【CV系列】图像算法之三：特征提取算子之SIFT

最新推荐文章于 2025-07-03 15:02:27 发布

飞翔的鲲

最新推荐文章于 2025-07-03 15:02:27 发布

阅读量1.2w

点赞数 5

CC 4.0 BY-SA版权

分类专栏：【图像处理入门和进阶教程】【机器视觉入门和进阶教程】文章标签：图像算法特征提取 SIFT Matlab Python

本文链接：https://blog.youkuaiyun.com/soaringlee_fighting/article/details/52680659

【图像处理入门和进阶教程】同时被 2 个专栏收录

91 篇文章 ¥59.90 ¥99.00

订阅专栏

【机器视觉入门和进阶教程】

58 篇文章 ¥39.90 ¥99.00

订阅专栏

超级会员免费看

SIFT（尺度不变特征变换）是一种强大的图像特征提取算法，具有尺度不变性和旋转不变性。本文介绍了SIFT的算法流程，包括构造尺度空间、检测极值点、去除不良特征、赋方向参数、生成描述子以及特征匹配。还提供了Matlab、Python和OpenCV三种实现方式的简要说明，展示SIFT在图像匹配中的优秀性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

DATE: 2020.10.16

文章目录

SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果，详细解析如下：

1、算法描述

SIFT特征不只具有尺度不变性，即使改变旋转角度，图像亮度或拍摄视角，仍然能够得到好的检测效果。整个算法分为以下几个部分：
（1）构造尺度空间：DoG尺度空间
（2）检测DoG尺度空间极值点
（3）去除不好的特征点
（4）给特征点赋值一个128维的方向参数。每个关键点都包含三个信息：位置、尺度和方向。
（5）关键点描述子的生成：
首先将坐标轴旋转为关键点的方向，以确保旋转不变性。以关键点为中心取8×8的窗口。
（6）最后进行特征匹配。当两幅图像的SIFT特征向量（128维）生成后，采用关键点特征向量的欧式聚类来作为相似性判定度量。
取图像1中的某个关键点，并找出其与图像2中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离少于某个比例阈值，则接受这一对匹配点。降低这个比例阈值，SIFT匹配点数目会减少，但更加稳定。