Ebben a leckében áttekintjük a SURF detektor működését és használatát OpenCV-ben. Az algoritmus leírását illetően - a korlátozott terjedelem miatt - nem térünk ki minden részletre. Az Olvasó Herbert Bay és szerzőtársai "Speeded Up Robust Features" című cikkében nézhet utána a részletes leírásnak.

A SURF detektor működése

1. Határozzuk meg minden $p$ pontban $\sigma$ skálaérték mellett a $H(p,\sigma )$ Hesse-féle mátrix értékét
   $$H(p,\sigma )=\left(\begin{array}{cc}{L}_{xx}(p,\sigma )& L_{xy}(p,\sigma )\\ L_{yx}(p,\sigma )& L_{yy}(p,\sigma )\end{array}\right),$$
   ahol $L_{xx}$ az $I(x,y)$ kép a Gauss-függvény másodrendű deriváltjával konvolvált eredménye az $x$ pontban (a többi érték hasonlóan számolandó).
2. A többi jellemződetektortól eltérően itt a simítás nem képpiramis előállításával, hanem a szűrőméret növelésével történik, amely felgyorsítja az eljárást.
3. Az érdekes pontok lokalizációja a skálatérben $3\times 3\times 3$-as környezettel történik (nem-maximális pontok elnyomása).
4. Az orientáció meghatározásához Haar-waveleteket használnak az "érdekes pontok" egy lokális környezetében.
5. Az "érdekes pontok" $20s$ méretű környezetét (ahol $s$ a skála-érték, ahol a pontot detektáltuk) $4\times 4$ részre osztjuk és mindegyik $5\times 5$-ös méretű részre kiszámoljuk a Haar-wavelet válaszfüggvény értékét, amelyet a Gauss-függvény szerint súlyozunk.

A SURF detektor az xfeatures2d csomagba került (amely az opencv_contrib függvénykönyvtár része), mivel kereskedelmi és ipari felhasználása szabadalmi költséget von magaután. Oktatási és kutatási célra ingyen használható.

A SURF detektor beállítandó paraméterei a következők:

• hessianThreshold: a Hesse-féle mátrix értékek küszübértéke
• nOctave: a piramis-oktávok száma
• nOctaveLayers: az oktáv-rétegek száma
• extended: egy kapcsoló (igaz/hamis), hogy 128- vagy 64-hosszú leíróvektor készüljön
• upright: egy kapcsoló (igaz/hamis), hogy számoljon-e orientációt vagy sem