SIFT/SURF算法
1.SIFT算法
1.1 SIFT实质:在不同的尺度空间上查找关键点(特征点),并计算出关键点的方向
1.2 SIFT基本流程:
(1)尺度空间极值检测:搜索所有尺度上的图像位置,通过高斯差分函数来识别潜在的对于尺度和旋转不变的关键点
(2)关键点定位:在每个候选位置上,通过一个拟合精细的模型来确定位置和尺度,关键点选择依据于他们的稳定程度
(3)关键点方向确定:基于图像局部的梯度方向,分配给每个关键点位置一个或多个方向,所有后面的对图像数据的操作都相对于关键点的方向,尺度和位置进行变换,从而保证了对于这些变换的不变性
(4)关键点描述:在每个关键点的邻域内,在选定的尺度上测量图像局部的梯度,这些梯度作为关键点的描述符,它允许较大的局部形状的变形或光照变化
2.SURF算法
2.1 SURF实质:是 SIFT算法的加强版,计算量小,运算速度快,提取的特征与SIFT几乎相同
2.2 SIFT与 SURF算法对比:
2.3 实现
语法:
(1)实例化sift:sift=cv.xfeatures2d.SIFT_create()
(2)利用sift.detectAndCompute()检测关键点并计算:kp,des=sift.detectAndCompute(gray,None)
参数:
- gray:进行关键点检测的图像,注意是灰度图像
- kp:关键点信息,包括位置,尺度,方向信息
- des:关键点描述符,每个关键点对应128个梯度信息的特征向量
(3)将关键点检测结果绘制在图像上:cv.drawKeypoints(img,keypoints,outputimg,color,flags)
参数:
- img:原始图像
- keypoints:关键点信息,将其绘制在图像上
- outputimg:输出图片,可以是原始图像
- color:颜色设置,b=蓝色,g=绿色,r=红色
- flags:绘图功能的标识设置