【懒懒的计算机视觉笔记之SIFT角点检测】

SIFT（尺度不变特征变换）是过去十多年来最成功的图像局部描述子，SIFT算子具有很强的稳健性，目前SIFT算子通常和其他兴趣点检测器一起结合使用。在这里将不介绍SIFT原理，详细的介绍在可以在其他博主文章里找到，这里推荐一个比较好的文章：传送门

兴趣点检测定位：

SIFT特征使用高斯差分函数来定位兴趣点：

其中是二维高斯核，是使用高斯模糊之后的图像，κ是决定相差尺度的系数，兴趣点是在图像位置和尺度变化下D（x，σ）的最大值和最小值，这些候选位置通过滤波取出不稳定点。

描述子

上面给出的是兴趣点的位置和尺度信息，为了实现旋转不变性，基于每个点周围像素梯度的方向和大小，SIFT算子引入了参考方向。SIFT描述子使用主方向来描述方向，主方向使用方向直方图来度量。

SIFT描述子在每个像素点周围选择子区域网格，每个子区域内计算图像的梯度方向直方图，然后每个子区的直方图拼接起来组成描述子向量。SIFT描述子使用4×4的子区域，每个子区域有8个小区间的方向直方图，所以会产生4×4×8=128维的子向量。

Python代码实现

我们使用VLFeat的开源二进制文件来计算SIFT文件，VLFeat库是使用C语言编写的，我们可以使用该库的命令行接口直接调用，关于VLFeat的下载和配置可以参考这个链接：传送门

# coding=UTF-8
from PIL import Image
from numpy import *
from pylab import *
import os


def process_image(imagename, resultname, params="--edge-thresh 10 --peak-thresh 5"):
    '''
    调用VLFeat 的外部exe程序，生成.sift文件
    :param imagename:
    :param resultname:
    :param params:
    :return:
    '''

    # 判断图片是否是pgm格式，如果不是则创建一个
    if imagename[-3:] != 'pgm':
        im = Image.open(imagename).convert('L')
        im.save('tmp.pgm')
        imagename = 'tmp.pgm'

    # 调用外部sift.exe文件(注意必须是sift.exe的目录位置，后面的空格不可少)
    cmd = str("E:\PycharmProjects\VLfeat\win64\sift.exe "+imagename+" --output="+resultname+" "+params)
    os.system(cmd)


def read_features(filename):
    '''
    从.sift文件中读取特征属性值
    :param filename:
    :return:
    '''

    f = loadtxt(filename)
    return f[:, :4], f[:, 4:]


def plot_features(im, locs, circle=True):
    '''
    显示带有特征的图像
    :param im:
    :param locs:
    :param circle:
    :return:
    '''

    def draw_circle(c, r):
         t = arange(0, 1.01, 0.01) * 2 * pi
         x = c[0] + r * cos(t)
         y = c[1] + r * sin(t)
         plot(x, y, 'b', linewidth=1)

    imshow(im)
    if circle:
        for p in locs:
            draw_circle(p[:2], p[2])
        else:
            plot(locs[:, 0], locs[:, 1], 'ob')
    axis('off')


if __name__=="__main__":
    imname = 'lena.tiff'
    im1 = array(Image.open(imname).convert('L'))
    process_image(imname, 'lena.sift')
    l1, d1 = read_features('lena.sift')
    figure()
    gray()
    plot_features(im1, l1, circle=True)
    show()

运行结果如下图：