使用OpenCV中的SIFT实现（尺度不变特征提取）

本文介绍如何在OpenCV中使用SIFT来获得二维图像的特征。

这里不描述如何配置OpenCV,具体自己另行百度。需要指出的是，有些OpenCV版本中,modules里没有"nonfree"模块,这里推荐使用OpenCV2.4.13的版本。

注意以下几个点，

1.包含特定的头文件

2.使用CvtColor函数将多通道图像转换为灰度图

3.创建一个SIFT对象，给定一些阈值。也可以使用默认参数，直接这样

SIFT sift2;

4.特征提取分为两步走，第一步是检测关键点，二是生成描述子。

    关键点被存储在一个vector<KeyPoint>中；

    描述子被存储在一个Mat中，是一个width=128，height = 特征数的矩阵。因为每一个描述子都是128维的向量。正常情况下，SIFT描述向量的长度应该是1的，但由于某种原因，在OpenCV中，描述向量的每一个元素都是小于255的整数。

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include<nonfree/features2d.hpp>
#include<nonfree/nonfree.hpp>
using namespace cv;

#include<vector>
#include<iostream>
using namespace std;


int main()
{

	char* file_path = "C:/Users/cslay/Desktop/recent/data/image/cat.tiff";//改成一个存在的图片路径
	Mat image_in = imread(file_path);
	Mat gray;
	cvtColor(image_in, gray, CV_32FC1);
	SIFT sift(0, 3, 0.04, 10, 1.6);
	vector<KeyPoint> kps;
	Mat desc;
	sift.detect(gray, kps);
	sift.compute(gray, kps, desc);
}

5. 值得提出的是，在有些示例代码中是这样的：

SiftFeatureDetector detector;
detector.detect(gray, kps);
SiftDescriptorExtractor extractor;
extractor.compute(gray, kps, desc);

实际上，从feature2d.hpp中我们可以发现这样的语句

也就是说SiftFeatureDetector和SiftDescriptorExtractor都和SIFT是同一个类，这样写看起来比较形象。

6.关键点以KeyPoint形式来存储，获得关键点的坐标可以这样：

//vector<KeyPoint>kps;

for(int i=0;i<kps.size();i++)
{
    cout<<kps[i].pt.x<<“ ”<<kps[i].pt.y<<endl;
}

欢迎交流cslayee#163dotCOM