SIFT特征提取 应用篇

分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow

也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！

               

SIFT特征具有缩放、旋转特征不变性，下载了大牛的matlab版SIFT特征提取代码，解释如下：

1.调用方法：

将文件加入matlab目录后，在主程序中有两种操作：

op1：寻找图像中的Sift特征：

[image, descrips, locs] = sift('scene.pgm'); showkeys(image, locs);

op2：对两幅图中的SIFT特征进行匹配：

match('scene.pgm','book.pgm');

由于scene和book两图中有相同的一本书，但orientation和size都不同，可以发现所得结果中Sift特征检测结果非常好。

2.代码下载地址：

http://www.cs.ubc.ca/~lowe/keypoints/

3.想用自己的图片进行调用：

i1=imread('D:\Images\New\Cars\image_0001.jpg');i2=imread('D:\Images\New\Cars\image_0076.jpg');i11=rgb2gray(i1);i22=rgb2gray(i2);imwrite(i11,'v1.jpg','quality',80);imwrite(i22,'v2.jpg','quality',80);match('v1.jpg','v2.jpg');

experiment results:

scene

book

compare result

EXP2:

C代码：

// FeatureDetector.cpp : Defines the entry point for the console application.//#include "stdafx.h"#include "highgui.h"#include "cv.h"#include "vector"#include "opencv\cxcore.hpp"#include "iostream"#include "opencv.hpp"#include "nonfree.hpp"#include "showhelper.h"using namespace cv;using namespace std;int _tmain(int argc, _TCHAR* argv[]){ //Load Image  Mat c_src1 =  imread( "..\\Images\\3.jpg"); Mat c_src2 = imread("..\\Images\\4.jpg"); Mat src1 = imread( "..\\Images\\3.jpg", CV_LOAD_IMAGE_GRAYSCALE); Mat src2 = imread( "..\\Images\\4.jpg", CV_LOAD_IMAGE_GRAYSCALE); if( !src1.data || !src2.data ) { std::cout<< " --(!) Error reading images " << std::endl; return -1; } //sift feature detect SiftFeatureDetector detector; std::vector<KeyPoint> kp1, kp2; detector.detect( src1, kp1 ); detector.detect( src2, kp2 ); SiftDescriptorExtractor extractor; Mat des1,des2;//descriptor extractor.compute(src1,kp1,des1); extractor.compute(src2,kp2,des2);  Mat res1,res2;  int drawmode = DrawMatchesFlags::DRAW_RICH_KEYPOINTS; drawKeypoints(c_src1,kp1,res1,Scalar::all(-1),drawmode);//在内存中画出特征点 drawKeypoints(c_src2,kp2,res2,Scalar::all(-1),drawmode); cout<<"size of description of Img1: "<<kp1.size()<<endl; cout<<"size of description of Img2: "<<kp2.size()<<endl; BFMatcher matcher(NORM_L2); vector<DMatch> matches; matcher.match(des1,des2,matches); Mat img_match; drawMatches(src1,kp1,src2,kp2,matches,img_match);//,Scalar::all(-1),Scalar::all(-1),vector<char>(),drawmode); cout<<"number of matched points: "<<matches.size()<<endl; imshow("matches",img_match); cvWaitKey(); cvDestroyAllWindows(); return 0;}

Python代码：

http://blog.csdn.net/abcjennifer/article/details/7639681

关于sift的其他讲解:

http://blog.csdn.net/abcjennifer/article/details/7639681

http://blog.csdn.net/abcjennifer/article/details/7372880

http://blog.csdn.net/abcjennifer/article/details/7365882

关于computer vision的更多讨论与交流，敬请关注本博客和新浪微博Sophia_qing。

           

给我老师的人工智能教程打call！http://blog.csdn.net/jiangjunshow