SIFT特征提取和匹配

SURF算法是SIFT算法的加速版， 而SIFT（尺度不变特征转换， ScaleInvariant Feature Transform） 是另一种著名的尺度不变特征检测法。我们知道，SURF相对于SIFT而言，特征点检测的速度有着极大的提升，所以在一些实时视频流物体匹配上有着很强的应用。而SIFT因为其巨大的特征计算量而使得特征点提取的过程异常花费时间，所以在一些注重速度的场合难有应用场景。但是SIFT相对于SURF的优点就是，由于SIFT基于浮点内核计算特征点，因此通常认为， SIFT算法检测的特征在空间和尺度上定位更加精确，所以在要求匹配极度精准且不考虑匹配速度的场合可以考虑使用SIFT算法。

SIFT特征检测的代码仅需要对上面的SURF代码作出一丁点修改即可。

#include "highgui/highgui.hpp"    
#include "opencv2/nonfree/nonfree.hpp"    
#include "opencv2/legacy/legacy.hpp"   
#include <iostream>  

using namespace cv;
using namespace std;


int main()
{
    Mat image01 = imread("C:\\Users\\Administrator\\Desktop\\1_A.jpg", 1);//右图
    Mat image02 = imread("C:\\Users\\Administrator\\Desktop\\1_B.jpg", 1);//左图
    namedWindow("p1", 0);//显示窗口名字
    namedWindow("p2", 0);
    imshow("p1", image01);//显示图像
    imshow("p2", image02);

    //灰度图转换  
    Mat image1, image2;//声明表示图像的向量
    cvtColor(image01, image1, CV_RGB2GRAY);//将彩色图像灰度化，输出为image1
    cvtColor(image02, image2, CV_RGB2GRAY);


    //提取特征点    
    SiftFeatureDetector siftDetector(2000);//构造SIFT特征检测器，Hessian矩阵阈值，在这里调整精度，值越大点越少，越精准
    vector<KeyPoint> keyPoint1, keyPoint2;//特征点的向量
    siftDetector.detect(image1, keyPoint1);//检测SURF特征
    siftDetector.detect(image2, keyPoint2);

    //特征点描述，为下边的特征点匹配做准备    
    SiftDescriptorExtractor SiftDescriptor;//构造SIFT描述子提取器
    Mat imageDesc1, imageDesc2;
    SiftDescriptor.compute(image1, keyPoint1, imageDesc1);//提取SIFT描述子
    SiftDescriptor.compute(image2, keyPoint2, imageDesc2);

    //获得匹配特征点，并提取最优配对     
    FlannBasedMatcher matcher;//构造匹配器
    vector<DMatch> matchePoints;
    matcher.match(imageDesc1, imageDesc2, matchePoints, Mat());//匹配两幅图像的描述子
    cout << "total match points: " << matchePoints.size() << endl;//一共的匹配点数


    Mat img_match;
    drawMatches(//使用函数 drawMatches来绘制检测到的匹配点
		image01, keyPoint1, //第一幅图像及其特征点
		image02, keyPoint2, //第二幅图像及其特征点
		matchePoints, //匹配结果
		img_match//生成的图像
		);

    imshow("match",img_match);
    imwrite("C:\\Users\\Administrator\\Desktop\\match.jpg", img_match);

    waitKey();
    return 0;
}

输入图像：

输出图像：