- 浏览: 264030 次
- 性别:
- 来自: 济南
文章分类
最新评论
【OpenCV】SIFT原理与源码分析
- 博客分类:
- 前车之鉴(转载)
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:
- DoG尺度空间构造(Scale-space extrema detection)
- 关键点搜索与定位(Keypoint localization)
- 方向赋值(Orientation assignment)
- 关键点描述(Keypoint descriptor)
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:
SIFT::SIFT(int nfeatures=0, int nOctaveLayers=3, double contrastThreshold=0.04, double edgeThreshold= 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:
void SIFT::operator()(InputArray img, InputArray mask, vector<KeyPoint>& keypoints, OutputArray 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:
SIFT::SIFT( int _nfeatures, int _nOctaveLayers, double _contrastThreshold, double _edgeThreshold, double _sigma ) : nfeatures(_nfeatures), nOctaveLayers(_nOctaveLayers), contrastThreshold(_contrastThreshold), edgeThreshold(_edgeThreshold), sigma(_sigma) // sigma:对第0层进行高斯模糊的尺度空间因子。 // 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) { }
主要操作还是利用重载操作符()来执行:
void SIFT::operator()(InputArray _image, InputArray _mask, vector<KeyPoint>& keypoints, OutputArray _descriptors, bool useProvidedKeypoints) const // mask :Optional input mask that marks the regions where we should detect features. // Boolean flag. If it is true, the keypoint detector is not run. Instead, // the provided vector of keypoints is used and the algorithm just computes their descriptors. // descriptors – The output matrix of descriptors. // Pass cv::noArray() if you do not need them. { Mat image = _image.getMat(), mask = _mask.getMat(); if( image.empty() || image.depth() != CV_8U ) CV_Error( CV_StsBadArg, "image is empty or has incorrect depth (!=CV_8U)" ); if( !mask.empty() && mask.type() != CV_8UC1 ) CV_Error( CV_StsBadArg, "mask has incorrect type (!=CV_8UC1)" ); // 得到第1组(Octave)图像 Mat base = createInitialImage(image, false, (float)sigma); vector<Mat> gpyr, dogpyr; // 每层金字塔图像的组数(Octave) int nOctaves = cvRound(log( (double)std::min( base.cols, base.rows ) ) / log(2.) - 2); // double t, tf = getTickFrequency(); // t = (double)getTickCount(); // 构建金字塔(金字塔层数和组数相等) buildGaussianPyramid(base, gpyr, nOctaves); // 构建高斯差分金字塔 buildDoGPyramid(gpyr, dogpyr); //t = (double)getTickCount() - t; //printf("pyramid construction time: %g\n", t*1000./tf); // useProvidedKeypoints默认为false // 使用keypoints并计算特征点的描述符 if( !useProvidedKeypoints ) { //t = (double)getTickCount(); findScaleSpaceExtrema(gpyr, dogpyr, keypoints); //除去重复特征点 KeyPointsFilter::removeDuplicated( keypoints ); // mask标记检测区域(可选) if( !mask.empty() ) KeyPointsFilter::runByPixelsMask( keypoints, mask ); // retainBest:根据相应保留指定数目的特征点(features2d.hpp) if( nfeatures > 0 ) KeyPointsFilter::retainBest(keypoints, nfeatures); //t = (double)getTickCount() - t; //printf("keypoint detection time: %g\n", t*1000./tf); } else { // filter keypoints by mask // KeyPointsFilter::runByPixelsMask( keypoints, mask ); } // 特征点输出数组 if( _descriptors.needed() ) { //t = (double)getTickCount(); int dsize = descriptorSize(); _descriptors.create((int)keypoints.size(), dsize, CV_32F); Mat descriptors = _descriptors.getMat(); calcDescriptors(gpyr, keypoints, descriptors, nOctaveLayers); //t = (double)getTickCount() - t; //printf("descriptor extraction time: %g\n", t*1000./tf); } }
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。
发表评论
-
unity基础开发----物体位移和旋转实用代码
2013-11-21 22:46 1222using UnityEngine; using Syst ... -
Android中View绘制优化之一---- 优化布局层次
2012-09-04 23:00 970... -
Android中View绘制优化二一---- 使用<include />标签复用布局文件
2012-09-08 13:54 972... -
Android中View绘制优化之三---- 优化View
2012-09-13 21:00 1047... -
兰林任务管理应用程序雏形版以及概要说明
2012-09-15 21:54 829... -
Android中measure过程、WRAP_CONTENT详解以及xml布局文件解析流程浅析(上)
2012-10-10 18:14 1066... -
Android中measure过程、WRAP_CONTENT详解以及xml布局文件解析流程浅析(下)
2012-10-17 20:05 809... -
Android中文件选择器的实现
2012-11-30 08:59 1080... -
【编译原理】使用Lex将C/C++文件输出为HTML文件
2012-07-20 09:37 97108年9月入学,12年7月毕业,结束了我在软件学院愉快丰富的大 ... -
【编译原理】正则表达式
2012-07-21 21:49 213608年9月入学,12年7月毕业,结束了我在软件学院愉快丰富的大 ... -
【OpenCV】访问Mat图像中每个像素的值
2012-07-22 07:10 1095今天百度搜资料还搜到了自己的。。。《访问图像中每个像素的值 ... -
【编译原理】用Yacc做语法分析
2012-07-23 05:47 169708年9月入学,12年7月毕 ... -
【UML】UML几种图的绘制
2012-07-24 09:49 94208年9月入学,12年7月毕业,结束了我在软件学院愉快丰富的大 ... -
【OpenCV】邻域滤波:方框、高斯、中值、双边滤波
2012-07-26 10:52 1411邻域滤波(卷积) 邻域算子值利用给定像素 ... -
【数据结构】排序算法:希尔、归并、快速、堆排序
2012-07-28 06:15 94008年9月入学,12年7月毕 ... -
【OpenCV】角点检测:Harris角点及Shi-Tomasi角点检测
2012-07-31 13:25 1494角点 特征检测与匹配 ... -
【UML】案例分析:机场运作系统
2012-08-01 17:22 292608年9月入学,12年7月毕 ... -
【OpenCV】边缘检测:Sobel、拉普拉斯算子
2012-08-04 13:41 1469边缘 边缘(edge)是指图像局部强度变化最显著的部分。主要 ... -
【OpenCV】Canny 边缘检测
2012-08-08 10:17 1937Canny 边缘检测算法 1986 ... -
【UML】案例分析:新型超市购物自助系统
2012-08-19 01:13 125608年9月入学,12年7月毕业,结束了我在软件学院愉快丰富的大 ...
相关推荐
详细介绍SIFT算法,opencv的SIFT源码分析,以及应用实例
python opencv sift光流
自己整理的opencv源码分析,是关于opencv2.2的,里面也有自己的翻译,如果大家喜欢,我陆续会把源码分析一个个上传完毕
python opencv sift 手动区域光流跟踪
开源代码,opencv SIFT特征提取
用c++与OPENCV结合在一起的SIFT源码,看了后会很有用
特征提取中的SIFT算法,主要的算法程序。
用opencv+VS2012实现的SIFT特征提取与匹配算法,已编译通过,直接打开就能运行
利用opencv3.0详细实现sift算子(未调用opencv3.0和sift相关的函数),该文档自带两张图片可以测试。本人亲测效果很好。还有一个生成的exe文件可以直接使用验证。
这个文档是基于OPENCV开发平台的SIFT算法说明,有需要的朋友可以借鉴
压缩包中含有测试图片,Lowe的SIFT算法用OPENCV,误匹配部分用RANSAC剔除。
opencv实现的SIFT算法源码,包含图像的SIFT特征提取算法,以及图像之间的基于SIFT特征的匹配算法
是有关Opencv的sift算法,希望对大家有帮助
基于OPENCV的SIFT特征提取与匹配算法。包含完整的从图像高斯金字塔、DOG、空间极值点提取、关键点描述、KDtree匹配等关键步骤的全部函数实现,对全面深入理解Lowe的SIFT算法有莫大帮助。 程序运行前须安装 (1)...
这是一段VS2013和OpenCV3.3的,基于SIFT特征和SURF特征的微旋转图像拼接与融合生成全景图像的代码。具体分析见博客http://blog.csdn.net/primetong/article/details/79577152
可以在VS2008,OpenCV下运行。本人已经试验过
在OpenCV下写的一个SIFT特征点提取算法,简单实用!
基于VC++ opencv的图像匹配源代码(SIFT)
只用OpenCV,五行搞定SIFT特征点检测(除了预编译头,读图,显示,就五行)。一行一分,有运行结果截图。 运行环境 VS2008/VS2010 + OpenCV2.3.1 声明: 代码很短,为截图,请下载后自行敲到工程里。 代码不包含...
基于openCV的检测系统源码.zip基于openCV的检测系统源码.zip基于openCV的检测系统源码.zip基于openCV的检测系统源码.zip基于openCV的检测系统源码.zip基于openCV的检测系统源码.zip基于openCV的检测系统源码.zip基于...