sift的java实现解述

最新推荐文章于 2021-03-05 20:59:36 发布

axman

最新推荐文章于 2021-03-05 20:59:36 发布

阅读量1.2w

点赞数 5

分类专栏： go deep into final

本文链接：https://blog.csdn.net/axman/article/details/9243681

版权

本文档介绍了如何在Java中实现SIFT特征检测。代码已开源至GitHub的simpleimage项目，主要讲解了构建尺度空间、检测极值点以获得尺度不变性，以及特征点过滤和精确定位的过程。内容包括高斯金字塔的构建、差分图像的生成以及极值点的筛选和定位。

摘要由CSDN通过智能技术生成

代码已经开源到github上，https://github.com/alibaba/simpleimage项目，其中的 analyze模块中。

原始图片为：

主要调用方法：

           BufferedImage img = ImageIO.read(logoFile);
            RenderImage ri = new RenderImage(img);
            SIFT sift = new SIFT();
            sift.detectFeatures(ri.toPixelFloatArray(null));
            List<KDFeaturePoint> al = sift.getGlobalKDFeaturePoints();

同样可以再读另一个张图得到另一个 List<KDFeaturePoint> al1,然后两个List进行match

                List<Match> ms = MatchKeys.findMatchesBBF(al, al1);
                ms = MatchKeys.filterMore(ms);

先从上面的调用入口，详细讲解图sift的特征点生，至于match,有空再说。其中最难理解的是极值点的查找，主要对这部分讲解。

一.构建尺度空间，检测极值点，获得尺度不变性

ImagePixelArray就是保存一张图片的象素点进行灰度化后的数组。在RenderImage的toPixelFloatArray方法中默认灰度处理只是简单将rgb的值换成r,g,b的平均值并做归一化处理(除以255);

从调用入口我们进入主类SIFT的用户接口detectFeatures方法，它实际调用了detectFeaturesDownscaled(ImageMap img, int bothDimHi, double startScale) ，我们看随了开始的几行init工作，最后对图片使用preprocSigma(1.5)的参数进行高斯模数预处理。

        if (preprocSigma > 0.0) {
            GaussianArray gaussianPre = new GaussianArray(preprocSigma);
            img = gaussianPre.convolve(img);
        }

进行高斯模糊的目的是为了使大片的灰度相近的点连成一片，而使一些比较突出的点更加区别于其它点，就象我们把一张灰度图片使用“版画”效果会把大量的连片点去掉只留下轮廓。

经过上面的预处理效果为：