OPENCV下SIFT算法使用方法OpenCV2.4.13+vs2013--可运行

原文：http://www.cnblogs.com/cj695/p/4041478.html

这几天继续在看Lowe大神的SIFT神作，看的眼花手脚抽筋。也是醉了！！！！实在看不下去，来点干货。我们知道opencv下自带SIFT特征检测以及MATCH匹配的库，这些库完全可以让我们进行傻瓜似的操作。但实际用起来的时候还不是那么简单。下文将对一个典型的基于OPENCV的SIFT特征点提取以及匹配的例程进行分析，并由此分析详细的对OPENCV中SIFT算法的使用进行一个介绍。

OPENCV下SIFT特征点提取与匹配的大致流程如下：

读取图片-》特征点检测（位置，角度，层）-》特征点描述的提取（16*8维的特征向量）-》匹配-》显示

其中，特征点提取主要有两个步骤，见上行黄子部分。下面做具体分析。

1、使用opencv内置的库读取两幅图片

2、生成一个SiftFeatureDetector的对象，这个对象顾名思义就是SIFT特征的探测器，用它来探测衣服图片中SIFT点的特征，存到一个KeyPoint类型的vector中。这里有必要说keypoint的数据结构，涉及内容较多，具体分析查看opencv中keypoint数据结构分析，里面讲的自认为讲的还算详细（表打我……）。简而言之最重要的一点在于：

keypoint只是保存了opencv的sift库检测到的特征点的一些基本信息，但sift所提取出来的特征向量其实不是在这个里面，特征向量通过SiftDescriptorExtractor 提取，结果放在一个Mat的数据结构中。这个数据结构才真正保存了该特征点所对应的特征向量。具体见后文对SiftDescriptorExtractor 所生成的对象的详解。

就因为这点没有理解明白耽误了一上午的时间。哭死！

3、对图像所有KEYPOINT提取其特征向量：

得到keypoint只是达到了关键点的位置，方向等信息，并无该特征点的特征向量，要想提取得到特征向量就还要进行SiftDescriptorExtractor 的工作，建立了SiftDescriptorExtractor 对象后，通过该对象，对之前SIFT产生的特征点进行遍历，找到该特征点所对应的128维特征向量。具体方法参见opencv中SiftDescriptorExtractor所做的SIFT特征向量提取工作简单分析。通过这一步后，所有keypoint关键点的特征向量被保存到了一个MAT的数据结构中，作为特征。

 4、对两幅图的特征向量进行匹配，得到匹配值。

两幅图片的特征向量被提取出来后，我们就可以使用BruteForceMatcher对象对两幅图片的descriptor进行匹配，得到匹配的结果到matches中，这其中具体的匹配方法暂没细看，过段时间补上。

至此，SIFT从特征点的探测到最后的匹配都已经完成，虽然匹配部分不甚了解，只扫对于如何使用OPENCV进行sift特征的提取有了一定的理解。接下来可以开始进行下一步的工作了。

附:使用OPENCV下SIFT库做图像匹配的例程

[cpp]  view plain  copy

1. // opencv_empty_proj.cpp : 定义控制台应用程序的入口点。  
2. //  
3.    
4. #include "stdafx.h"  
5. #include <opencv2/opencv.hpp>  
6. #include <opencv2/features2d/features2d.hpp>  
7. #include<opencv2/nonfree/nonfree.hpp>  
8. #include<opencv2/legacy/legacy.hpp>  
9. #include<vector>  
10. using namespace std;  
11. using namespace cv;  
12.    
13. int _tmain(int argc, _TCHAR* argv[])  
14. {  
15.     const char* imagename = "img.jpg";  
16.     
17.     //从文件中读入图像  
18.     Mat img = imread(imagename);  
19.     Mat img2=imread("img2.jpg");  
20.    
21.     //如果读入图像失败  
22.     if(img.empty())  
23.     {  
24.             fprintf(stderr, "Can not load image %s\n", imagename);  
25.             return -1;  
26.     }  
27.     if(img2.empty())  
28.     {  
29.             fprintf(stderr, "Can not load image %s\n", imagename);  
30.             return -1;  
31.     }  
32.     //显示图像  
33.     imshow("image before", img);  
34.     imshow("image2 before",img2);  
35.        
36.    
37.     //sift特征检测  
38.     SiftFeatureDetector  siftdtc;  
39.     vector<KeyPoint>kp1,kp2;  
40.    
41.     siftdtc.detect(img,kp1);  
42.     Mat outimg1;  
43.     drawKeypoints(img,kp1,outimg1);  
44.     imshow("image1 keypoints",outimg1);  
45.     KeyPoint kp;  
46.    
47.     vector<KeyPoint>::iterator itvc;  
48.     for(itvc=kp1.begin();itvc!=kp1.end();itvc++)  
49.     {  
50.         cout<<"angle:"<<itvc->angle<<"\t"<<itvc->class_id<<"\t"<<itvc->octave<<"\t"<<itvc->pt<<"\t"<<itvc->response<<endl;  
51.     }  
52.    
53.     siftdtc.detect(img2,kp2);  
54.     Mat outimg2;  
55.     drawKeypoints(img2,kp2,outimg2);  
56.     imshow("image2 keypoints",outimg2);  
57.    
58.    
59.     SiftDescriptorExtractor extractor;  
60.     Mat descriptor1,descriptor2;  
61.     BruteForceMatcher<L2<float>> matcher;  
62.     vector<DMatch> matches;  
63.     Mat img_matches;  
64.     extractor.compute(img,kp1,descriptor1);  
65.     extractor.compute(img2,kp2,descriptor2);  
66.    
67.    
68.     imshow("desc",descriptor1);  
69.     cout<<endl<<descriptor1<<endl;  
70.     matcher.match(descriptor1,descriptor2,matches);  
71.    
72.     drawMatches(img,kp1,img2,kp2,matches,img_matches);  
73.     imshow("matches",img_matches);  
74.    
75.     //此函数等待按键，按键盘任意键就返回  
76.     waitKey();  
77.     return 0;  
78. }