OpenCV SIFT源码讲解——代码逻辑宏观窥探

一、暴露在外的接口：SIFT

一般来说，我们在OpenCV中使用SIFT算法的方式为：

//该表达式涉及到多态，详解在第2节
cv::Ptr<SiftFeatureDetector>  sift = SIFT::create();

那么，SiftFeatureDetector是什么呢？在 features2d.hpp中清晰的写出来：

typedef SIFT SiftFeatureDetector;

同样在该文件中，可以看到：

class CV_EXPORTS_W SIFT : public Feature2D
{
...
}

CV_EXPORTS_W 的本质如下，表明SIFT 是一个暴露给用户的接口。

define CV_EXPORTS_W  CV_EXPORTS 
//下面一行宏定义只能在源码内看到，不对外暴露
//若在程序中使用编译好的OpenCV，只能追踪到上一行宏定义
define CV_EXPORTS __declspec(dllexport)

二、隐藏在SIFT背后的本质：SIFT_Impl

在编译好的OpenCV内，对于SIFT，只提供了features2d.hpp文件，我们无法看到任何有关与他的具体实现。因此，想要探究其本质，现在进入其源码内：sift.dispatch.cpp。

在该cpp文件中，定义了一个SIFT的派生类SIFT_Impl 。该派生类不对外暴露。

class SIFT_Impl : public SIFT{
};

同时，在该CPP文件中，也定义了SIFT接口的create函数：

Ptr<SIFT> SIFT::create( int _nfeatures, int _nOctaveLayers,
                     double _contrastThreshold, double _edgeThreshold, double _sigma, int _descriptorType )
{
	...
	/*
	*	返回指针
	*/
    return makePtr<SIFT_Impl>(_nfeatures, _nOctaveLayers, _contrastThreshold, _edgeThreshold, _sigma, _descriptorType);
}

因此，到目前为止，已经知道了SIFT背后的逻辑：

//定义SIFT类型的指针
//在create函数内定义 派生类 SIFT_Impl对象
//SIFT_Impl指针向上转型，赋值给sift。（多态）
cv::Ptr<SiftFeatureDetector>  sift = SIFT::create();

之后，sift通过箭头描述符调用的任何函数，都将通过虚指针指向派生类的具体实现。也即SIFT_Impl才是sift的本质。

三、使用sift算法全流程

//1.读取图像
cv::Mat matL = cv::imread(imgL);
cv::Mat matR = cv::imread(imgR);

//2.定义关键点和描述符
std::vector<cv::KeyPoint> kpL,kpR;
cv::Mat descriptorL,descriptorR;

//3.创建SIFT对象
cv::Ptr<SiftFeatureDetector>  siftL = SIFT::create();
cv::Ptr<SiftFeatureDetector>  siftR = SIFT::create();

//4.探测关键点
siftL->detect(matL, kpL);
siftR->detect(matR, kpR);

//5.计算描述符
siftL->compute(matL, kpL, descriptorL);
siftR->compute(matR, kpR, descriptorR);

//6.描述符匹配
...

对于第3步，创建SIFT对象，上两节已经讲过，那么现在只剩下detect和compute两个步骤了。这两个步骤是个重难点，我将分多篇文章细讲，争取能给大家讲明白。（描述符匹配属于特征匹配通用的部分，不属于SIFT专有，在这里就不讲了）

回到features2d.hpp，可以看SIFT接口内并没有声明detect和compute两个函数，这是因为这两个函数是继承其基类Feature2D的（可以在该hpp文件内找到）。
进入features2d.cpp内，可以找到detect和compute的定义：

void Feature2D::detect( InputArray image,
                        std::vector<KeyPoint>& keypoints,
                        InputArray mask )
{
	...
    detectAndCompute(image, mask, keypoints, noArray(), false);
}

void Feature2D::compute( InputArray image,
                         std::vector<KeyPoint>& keypoints,
                         OutputArray descriptors )
{
	...
    detectAndCompute(image, noArray(), keypoints, descriptors, true);
}

可以看到，这两个函数最终都将调用detectAndCompute，该函数是被SIFT_Impl重写（detect和compute还有一个重载函数，但是最后都会调用detectAndCompute）。
我将单独写一篇文章介绍detectAndCompute函数