http://blog.csdn.net/xiaowei_cqu/article/details/8069548

SIFT简介

Scale Invariant Feature Transform,尺度不变特征变换匹配算法,是由David G. Lowe在1999年(《Object Recognition from Local Scale-Invariant Features》)提出的高效区域检测算法,在2004年(《Distinctive Image Features from Scale-Invariant Keypoints》)得以完善。

SIFT特征对旋转、尺度缩放、亮度变化等保持不变性,是非常稳定的局部特征,现在应用很广泛。而SIFT算法是将Blob检测,特征矢量生成,特征匹配搜索等步骤结合在一起优化。我会更新一系列文章,分析SIFT算法原理及OpenCV 2.4.2实现的SIFT源码:

  1. DoG尺度空间构造(Scale-space extrema detection
  2. 关键点搜索与定位(Keypoint localization
  3. 方向赋值(Orientation assignment
  4. 关键点描述(Keypoint descriptor
  5. OpenCV实现:特征检测器FeatureDetector
  6. SIFT中LoG和DoG的比较
OpenCV2.3之后实现了SIFT的代码,2.4改掉了一些bug。本系列文章主要分析OpenCV 2.4.2SIFT函数源码。
SIFT位于OpenCV nonfree的模块,David G. Lowe申请了算法的版权,请尊重作者权力,务必在允许范围内使用。
 

SIFT in OpenCV

OpenCV中的SIFT函数主要有两个接口。

构造函数:

  1. SIFT::SIFT(int nfeatures=0, int nOctaveLayers=3, double contrastThreshold=0.04, double edgeThreshold=
  2. 10, double sigma=1.6)

nfeatures:特征点数目(算法对检测出的特征点排名,返回最好的nfeatures个特征点)。
nOctaveLayers:金字塔中每组的层数(算法中会自己计算这个值,后面会介绍)。
contrastThreshold:过滤掉较差的特征点的对阈值。contrastThreshold越大,返回的特征点越少。
edgeThreshold:过滤掉边缘效应的阈值。edgeThreshold越大,特征点越多(被多滤掉的越少)。
sigma:金字塔第0层图像高斯滤波系数,也就是σ。

 

重载操作符:

  1. void SIFT::operator()(InputArray img, InputArray mask, vector<KeyPoint>& keypoints, OutputArray
  2. descriptors, bool useProvidedKeypoints=false)

img:8bit灰度图像
mask:图像检测区域(可选)
keypoints:特征向量矩阵
descipotors:特征点描述的输出向量(如果不需要输出,需要传cv::noArray())。
useProvidedKeypoints:是否进行特征点检测。ture,则检测特征点;false,只计算图像特征描述。

 

函数源码

构造函数SIFT()主要用来初始化参数,并没有特定的操作:
  1. SIFT::SIFT( int _nfeatures, int _nOctaveLayers,
  2. double _contrastThreshold, double _edgeThreshold, double _sigma )
  3. : nfeatures(_nfeatures), nOctaveLayers(_nOctaveLayers),
  4. contrastThreshold(_contrastThreshold), edgeThreshold(_edgeThreshold), sigma(_sigma)
  5. // sigma:对第0层进行高斯模糊的尺度空间因子。
  6. // 默认为1.6(如果是软镜摄像头捕获的图像,可以适当减小此值)
  7. {
  8. }

主要操作还是利用重载操作符()来执行:

  1. void SIFT::operator()(InputArray _image, InputArray _mask,
  2. vector<KeyPoint>& keypoints,
  3. OutputArray _descriptors,
  4. bool useProvidedKeypoints) const
  5. // mask :Optional input mask that marks the regions where we should detect features.
  6. // Boolean flag. If it is true, the keypoint detector is not run. Instead,
  7. // the provided vector of keypoints is used and the algorithm just computes their descriptors.
  8. // descriptors – The output matrix of descriptors.
  9. // Pass cv::noArray() if you do not need them.
  10. {
  11. Mat image = _image.getMat(), mask = _mask.getMat();
  12. if( image.empty() || image.depth() != CV_8U )
  13. CV_Error( CV_StsBadArg, "image is empty or has incorrect depth (!=CV_8U)" );
  14. if( !mask.empty() && mask.type() != CV_8UC1 )
  15. CV_Error( CV_StsBadArg, "mask has incorrect type (!=CV_8UC1)" );
  16. // 得到第1组(Octave)图像
  17. Mat base = createInitialImage(image, false, (float)sigma);
  18. vector<Mat> gpyr, dogpyr;
  19. // 每层金字塔图像的组数(Octave)
  20. int nOctaves = cvRound(log( (double)std::min( base.cols, base.rows ) ) / log(2.) - 2);
  21. // double t, tf = getTickFrequency();
  22. // t = (double)getTickCount();
  23. // 构建金字塔(金字塔层数和组数相等)
  24. buildGaussianPyramid(base, gpyr, nOctaves);
  25. // 构建高斯差分金字塔
  26. buildDoGPyramid(gpyr, dogpyr);
  27. //t = (double)getTickCount() - t;
  28. //printf("pyramid construction time: %g\n", t*1000./tf);
  29. // useProvidedKeypoints默认为false
  30. // 使用keypoints并计算特征点的描述符
  31. if( !useProvidedKeypoints )
  32. {
  33. //t = (double)getTickCount();
  34. findScaleSpaceExtrema(gpyr, dogpyr, keypoints);
  35. //除去重复特征点
  36. KeyPointsFilter::removeDuplicated( keypoints );
  37. // mask标记检测区域(可选)
  38. if( !mask.empty() )
  39. KeyPointsFilter::runByPixelsMask( keypoints, mask );
  40. // retainBest:根据相应保留指定数目的特征点(features2d.hpp)
  41. if( nfeatures > 0 )
  42. KeyPointsFilter::retainBest(keypoints, nfeatures);
  43. //t = (double)getTickCount() - t;
  44. //printf("keypoint detection time: %g\n", t*1000./tf);
  45. }
  46. else
  47. {
  48. // filter keypoints by mask
  49. // KeyPointsFilter::runByPixelsMask( keypoints, mask );
  50. }
  51. // 特征点输出数组
  52. if( _descriptors.needed() )
  53. {
  54. //t = (double)getTickCount();
  55. int dsize = descriptorSize();
  56. _descriptors.create((int)keypoints.size(), dsize, CV_32F);
  57. Mat descriptors = _descriptors.getMat();
  58. calcDescriptors(gpyr, keypoints, descriptors, nOctaveLayers);
  59. //t = (double)getTickCount() - t;
  60. //printf("descriptor extraction time: %g\n", t*1000./tf);
  61. }
  62. }

函数中用到的构造金字塔: buildGaussianPyramid(base, gpyr, nOctaves);等步骤请参见文章后续系列。

OpenCV SIFT原理与源码分析的更多相关文章

  1. 【OpenCV】SIFT原理与源码分析:DoG尺度空间构造

    原文地址:http://blog.csdn.net/xiaowei_cqu/article/details/8067881 尺度空间理论   自然界中的物体随着观测尺度不同有不同的表现形态.例如我们形 ...

  2. 【OpenCV】SIFT原理与源码分析:关键点描述

    <SIFT原理与源码分析>系列文章索引:http://www.cnblogs.com/tianyalu/p/5467813.html 由前一篇<方向赋值>,为找到的关键点即SI ...

  3. 【OpenCV】SIFT原理与源码分析:方向赋值

    <SIFT原理与源码分析>系列文章索引:http://www.cnblogs.com/tianyalu/p/5467813.html 由前一篇<关键点搜索与定位>,我们已经找到 ...

  4. 【OpenCV】SIFT原理与源码分析:关键点搜索与定位

    <SIFT原理与源码分析>系列文章索引:http://www.cnblogs.com/tianyalu/p/5467813.html 由前一步<DoG尺度空间构造>,我们得到了 ...

  5. 【OpenCV】SIFT原理与源码分析

    SIFT简介 Scale Invariant Feature Transform,尺度不变特征变换匹配算法,是由David G. Lowe在1999年(<Object Recognition f ...

  6. OpenCV学习笔记(27)KAZE 算法原理与源码分析(一)非线性扩散滤波

    http://blog.csdn.net/chenyusiyuan/article/details/8710462 OpenCV学习笔记(27)KAZE 算法原理与源码分析(一)非线性扩散滤波 201 ...

  7. ConcurrentHashMap实现原理及源码分析

    ConcurrentHashMap实现原理 ConcurrentHashMap源码分析 总结 ConcurrentHashMap是Java并发包中提供的一个线程安全且高效的HashMap实现(若对Ha ...

  8. HashMap和ConcurrentHashMap实现原理及源码分析

    HashMap实现原理及源码分析 哈希表(hash table)也叫散列表,是一种非常重要的数据结构,应用场景及其丰富,许多缓存技术(比如memcached)的核心其实就是在内存中维护一张大的哈希表, ...

  9. (转)ReentrantLock实现原理及源码分析

    背景:ReetrantLock底层是基于AQS实现的(CAS+CHL),有公平和非公平两种区别. 这种底层机制,很有必要通过跟踪源码来进行分析. 参考 ReentrantLock实现原理及源码分析 源 ...

随机推荐

  1. As3 里的正则相关

    用正则的时候 不要用if(content.match("test").length > 0) ...; 改成 if(content.match(/test/g).length ...

  2. ubuntu nginx 伪静态 设置

    简单的静态设置 1  vim nginx.conf // 修改nginx配置文件 server { .... root /usr/local/nginx/html; #nginx网站根目录 #下面这个 ...

  3. jQuery 快速入门教程

    内容目录 jQuery 入门 什么是jQuery 如何使用jQuery jQuery的运行原理 如何选择jQuery版本 ready() 准备就绪时执行代码 jQuery 核心:选取元素 使用jQue ...

  4. javascript 事件多次绑定和删除

    同一个事件绑定多个事件处理程序(适合自己写)IE: 添加: 对象.attachEvent("on事件名","处理程序/函数名"); 执行顺序从后向前 删除: 对 ...

  5. JavaScript入门介绍(二)

    JavaScript入门介绍 [函数] 函数function 是Javascript的基础模块单元,用于代码的复用.信息影藏和组合调用. function a(){} 函数对象Function Lit ...

  6. UITextView -- 基础备忘

    UITextView 这篇文章只涉及到基本的使用,日后会写一些关于结合TextKit的备忘 基本属性 let screenSize = UIScreen.mainScreen().bounds.siz ...

  7. githubRepository -- 使用

    1. 注册github账号; 2. 配置SSH keys; 点击setting, 配置 SSH keys Generating SSH keys 检查本地的 SSH keys: a> 在用户目录 ...

  8. Java Annotation手册

    Java Annotation手册 作者:cleverpig(作者的Blog:http://blog.matrix.org.cn/page/cleverpig) 原文:http://www.matri ...

  9. Jsop入门程序

    package com.baidu; import java.io.IOException; import org.jsoup.Jsoup;import org.jsoup.nodes.Documen ...

  10. ACdream训练赛系列のJava专场

    /* * this code is made by mhy12345 * Problem: 1669 * Verdict: Accepted * Submission Date: 2015-04-21 ...