SIFT/SURF算法

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