【OpenCV】99 SIFT特征提取—描述子生成

99 SIFT特征提取—描述子生成

代码

import cv2 as cv

box = cv.imread("../images/box.png")
box_in_sence = cv.imread("../images/box_in_scene.png")
cv.imshow("box", box)
cv.imshow("box_in_sence", box_in_sence)

# 创建SIFT特征检测器
sift = cv.xfeatures2d.SIFT_create()
kp1, des1 = sift.detectAndCompute(box,None)
kp2, des2 = sift.detectAndCompute(box_in_sence,None)

# 暴力匹配
bf = cv.DescriptorMatcher_create(cv.DescriptorMatcher_BRUTEFORCE)
matches = bf.match(des1,des2)

# 绘制匹配
matches = sorted(matches, key = lambda x:x.distance)
result = cv.drawMatches(box, kp1, box_in_sence, kp2, matches[:15], None)
cv.imshow("orb-match", result)
cv.waitKey(0)
cv.destroyAllWindows()

实验结果

解释

SIFT特征提取是图像特征提取中最经典的一个算法，归纳起来SIFT特征提取主要有如下几步：

• 构建高斯多尺度金字塔
• 关键点查找/过滤与精准定位
• 窗口区域角度方向直方图
• 描述子生成
  前面我们已经详细解释了SIFT特征点是如何提取的，有了特征点之后，我们对特征点周围的像素块计算角度方向直方图，在计算直方图之前首先需要对图像进行梯度计算，这里可以使用SOBEL算子，然后根据dx与dy计算梯度和与角度

---

所有内容均来源于贾志刚老师的知识星球——OpenCV研习社，本文为个人整理学习，已获得贾老师授权，有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。