(二)OpenCV特征提取与检测_07_SIFT特征检测

Azura ·

更新时间:2024-11-14

· 652 次阅读

SIFT(Scale-Invariant Feature Transform)特征检测关键特性:
①建立尺度空间，寻找极值
工作原理
构建图像高斯金字塔，求取DOG，发现最大与最小值在每一级;
构建的高斯金字塔，每一层根据sigma的值不同，可以分为几个等级，最少有4个。 ②关键点定位(寻找关键点准确位置与删除弱边缘)
我们在像素级别获得了极值点的位置，但是更准确的值应该在亚像素位置，这个过程称为关键点(准确/精准)定位;
删除弱边缘- 通过Hassian 矩阵特征值实现，小于阈值自动舍弃。 ③关键点方向指定
求得每一层对应图像的梯度，根据给定的窗口大小计算每个高斯权重，sigma=scalex1.5, 0~360之间建立36个直方图Bins
找最高峰对应的Bin，大于max*80% 的都保留
这样就实现了旋转不变性，提高了匹配时候的稳定性。
大约有15%的关键点会有多个方向。 ④关键点描述子
拟合多项式插值寻找最大Peak
得到描述子=8x16=128

#include 
#include 
#include 
using namespace cv;
using namespace std;
using namespace cv::xfeatures2d;
int main(int argc, char** argv) {
	Mat src = imread("../path.jpg", IMREAD_GRAYSCALE);
	if (src.empty()) {
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("src", WINDOW_AUTOSIZE);
	imshow("src", src);
	//SIFT特征检测
	int numFeatures = 400;//定义阈值hessianThreshold为100
	Ptr detector = SIFT::create(numFeatures);//定义一个SIFT特征检测器
	vector keypoints;//定义关键点
	detector->detect(src, keypoints, Mat());//检测
	cout << "Total KeyPoints :" <<  keypoints.size() << endl;//总共有多少个关键点
	//绘制关键点
	Mat dst;
	drawKeypoints(src, keypoints, dst, Scalar::all(-1), DrawMatchesFlags::DEFAULT);
	namedWindow("SIFT KeyPoints", WINDOW_AUTOSIZE);
	imshow("SIFT KeyPoints", dst);
	waitKey(0);
	return 0;
}

输出结果:
基于OpenCV4.1.1，函数/功能未实现(此算法已获得专利,不包括在此配置中)…
在这里插入图片描述