sift计算描述子代码详解_计算机视觉编程系列-局部图像描述子

这一部分旨在寻找图像间的对应点和对应区域。并且介绍用于图像匹配的两种局部描述子算法。

2.1 Harris 角点检测器

Harris角点检测算法(也称为Harris&Stephens角点检测器)是一个极为简单的角点检测算法。该算法的主要思想是，如果像素周围显示存在多余一个方向的边，我们认为该点为兴趣点。该点就称为角点。

我们把图像域中点X上的对称半正定矩阵

定义为：

其中∇I为包含导数Ix和Iy的图像梯度由于该定义，MI的秩为1，特征值为λ1 = |∇I |2和λ2 = 0。现在对于图像的每一个像素，我们可以计算出该矩阵。选择权重为W，我们可以得到卷积：

MI= W ∗MI

该卷积的目的是得到MI在周围像素上的局部平均。计算出的矩阵MI有称为Harris矩阵。W的宽度决定了在像素x周围的感兴趣的区域。像这样在区域附近对矩阵MI，取平均的原因是，特征值会依赖于局部图像特性而变化。如果图像的梯度在该区域变化，那么MI的第二个特征值将不再是0.如果图像的梯度没有变化，MI的特征值也不会变化。

取决于该区域∇I的值，Harris矩阵MI的特征值有三种情况：

• 如果λ1和λ2都是很大的整数，则该点x为角点
• 如果λ1很大，λ2 = 0，则该区域内存在一个边，该区域内的平均MI 的特征值不会变化太大
• 如果λ1=λ2=0，该区域内为空。

在不需要实际计算特征值的情况下，为了把重要的情况和其他情况分开Harris和Stephens引入了只是函数：det(MI ) − κ trace(MI )2.

为了去除加权常数K，我们通常使用商数：det(MI )/trace(MI )2 作为指示器。

下面我们写出harris角点检测程序。对于这个函数，我们需要使用scipy.ndimage.filters模块中的高斯导数滤波器来计算导数。使用高斯滤波器的道理同样是，我们需要在角点检测过程中抑制噪声强度。

首先，将角点响应函数添加到harris.py文件中，该函数使用高斯导数实现。同样地，参数σ定义了使用的高斯滤波器的尺度大小。你也可以修改这个函数，对x和y方向上不同的尺度参数，以及尝试平均操作中的不同尺度，来计算Harris矩阵。

from scipy.ndimage import filters

def compute_harris_response(im,sigma=3):
    """ compute the harris corner detector response function
    for each pixel in a graylevel iamge."""
    
    #derivatives
    imx = zeros(im.shape)
    filters.gaussian_filter(im,(sigma,sigma),(0,1),imx)
    imy = zeros(im.shape)
    filters.gaussian_filter(im,(sigma,sigma),(1,0),imy)
    #compute components of the harris matrix
    Wxx = filters.guassian_filter(imx*imx,sigma)
    Wxy = filters.guassian_filter(imx*imy,sigma)
    Wyy = filters.guassian_filter(imy*imy,sigma)
    
    #计算特征值和轨迹
    Wdet = Wxx*Wyy - Wxy**2
    Wtr = Wxx + Wyy
    
    return Wdet/Wtr

上面的函数会返回像素值为Harris响应函数值的一幅图像。现在，我们需要从这副图想象中挑选出需要的信息。然后选取像素高于却阙值的所有图像点，再加上额外的限制，即角点之间的间隔必须大于设定的最小距离。这种方法会产生很好的检测结果。为了实现该算法，我们获取所有候选像素点，以角点响应的值递减的顺序排序，然后将距离已标记为角点位置过近的区域从候选像素中删除。

def get_harris_points(harrisim,min_dist=10,threhold=0.1):
    """ Return corners from a Harris response image min_dist
        is the minimum number of pixels separating corners and image 
        bourndary.
    """
    # find top corner candidates above a threshold
    corner_threshol