close all;

% 模拟figure 5
im = zeros(401,401,3);
im(:,:,:) = 0;
im(2:200, 2:200, 2) = 255;
im(202:400, 202:400, 2) = 255;
im(2:200, 202:400, :) = 255;
im(202:400, 2:200, :) = 255;
im=im2double(im);

% im = imread('0000.png');
figure;imshow(im);

cellsize=3;
gridspacing=1;
winSize = 3;
addpath(fullfile(pwd,'mexDenseSIFT'));
addpath(fullfile(pwd,'mexDiscreteFlow'));

%不加噪声,(201,201)sift分布
sift = mexDenseSIFT(im,cellsize,gridspacing);
sift = imnormalize(double(sift));
x = 1:128;
y = squeeze(sift(100, 100, :));

% figure,plot(x, y);
% xlabel('The dimension of the descriptor in SIFT flow','FontSize',12);
% ylabel('Distribution','FontSize',12);
% set(gca, 'FontSize', 12);
%计算该点sift的均值和方差
M1 = mean(y)
V1 = var(double(y))

% %加噪声,(201,201)sift分布
% im_noise =imnoise(im, 'gaussian', 0.02);
% sift_noise = mexDenseSIFT(im_noise,cellsize,gridspacing);
% x = 1:128;
% y = squeeze(sift_noise(201, 201, :));
% figure,plot(x, y);
% figure, imshow(im_noise);
% %计算该点sift的均值和方差
% M2 = mean(y)
% V2 = var(double(y))

%不加噪声,(100,100)sift分布
y1 = squeeze(sift(201, 201, :));
figure,plot(  x, y1, 'r', x, y, 'b', x, y, '--g', 'LineWidth', 2);

xlabel('Dimension Degree of SIFT Flow Descriptor','FontSize',20);
ylabel('Distribution','FontSize',20);
set(gca, 'FontSize', 20);
axis([0, 130, -0.1, 1.1]);

hleg1 = legend('B', 'A', 'C');

%计算该点sift的均值和方差
M3 = mean(y)
V3 = var(double(y))

% %%加噪声,(100,100)sift分布
% y = squeeze(sift_noise(100, 100, :));
% figure,plot(x, y);
% %计算该点sift的均值和方差
% M4 = mean(y)
% V4 = var(double(y))

显示图像的SIFT flow描述子的更多相关文章

  1. SIFT算法:特征描述子

    SIFT算法:DoG尺度空间生产  SIFT算法:KeyPoint找寻.定位与优化 SIFT算法:确定特征点方向  SIFT算法:特征描述子 目录: 1.确定描述子采样区域 2.生成描述子 2.1 旋 ...

  2. SIFT解析(三)生成特征描述子

    以上两篇文章中检测在DOG空间中稳定的特征点,lowe已经提到这些特征点是比Harris角点等特征还要稳定的特征.下一步骤我们要考虑的就是如何去很好地描述这些DOG特征点. 下面好好说说如何来描述这些 ...

  3. Distinctive Image Features from Scale-Invariant Keypoints(SIFT) 基于尺度不变关键点的特征描述子——2004年

    Abstract摘要本文提出了一种从图像中提取特征不变性的方法,该方法可用于在对象或场景的不同视图之间进行可靠的匹配(适用场景和任务).这些特征对图像的尺度和旋转不变性,并且在很大范围的仿射失真.3d ...

  4. BRIEF 特征描述子

    Binary Robust Independent Elementary Features www.cnblogs.com/ronny 1. BRIEF的基本原理 我们已经知道SIFT特征采用了128 ...

  5. Brief描述子

    一.Brief算法 1.基本原理 BRIEF是2010年的一篇名为<BRIEF:Binary Robust Independent Elementary Features>的文章中提出,B ...

  6. (一)ORB描述子提取

    ORBSLAM2中使用ORB描述子的方法 经典的视觉SLAM系统大体分为两种:其一是基于特征点法的,其二是基于直接法的.那么本文主要就讲特征点法的SLAM. 基于特征点法的视觉SLAM系统典型的有PT ...

  7. BRIEF特征点描述子

    简介 BRIEF是2010年的一篇名为<BRIEF:Binary Robust Independent Elementary Features>的文章中提出,BRIEF是对已检测到的特征点 ...

  8. 图像特征与描述子(直方图, 聚类, 边缘检测, 兴趣点/关键点, Harris角点, 斑点(Blob), SIFI, 纹理特征)

    1.直方图 用于计算图片特征,表达, 使得数据具有总结性, 颜色直方图对数据空间进行量化,好比10个bin 2. 聚类 类内对象的相关性高 类间对象的相关性差 常用算法:kmeans, EM算法, m ...

  9. Opencv Surf算子中keyPoints,描述子Mat矩阵,配对向量DMatch里都包含了哪些好玩的东东?

    Surf算法是一把牛刀,我们可以很轻易的从网上或各种Opencv教程里找到Surf的用例,把例程中的代码或贴或敲过来,满心期待的按下F5,当屏幕终于被满屏花花绿绿的小圆点或者N多道连接线条霸占时,内心 ...

随机推荐

  1. bzoj 3751: [NOIP2014]解方程

    Description 已知多项式方程: a0+a1x+a2x^2+...+an*x^n=0 求这个方程在[1,m]内的整数解(n和m均为正整数). 解题报告: 这题比较诡,看到高精度做不了,就要想到 ...

  2. 习题9-3 UVA1629(dp)

    Cake Slicing 题意:有一个n行m列的网格上有一些黑点,要求进行切割,使最后每块上只有一个黑点,求最少的刀数 思路:记忆化搜索,枚举每一条边来切,每一次搜索自己所能切割的所有情况取最小值 但 ...

  3. [3.19FJ四校联考]

    来自FallDream的博客.未经允许,请勿转载,谢谢. ---------------------------------------------------- A.积分,不会  以后补 B.给定一 ...

  4. web框架和django基础(粗糙版)

    web框架本质:    浏览器:socket客户端    服务器:socket服务端        1.自己写socket服务端(最傻)        #!/usr/bin/env python    ...

  5. npm ERR! Windows_NT 10.0.10586

    安装vue脚手架时候一直失败,如图: npm cache clean 管理员下安装: 快捷键 win +x , 按A进入:

  6. 561. Array Partition I

    Given an array of 2n integers, your task is to group these integers into n pairs of integer, say \(( ...

  7. 编程英语之KNN算法

    School of Computer Science The University of Adelaide   Artificial Intelligence Assignment 2   Semes ...

  8. reload(sys)后print失效问题解决

    python版本: python2.7.6 #查看python默认编码格式 >>> import sys >>> print sys.getdefaultencod ...

  9. Qt与FFmpeg联合开发指南(二)——解码(2):封装和界面设计

    与解码相关的主要代码在上一篇博客中已经做了介绍,本篇我们会先讨论一下如何控制解码速度再提供一个我个人的封装思路.最后回归到界面设计环节重点看一下如何保证播放器界面在缩放和拖动的过程中保证视频画面的宽高 ...

  10. 跟着大佬重新入门DP

    数列两段的最大字段和 POJ2479 Maximum sum Time Limit: 1000MS Memory Limit: 65536K Total Submissions: 41231 Acce ...