2019-9-2 opencv特征检测和描述5-介绍SURF（SIFT算法的改进版）

最新推荐文章于 2024-09-03 14:05:49 发布

没人不认识我

最新推荐文章于 2024-09-03 14:05:49 发布

阅读量1.1k

点赞数 1

分类专栏： IT opencv

本文链接：https://blog.csdn.net/weixin_42555985/article/details/100228615

版权

本文介绍了SURF算法，作为SIFT的改进版，它在执行效率上更快。SURF使用盒滤波器近似LoG，通过Hessian矩阵确定尺度和定位，使用小波响应确定方向，并提供旋转不变性的Upright-SURF选项。在OpenCV中，SURF函数可以配置为64/128维描述符和Upright/Normal模式。文章展示了如何在OpenCV中应用SURF并调整参数以优化关键点检测。

摘要由CSDN通过智能技术生成

官网https://docs.opencv.org/3.4.1/df/dd2/tutorial_py_surf_intro.html
也可以参见https://blog.csdn.net/shenziheng1/article/details/72579635，更加容易理解。

SURF算法是对SIFT算法的一种改进，主要是在算法的执行效率上，比SIFT算法来讲运行更快。

上一节https://blog.csdn.net/weixin_42555985/article/details/100130570中介绍了关键点检测和描述。但是它的运行速度比较慢，人们需要更快的版本。在2006年，Bay, H., Tuytelaars, T. 和Van Gool, L发表了另外一篇文章《SURF: Speeded Up Robust Features》介绍了一种新算法SURF。顾名思义，它是SIFT的加速版本。

SIFT中Lowe用GoD对LoG进行近似在不同尺度空间发现关键点。SURF更进一步用盒滤波器(Box Filter)来近似LoG。下图演示了这种近似过程。
在这里插入图片描述
这种近似的最大优势是：盒过滤器的卷积计算可以利用积分图像轻松完成（积分图像的一大特点是：计算图像中某个窗口内所有像素和时，计算量的大小与窗口大小无关）。而且这种计算可以在不同尺度空间同时进行。同样SURF计算关键点的尺度和定位也是依赖与Hessian 矩阵行列式进行的。