摘要:最近在做基于特征的倾斜影像匹配,为了降低计算代价加速匹配的目的,我将128维float类型的Sift描述子转为char类型,下面分享代码。
void float2BYTE(float* pVector, unsigned char* pDescriptor, int len, float topThreshold)
{
float sum = 0;
float aValue;
// 1. 首先对float类型的描述子进行归一化计算
for (int k = 0; k < len; k++)
{
aValue = abs(pVector[k]);
aValue = min(aValue, topThreshold);
pVector[k] = aValue;
sum += aValue*aValue;
}
sum = sqrt(sum);
sum = 1.0/sum*512;
// 2. 转为char类型的描述子
for (int k = 0; k < len; k++)
{
aValue = pVector[k];
pDescriptor[k] = cv::saturate_cast<uchar>(aValue*sum);
//pDescriptor[k] = (vl_uint8) (aValue*sum);
}
}
即,描述子类型转换的思路为:先归一化处理(描述子为向量),再进行类型转换
上边为了告诉大家将描述子做类型转换的思路,我将float类型的描述子首先做了归一化,其实在vlSIft中已将将float的描述子进行了归一化计算,实际处理中不需要做归一化只需进行类型转换(看了vlSift的源码,具体我还未实验)。另外,个人实验发现vlSIFT提点效果优于OpenCV中的sift提取特征点,vlSIft的实现在层数和阶数上更科学。
希望可以帮到你!