13.尺度不变特征转换SIFT

目录

1  理论部分

1.1  高斯模糊

1.2  多分辨率金字塔

1.3  高斯差分金字塔

1.4  DOG空间极值检测

1.5  关键点的精确定位

1.6  消除边界相应

1.7  特征点的主方向

1.8  生成特征描述

2  代码实现

2.1  得到特征点 xfeatures2d.SIFT_create(),detect(),drawKeypoints()

2.2  计算特征 compute()

---

1  理论部分

感兴趣的朋友可以看一下视频的讲解，不感兴趣的可以直接进入代码实现部分

我们SIFT的目的就是让计算机在物体站图像不同大小时也能识别图像

1.1  高斯模糊

我们SIFT的第一步是高斯模糊

1.2  多分辨率金字塔

这个用的还是同样大小的图，只不过清晰程度不同，我们上一步使用的高斯模糊的结果，在这里作为Octave1，然后使用金字塔变成Octave2

1.3  高斯差分金字塔

这一步的作用是找到同样大小但清晰度不同的图中间的特征，5个高斯模糊的结果可以进行高斯差分金字塔后可以得出4个DOG结果

1.4  DOG空间极值检测

这一步我们用DOG的结果寻找极值点

我们现在探究中间画叉的这个点是不是极值点，除了比周围的8个，还得比上层的9个与下层的9个，第一层与最后一层我们认为在这两层中没有极值点

1.5  关键点的精确定位

从上一步我们获取了很多离散的极值点，我们使用上面的这个进行拟合，然后让上面这个式子的f(x)求导等于0，从而求出x，求出x之后我们再把x带入上面的式子，这样我们的出来了f(x)，这个f(x)是我们的精确极值点

• 由于我们每个点都是离散点，我们 每个点对应的导数 约等于 该离散点最近的左右两点 连成一条直线 然后求导

上面我们说的是x这个维度的计算方式，我们的D是一个三维的点，下面这个是三维的计算方式

• 第二行是简化之后上面式子的结果

1.6  消除边界相应

1.7  特征点的主方向

1.8  生成特征描述

2  代码实现

2.1  得到特征点 xfeatures2d.SIFT_create(),detect(),drawKeypoints()

2.2  计算特征 compute()

kp是我们上面那个图显示的关键点，des是我们每一个关键点对应的128维向量，也就是下面这个图的结果是des