Python图像特征检测算法(1):Python实现SIFT和Harris
本文将介绍用于图像匹配的两种局部描述子算法,SIFT[论文链接]和Harris,它们在很多应用中都有比较重要的作用,比如目标匹配、目标跟踪、创建全景图、增强现实技术以及计算图像的三维重建等,而常用的特征有颜色、角点、特征点、轮廓、纹理等,很多内容中都会用到这些特征。Harris角点检测算法(也称Harris&Stephens角点检测器)是特征点检测的基础,是一个极为简单的角点检测算法。Harris提出了应用邻近像素点灰度差值的概念,从而进行判断是否为角点(兴趣点)、边缘、平滑区域。Harris角点检测原理是利用移动的窗口在图像中计算灰度变化值,其中关键流程包括转化为灰度图像、计算差分图像、高斯平滑、计算局部极值、确认角点(关键点)。SIFT[主页],即尺度不变特征变换(Scale-invariantfeature transform,SIFT),是用于图像处理领域的一种描述。这种描述具有尺度不变性,可在图像中检测出关键点,是一种局部特征描述子。该方法于1999年由David Lowe[主页]首先发表于计算机视觉国际会议(InternationalConference on Computer Vision,ICCV),2004年再次经David Lowe整理完善后发表于International journal of computer vision(IJCV)。截止2014年8月,该论文单篇被引次数达25000余次。
一、前期准备