Python-Opencv 实现一种确定特征点描述子主方向的方法（参考SIFT算法）

最新推荐文章于 2024-05-28 12:32:35 发布

JerryC_py白菜

最新推荐文章于 2024-05-28 12:32:35 发布

阅读量557

点赞数

文章标签： opencv 计算机视觉人工智能 python

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/csqqsccsqqsc/article/details/129022440

版权

一、背景

图像匹配算法主要分为两大类，第一类是近些年发展迅速的立体匹配算法，通过极线矫正与代价计算等方法实现图像特征点的匹配，包括NCC、SSD等全局、半全局代价计算方法等；第二类是较为传统的局部匹配算法，主要通过针对特征点构建特征描述子，通过描述子之间的相似性进行图像特征点的匹配，同时，为了减少图像旋转、物体运动对图像特征点匹配带来的影响，提高局部匹配算法的鲁棒性，确定一个特征点主方向作为不变量，保证特征描述子的旋转不变性变得尤为重要！

二、SIFT算法特征点主方向

可参考以下链接：SIFT算法原理（3）-确定关键点的主方位，构建关键点描述符 - 浮沉沉浮 - 博客园 (cnblogs.com)

三、本文特征点主方向确定原理

（1）以特征点为中心，构建n*n大小的邻域（一般选择在此邻域内构建描述子）；

（2）在邻域范围内，对每个像素点的梯度幅值M（h， w），θ（h， w）进行计算，计算公式参考了SIFT算法：
$M(h, w) = \sqrt{(I(h+1, w)-I(h-1, w))^{2} + (I(h, w+1)-I(h, w-1))^{2}}$

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。