小玩OpenSURF图像识别

本文来自http://blog.csdn.net/hellogv/ ，引用必须注明出处！

最近工作有点闲，有时间就玩点有意思的东西------SURF 图像识别(WIKI地址)，懂了图像识别，真的有很多东西可以玩。。。。。先看看本文实现的效果：

左图不是相同的指纹，右图为相同的指纹

ShapeContext算法中典型的实验图片。。。借来用用而已。。。

本文修改后的代码可以到这里:http://download.csdn.net/source/2515577下载，本文的代码改自GoogleCode的OpenSource。

网上已经有很多封装好的SURF算法，这里我挑OpenSURF.OpenSURF在GoogleCode的地址http://code.google.com/p/opensurf1/，在【Source】 Tab里有C++版和C#版，C++版依赖Opencv，C#版不依赖OpenCV，我选择了C#版裸奔SURF。。。。在使用OpenSURF的C#版发现两个问题：

1。没有Match模块，所以这个就得自己写了；
2。OpenSURF for C#竟然大量使用GetPixel() ...... -. -||| ......做过图像处理的兄弟都应该知道GetPixel()的效率...........这个也得自己改改。

解决问题1：C++版包含了Match模块，所以我就参考C++版的，写成C#。。。。。以下是我自己添加的Match代码：

 using System;
using System.Collections.Generic;
using System.Text;
using OpenSURFcs;
class Utils
{
    private const float FLT_MAX = 3.402823466e+38F;        /* max value */
    public static List<IPoint>[] getMatches(List<IPoint> ipts1, List<IPoint> ipts2)
    {
        double dist;
        double d1, d2;
        IPoint match = new IPoint();
        List<IPoint>[] matches = new List<IPoint>[2];
        matches[0] = new List<IPoint>();
        matches[1] = new List<IPoint>();
        for (int i = 0; i < ipts1.Count; i++)
        {
            d1 = d2 = FLT_MAX;
            for (int j = 0; j < ipts2.Count; j++)
            {
                dist = GetDistance(ipts1[i], ipts2[j]);
                if (dist < d1) // if this feature matches better than current best
                {
                    d2 = d1;
                    d1 = dist;
                    match = ipts2[j];
                }
                else if (dist < d2) // this feature matches better than second best
                {
                    d2 = dist;
                }
            }
            // If match has a d1:d2 ratio < 0.65 ipoints are a match
            if (d1 / d2 < 0.77) //越小Match点越少
            {
                matches[0].Add(ipts1[i]);
                matches[1].Add(match);
            }
        }
        return matches;
    }
    private static  double GetDistance(IPoint ip1, IPoint ip2)
    {
        float sum = 0.0f;
        for (int i = 0; i < 64; ++i)
            sum += (ip1.descriptor[i] - ip2.descriptor[i]) * (ip1.descriptor[i] - ip2.descriptor[i]);
        return Math.Sqrt(sum);
    }
}
 

解决问题2：参考网上的代码，把IntegralImage.cs的FromImage(Bitmap image)函数改成：

public static IntegralImage FromImage(Bitmap image)
        {
            IntegralImage pic = new IntegralImage(image.Width, image.Height);
            float rowsum = 0;
            /*      for (int y = 0; y < image.Height; y++)
                  {
                      rowsum = 0;
                      for (int x = 0; x < image.Width; x++)
                      {
                          Color c = image.GetPixel(x, y);
                          rowsum += (cR * c.R + cG * c.G + cB * c.B) / 255f;
                          // integral image is rowsum + value above   
                          if(y==0)
                              pic[0, x] = rowsum;
                          else
                              pic[y, x] = rowsum + pic[y - 1, x];
                      }
                  }*/
            BitmapData dataIn = image.LockBits(new Rectangle(0, 0, image.Width, image.Height), ImageLockMode.ReadOnly, PixelFormat.Format24bppRgb);
            unsafe
            {
                byte* pIn = (byte*)(dataIn.Scan0.ToPointer());
                for (int y = 0; y < dataIn.Height; y++)
                {
                    rowsum = 0;
                    for (int x = 0; x < dataIn.Width; x++)
                    {
                        int cb = (byte)(pIn[0]);
                        int cg = (byte)(pIn[1]);
                        int cr = (byte)(pIn[2]);
                        // 0 1 2代表的次序是B G R
                        rowsum += (cR * cr + cG * cg + cB * cb) / 255f;
                        // integral image is rowsum + value above   
                        if (y == 0)
                            pic[0, x] = rowsum;
                        else
                            pic[y, x] = rowsum + pic[y - 1, x];
                        pIn += 3;
                    }
                    pIn += dataIn.Stride - dataIn.Width * 3;
                }
            }
            image.UnlockBits(dataIn);
            return pic;
        } 

OK,解决了以上两个问题，OpenSURF的C#版功能算是跟C++差不多了。。。。当然，C#跟C++的速度还有点差距的。。。。接下来就说说如何提高识别率，有两个关键的系数要微调的：
1。FastHessian.getIpoints(0.0001f, 5, 2, iimg);的第一个参数决定了特征点的数量，越小则特征点越多；
2。在Utils.cs里面的if (d1 / d2 < 0.77) //越小匹配的点越少，但误判断点也越少；越大匹配的点越多，但误判断点也越多。
以上两个要微调的函数就要具体情况具体微调了。。。。