sift计算描述子代码详解_sift算法特征描述子构建代码实现--梯度直方图生成原理及代码...

0.引言sift针对局部特征进行特征提取，在尺度空间寻找极值点，提取位置，尺度，旋转不变量，生成特征描述子。

总共分四个步骤：

step3 生成梯度直方图

生成特征点的梯度信息，并且确定主方向和辅助主方向的关键点。

3.1 梯度计算

经过第二步骤，关键点已经有了尺度和位置信息，缺少的梯度方向信息。首先计算梯度。/*********************************************************************************************************************************模块说明:*        模块六---步骤1：计算关键点的梯度和梯度方向

*功能说明：*        1)计算关键点(x,y)处的梯度幅值和梯度方向*        2)将所计算出来的梯度幅值和梯度方向保存在变量mag和ori中*********************************************************************************************************************************/

bool CalcGradMagOri(const Mat& gauss, int x, int y, double& mag, double& ori)

{    if (x > 0 && x  0 && y 

3.2 计算梯度的方向直方图

梯度直方图将0~360度的方向范围分为36个柱(bins)，其中每柱10度。/*********************************************************************************************************************************模块说明:*        模块六：2.计算梯度的方向直方图

*功能说明：*        1)直方图以每10度为一个柱，共36个柱，柱代表的方向为为像素点的梯度方向，柱的长短代表了梯度幅值。*        2)根据Lowe的建议，直方图统计采用3*1.5*sigma

*结    论：*        图像的关键点检测完毕后，每个关键点就拥有三个信息：位置、尺度、方向；同时也就使关键点具备平移、缩放和旋转不变性*********************************************************************************************************************************/

double* CalculateOrientationHistogram(const Mat&gauss,int x,int y,int bins,int radius,double sigma)

{    double * hist = new double[bins];    for (int i = 0; i 0->pi    角度范围                //36->18->0     柱序号   从x轴负方向顺时针转一圈。                bin = cvRound(bins*(CV_PI - ori) / (2 * CV_PI));    //计算第几个bin                bin = bin 

3.3 对方向直方图高斯平滑

在直方图统计时，每相邻三个像素点采用高斯加权，根据Lowe的建议，模板采用[0.25,0.5,0.25],并且连续加权两次.void GaussSmoothOriHist(double* hist, int n)

{    double prev = hist[n - 1];    double temp;    double h0 = hist[0];    for (int i = 0; i 

{

temp = hist[i];        //如果是最后一个，则跟第零个平滑

hist[i] = 0.25*prev + 0.5*hist[i] + 0.25*(i + 1>=n ? h0 : hist[i + 1]);

prev = temp;

}

}

3.4 计算主方向和辅方向

方向直方图的峰值则代表了该特征点的方向，以直方图中的最大值作为该关键点的主方向。为了增强匹配的鲁棒性，保留峰值大于主方向峰值80%的方向作为该关键点的辅方向。ouble DominantDirection(double* hist,int n)

{    double maxd = hist[0];    for (int i = 0; i maxd)            maxd = hist[i];             //求36个柱中最大峰值    }    return maxd;}

/*********************************************************************************************************************************模块说明:*        模块六---步骤5：计算更加精确的关键点主方向----抛物插值

*功能说明：*        1)方向直方图的峰值则代表了该特征点的方向，以直方图中的最大值作为该关键点的主方向。为了增强匹配的鲁棒性，只保留峰值大于主*           方向峰值80%的方向作为该关键点的辅方向。因此，对于同一梯度值得多个峰值的关键点位置，在相同位置和尺度将会有多个关键点被*           创建但方向不同。仅有15%的关键点被赋予多个方向，但是可以明显的提高关键点的稳定性。*        2)在实际编程中，就是把该关键点复制成多份关键点，并将方向值分别赋给这些复制后的关键点*        3)并且，离散的梯度直方图要进行【插值拟合处理】，来求得更加精确的方向角度值*********************************************************************************************************************************/

//复制关键点

void CopyKeypoint(const Keypoint& src, Keypoint& dst)

{    dst.dx = src.dx;    dst.dy = src.dy;    dst.interval = src.interval;    dst.octave = src.octave;    dst.octave_scale = src.octave_scale;    dst.offset_interval = src.offset_interval;    dst.offset_x = src.offset_x;    dst.offset_y = src.offset_y;    dst.ori = src.ori;    dst.scale = src.scale;    dst.val = src.val;    dst.x = src.x;    dst.y = src.y;}#define Parabola_Interpolate(l,c,r) (0.5*(l-r)/(l-2*c+r))void CalcOriFeatures(const Keypoint& keypoint,vector& features,const double *hist,int n,double mag_thr)

{    double bin;    int l, r;    //36个    for (int  i = 0; i <= n; i++)    {        l = (i == 0) ? (n - 1) : i - 1;        r = (i + 1) % n;        if (hist[i]>hist[l]&&hist[i]>hist[r]&&hist[i]>mag_thr)        {            //插值            bin = i + Parabola_Interpolate(hist[l],hist[i],hist[r]);            bin = (bin = n ? bin - n : bin);            Keypoint new_key;            CopyKeypoint(keypoint, new_key);            new_key.ori = (2 * CV_PI*bin / n) - CV_PI;            features.push_back(new_key);        }    }}

3.5 生成带有梯度信息的关键点void OrientationAssignment(vector& extrema,vector& features,const vector &guass_pyr)

{    int n = extrema.size();    double* hist;    for (int i = 0; i 

{        //计算该关键点处的直方图

hist = CalculateOrientationHistogram(guass_pyr[extrema[i].octave*(INTERVALS + 3) + extrema[i].interval], extrema[i].x, extrema[i].y, ORI_HIST_BINS,

cvRound(ORI_PEAK_RATIO*extrema[i].octave_scale), ORI_SIGMA_TIMES*extrema[i].octave_scale);        //高斯平滑

for (int j = 0; j 

{

GaussSmoothOriHist(hist, ORI_HIST_BINS);

}        //取极值点

double highest_peak = DominantDirection(hist, ORI_HIST_BINS);

CalcOriFeatures(extrema[i], features, hist, ORI_HIST_BINS, highest_peak*ORI_PEAK_RATIO);        delete[] hist;

}

}