目录
*
–
+ 一、SIFT算法
+
*
–
+ DOG尺度空间构造（Difference of Gaussian）
+ 关键点搜索与定位
+ 方向赋值、关键点描述
+ 二、特征匹配
一、SIFT算法
DOG尺度空间构造（Difference of Gaussian）
首先是对原特征图下采样可以得到金字塔形状的多分辨率空间，作为特征金字塔，该特征金字塔可以方便提取出不同尺度的特征（感觉这里也可以叫多尺度空间）
多尺度空间：利用高斯核对图像进行卷积操作，不同的高斯核参数σ \sigma σ对应不同的形状，相当于多尺度空间。利用高斯核对图像做卷积操作就是高斯模糊，卷积和形状越矮越扁，模糊程度就越大。关键特征在不断模糊的过程中相对其他位置应该是更容易保留下来的，因此在后面对特征图做差时可以形成极值点。
分别对每层特征金字塔中的特征图，用不同的高斯核进行卷积操作，就得到了 高斯特征金字塔，再对相邻的两层作差，进一步得到 DOG金字塔
; 关键点搜索与定位
关键特征在不同的高斯模糊下更容易保留，在DOG特征图中表现为极值点。
关键点搜索：也比较复杂
提高定位精度：曲线拟合
方向赋值、关键点描述
方向赋值与与关键点描述，与HOG特征类似，需要计算每个点的梯度，计算梯度直方图，最后得到的特征向量。
; 二、特征匹配
Feature Matching + Homography to find Objects
SIFT图像匹配及其python实现
对两个简单图像进行特征匹配，并利用随机抽样一致（RANSAC）滤除错误匹配
Python 代码
img = cv2.imread('./rl2_s.png')
img2 = cv2.imread('./rl_s.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
surf = cv2.xfeatures2d.SURF_create(400)
kp1, des1 = surf.detectAndCompute(gray, mask=None)
kp2, des2 = surf.detectAndCompute(gray2, mask=None)
anot1 = cv2.drawKeypoints(gray, kp1, None)
anot2 = cv2.drawKeypoints(gray2, kp2, None)
plt.subplot(121)
plt.imshow(anot1)
plt.subplot(122)
plt.imshow(anot2)
matcher = cv2.BFMatcher()
raw_matches = matcher.knnMatch(des1, des2, k=2)
good_matches = []
for m1, m2 in raw_matches:
if m1.distance < 0.85 * m2.distance:
good_matches.append([m1])
assert len(good_matches) > 4, "Too few matches."
kp1_array = np.float32([kp1[m[0].queryIdx].pt for m in good_matches]).reshape(-1, 1, 2)
kp2_array = np.float32([kp2[m[0].trainIdx].pt for m in good_matches]).reshape(-1, 1, 2)
H, status = cv2.findHomography(kp1_array, kp2_array, cv2.RANSAC, ransacReprojThreshold=4)
good_matches = [good_matches[i] for i in range(len(good_matches)) if status[i] == 1]
imgOut = cv2.warpPerspective(gray2, H, (gray.shape[1], gray.shape[0]), flags=cv2.INTER_LINEAR + cv2.WARP_INVERSE_MAP)
print(H)
matches = cv2.drawMatchesKnn(anot1, kp1, anot2, kp2, good_matches, None, flags = 2)
plt.figure()
plt.imshow(matches)
plt.show()
Original: https://blog.csdn.net/qq_43561292/article/details/124719102
Author: wangchen1801
Title: SIFT算法 特征匹配
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/519053/
转载文章受原作者版权保护。转载请注明原作者出处！