16.SIFT算法.md

SIFI 算法

• SIFT，即尺度不变特征变换算法（Scale-invariant feature transform，SIFT）， 是用于图像处理领域的一种算法。SIFT具有尺度不变性，可在图像中检测出关 键点，是一种局部特征描述子。

• 其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、 手势辨识、影像追踪和动作比对

SIFT特性：

• 独特性，也就是特征点可分辨性高，类 似指纹，适合在海量数据中匹配。
• 多量性，提供的特征多。
• 高速性，就是速度快。
• 可扩展，能与其他特征向量联合使用。

SIFT特点：

• 旋转、缩放、平移不变性
• 解决图像仿射变换，投影变换 的关键的匹配
• 光照影响小
• 目标遮挡影响小
• 噪声景物影响小

SIFT算法步骤

• 尺度空间极值检测点检测 • 关键点定位：去除一些不好的特征点，保存下来的特征点能够满足稳定性等条件

• 关键点方向参数：获取关键点所在尺度空间的邻域，然后计算该区域的梯度和方 向，根据计算得到的结果创建方向直方图，直方图的峰值为主方向的参数

• 关键点描述符：每个关键点用一组向量（位置、尺度、方向）将这个关键点描述 出来，使其不随着光照、视角等等影响而改变

• 关键点匹配：分别对模板图和实时图建立关键点描述符集合，通过对比关键点描 述符来判断两个关键点是否相同

• 返回的关键点是一个带有很多不用属性的特殊 结构体，属性当中有坐标，方向、角度等。

• 使用sift.compute()函数来进行计算关键点描 述符

  • kp,des = sift.compute(gray,kp)

• 如果未找到关键点，可使用函数 sift.detectAndCompute()直接找到关键点并 计算。

• 在第二个函数中，kp为关键点列表，des为 numpy的数组，为关键点数目×128

img = cv2.imread('harris2.png')
gray= cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
sift = cv2.xfeatures2d.SIFT_create()
kp = sift.detect(gray,None)#找到关键点
img=cv2.drawKeypoints(gray,kp,img)#绘制关键点
cv2.imshow('sp',img)
cv2.waitKey(0)
cv2.destroyAllWindows()