符不一样。二，不变性，特征不会受转化的影响。
而这里的25文向量只对转化不变，对旋转和仿射是不变的。
2. Harris corner detector 思想
它是改进的莫拉文克探测器（Moravec detector），看这个点周围的窗口来识别这个特征，不需看整张图像。如果是一个好的特征，那么当把这个窗口移动一下时，看到的东西会很不一样。如果是检测边的话，当沿着某个方向移动时，看到的图像块差不多，也就是说这个点在这个文度上会有模糊，不是一个好的特征。所以我们要检测的是角，也就是说移动一下的话会看到很不一样的点。
下面来详细介绍一下Moravec detector：
(1)对于（x,y）这个点，加上移动量shift（u，v），看移动后的块跟原来的块长得是否一样；
下一篇：配置管理软件研究与实现