找回密码
 立即注册
  • QQ空间
  • 回复
  • 收藏

SIFT算法简介

admin 2019-7-6 22:09 108人围观 C++相关

尺度不变特征变换(Scale-invariant feature transform,SIFT),是用于图像处理领域的一种描述。

简介


SIFT算法是一种提取局部特征的算法,基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。对于光线、噪声、微视角改变的容忍度也相当高。基于这些特性,它们是高度显著而且相对容易撷取,在母数庞大的特征数据库中,很容易辨识物体而且鲜有误认。使用SIFT特征描述对于部分物体遮蔽的侦测率也相当高,甚至只需要3个以上的SIFT物体特征就足以计算出位置与方位。在现今的电脑硬件速度下和小型的特征数据库条件下,辨识速度可接近即时运算。SIFT特征的信息量大,适合在海量数据库中快速准确匹配。匹配的过程就是对比这些特征点的过程,这个流程可以用下图表述:



特点


  • SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性。

  • 独特性好,信息量丰富,适用于在海量特征数据库中进行快速、准确匹配。

  • 多量性,即使少数的几个物体也可以产生大量SIFT特征向量。

  • 高速性,经优化的SIFT匹配算法甚至可以达到实时的要求。

  • 可扩展性,可以很方便的与其他形式的特征向量进行联合。

算法步骤


  1. 检测尺度空间极值点

  2. 精确定位极值点

  3. 为每个关键点指定方向参数

  4. 关键点描述子的生成

应用


OpenCV中带有SIFT算法。可以直接调用

  1. import cv2


  2. img= cv2.imread('C:/Code/Picture/apple.jpg')

  3. gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)


  4. sift=cv2.xfeatures2d.SIFT_create()

  5. keypoints,descriptor=sift.detectAndCompute(gray,None)


  6. img=cv2.drawKeypoints(image=img,outImage=img,keypoints=keypoints,flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS,color=(51,163,236))

  7. cv2.imshow('sift_keypoints',img)


  8. cv2.waitKey(0)

  9. cv2.destroyAllWindows()





OpenCV使用SIFT时报错,建议卸载后安装opencv-contrib-python,同时3.4.3.18以上的版本会出现专利问题而无法使用。安装前记得卸载原来的。

  1. pip install opencv-contrib-python==3.4.2.17


----------------------------------------------------------------------------------------------------------------------
我们尊重原创,也注重分享,文章来源于微信公众号:AbracadabraD,建议关注公众号查看原文。如若侵权请联系qter@qter.org。
----------------------------------------------------------------------------------------------------------------------

鲜花

握手

雷人

路过

鸡蛋

yafeilinux和他的朋友们微信公众号二维码

微信公众号

专注于Qt嵌入式Linux开发等。扫一扫立即关注。

Qt开源社区官方QQ群二维码

QQ交流群

欢迎加入QQ群大家庭,一起讨论学习!

我有话说......